期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度可分离卷积与通道裁剪的YOLOv3改进方法
被引量:
2
1
作者
朱金铭
邰阳
+2 位作者
邹刘磊
范洪辉
(
指导
)
朱洪锦(
指导
)
《江苏理工学院学报》
2020年第2期30-38,共9页
基于YOLOv3和YOLOv3-Tiny网络试验了人脸数据集Widerface和CelebA的人脸检测。并针对检测结果进行分析,认为神经网络权重中具备大量的参数冗余,将深度可分离卷积与通道裁剪方法应用于深度神经网络的模型压缩,并结合模型量化方法,最终实...
基于YOLOv3和YOLOv3-Tiny网络试验了人脸数据集Widerface和CelebA的人脸检测。并针对检测结果进行分析,认为神经网络权重中具备大量的参数冗余,将深度可分离卷积与通道裁剪方法应用于深度神经网络的模型压缩,并结合模型量化方法,最终实现轻量级的人脸检测模型。试验结果表明,改进后的模型满足移动端部署的实时性要求,并表现出良好的检测效果。
展开更多
关键词
YOLOv3
深度可分离卷积
通道裁剪
模型压缩
下载PDF
职称材料
基于多视觉特征融合的非侵入式疲劳驾驶检测方法研究
2
作者
朱玉伟
潘宇驰
+3 位作者
邹刘磊
黄心怡
范洪辉
(
指导
)
朱洪锦(
指导
)
《江苏理工学院学报》
2021年第6期59-66,78,共9页
为了解决目前车辆疲劳驾驶检测线索单一、算力要求高、准确率低、侵入式等问题,基于驾驶人员眼部、嘴部、头部等部位特征数据的采集分析,构建了轻量化的神经网络,设计了非侵入式多视觉特征融合疲劳检测方法。通过模拟对比实验和实际场...
为了解决目前车辆疲劳驾驶检测线索单一、算力要求高、准确率低、侵入式等问题,基于驾驶人员眼部、嘴部、头部等部位特征数据的采集分析,构建了轻量化的神经网络,设计了非侵入式多视觉特征融合疲劳检测方法。通过模拟对比实验和实际场景实验,证明该检测方法具有算力要求低、识别精度高、生产成本低等优点。
展开更多
关键词
非侵入式
驾驶状态
疲劳检测
下载PDF
职称材料
题名
基于深度可分离卷积与通道裁剪的YOLOv3改进方法
被引量:
2
1
作者
朱金铭
邰阳
邹刘磊
范洪辉
(
指导
)
朱洪锦(
指导
)
机构
江苏理工学院计算机工程学院
复旦大学计算机科学技术学院
出处
《江苏理工学院学报》
2020年第2期30-38,共9页
基金
大学生创新创业训练计划项目“基于人脸识别的校园新生迎新系统”(201911463034Y)
国家自然科学基金项目“基于改进稀疏表示与多特征融合的道路监控视频中车辆信息感知”(61806088)。
文摘
基于YOLOv3和YOLOv3-Tiny网络试验了人脸数据集Widerface和CelebA的人脸检测。并针对检测结果进行分析,认为神经网络权重中具备大量的参数冗余,将深度可分离卷积与通道裁剪方法应用于深度神经网络的模型压缩,并结合模型量化方法,最终实现轻量级的人脸检测模型。试验结果表明,改进后的模型满足移动端部署的实时性要求,并表现出良好的检测效果。
关键词
YOLOv3
深度可分离卷积
通道裁剪
模型压缩
Keywords
YOLOv3
depth separable convolution
channel clipping
model compression
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于多视觉特征融合的非侵入式疲劳驾驶检测方法研究
2
作者
朱玉伟
潘宇驰
邹刘磊
黄心怡
范洪辉
(
指导
)
朱洪锦(
指导
)
机构
江苏理工学院计算机工程学院
网易游戏Zen事业部
南京爱普瑞斯软件有限公司技术研发部
出处
《江苏理工学院学报》
2021年第6期59-66,78,共9页
基金
大学生创新创业训练计划项目“DMS多视觉融合驾驶安全预警系统”(202111463038Y)
国家自然科学基金项目“基于改进稀疏表示与多特征融合的道路监控视频中车辆信息感知”(61806088)
江苏省高校自然科学研究项目“监控视频场景知识表达与推理方法研究”(20KJA520007)。
文摘
为了解决目前车辆疲劳驾驶检测线索单一、算力要求高、准确率低、侵入式等问题,基于驾驶人员眼部、嘴部、头部等部位特征数据的采集分析,构建了轻量化的神经网络,设计了非侵入式多视觉特征融合疲劳检测方法。通过模拟对比实验和实际场景实验,证明该检测方法具有算力要求低、识别精度高、生产成本低等优点。
关键词
非侵入式
驾驶状态
疲劳检测
Keywords
non-invasive
driving status
fatigue testing
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度可分离卷积与通道裁剪的YOLOv3改进方法
朱金铭
邰阳
邹刘磊
范洪辉
(
指导
)
朱洪锦(
指导
)
《江苏理工学院学报》
2020
2
下载PDF
职称材料
2
基于多视觉特征融合的非侵入式疲劳驾驶检测方法研究
朱玉伟
潘宇驰
邹刘磊
黄心怡
范洪辉
(
指导
)
朱洪锦(
指导
)
《江苏理工学院学报》
2021
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部