期刊文献+
共找到94篇文章
< 1 2 5 >
每页显示 20 50 100
Diagnosis of primary clear cell carcinoma of the liver based on Faster region-based convolutional neural network
1
作者 Bin Liu Jianfei Li +3 位作者 Xue Yang Feng Chen Yanyan Zhang Hongjun Li 《Chinese Medical Journal》 SCIE CAS CSCD 2023年第22期2706-2711,共6页
Background:Distinguishing between primary clear cell carcinoma of the liver(PCCCL)and common hepatocellular carcinoma(CHCC)through traditional inspection methods before the operation is difficult.This study aimed to e... Background:Distinguishing between primary clear cell carcinoma of the liver(PCCCL)and common hepatocellular carcinoma(CHCC)through traditional inspection methods before the operation is difficult.This study aimed to establish a Faster region-based convolutional neural network(RCNN)model for the accurate differential diagnosis of PCCCL and CHCC.Methods:In this study,we collected the data of 62 patients with PCCCL and 1079 patients with CHCC in Beijing YouAn Hospital from June 2012 to May 2020.A total of 109 patients with CHCC and 42 patients with PCCCL were randomly divided into the training validation set and the test set in a ratio of 4:1.The Faster RCNN was used for deep learning of patients’data in the training validation set,and established a convolutional neural network model to distinguish PCCCL and CHCC.The accuracy,average precision,and the recall of the model for diagnosing PCCCL and CHCC were used to evaluate the detection performance of the Faster RCNN algorithm.Results:A total of 4392 images of 121 patients(1032 images of 33 patients with PCCCL and 3360 images of 88 patients with CHCC)were uesd in test set for deep learning and establishing the model,and 1072 images of 30 patients(320 images of nine patients with PCCCL and 752 images of 21 patients with CHCC)were used to test the model.The accuracy of the model for accurately diagnosing PCCCL and CHCC was 0.962(95%confidence interval[CI]:0.931-0.992).The average precision of the model for diagnosing PCCCL was 0.908(95%CI:0.823-0.993)and that for diagnosing CHCC was 0.907(95%CI:0.823-0.993).The recall of the model for diagnosing PCCCL was 0.951(95%CI:0.916-0.985)and that for diagnosing CHCC was 0.960(95%CI:0.854-0.962).The time to make a diagnosis using the model took an average of 4 s for each patient.Conclusion:The Faster RCNN model can accurately distinguish PCCCL and CHCC.This model could be important for clinicians to make appropriate treatment plans for patients with PCCCL or CHCC. 展开更多
关键词 Primary clear cell carcinoma of the liver Common hepatocellular carcinoma Differential diagnosis faster rcnn CT faster region-based convolutional neural network
原文传递
基于CA-FasterR-CNN的甲骨文原始拓片单字分割方法
2
作者 冉美玲 杨兆瑞 《信息与电脑》 2024年第13期1-5,共5页
甲骨文拓片经过长时间的埋藏和侵蚀,变得形态复杂,字体模糊,单字之间缺乏明确的分隔,这给甲骨文识别带来了极大的困难。基于此,本文提出了一种基于坐标注意力机制的快速区域卷积神经网络(Coordinate Attention Mechanism-based Faster R... 甲骨文拓片经过长时间的埋藏和侵蚀,变得形态复杂,字体模糊,单字之间缺乏明确的分隔,这给甲骨文识别带来了极大的困难。基于此,本文提出了一种基于坐标注意力机制的快速区域卷积神经网络(Coordinate Attention Mechanism-based Faster Region Convolutional Neural Network,CA-Faster R-CNN)模型以实现对甲骨文拓片图像中的单字分割。通过坐标通道注意力机制的引入,模型能够更加关注甲骨文字形特征,从而提升了对甲骨文图像细节的捕捉能力,最后训练结果框线与标准框线基本重合,证明模型分割效果良好。 展开更多
关键词 甲骨文识别 单字分割 坐标注意力机制 快速区域卷积神经网络
下载PDF
基于Faster RCNN的行人检测方法 被引量:36
3
作者 张汇 杜煜 +3 位作者 宁淑荣 张永华 杨硕 杜晨 《传感器与微系统》 CSCD 2019年第2期147-149,15,共4页
借鉴目标识别领域的快速区域卷积神经网络(Fast RCNN),提出了基于Faster RCNN的行人检测方法,利用CNN提取图像特征,通过聚类和构建区域建议网络(RPN)提取可能含有行人的区域,利用检测网络对目标区域进行判别和分类,并在INRIA数据集中进... 借鉴目标识别领域的快速区域卷积神经网络(Fast RCNN),提出了基于Faster RCNN的行人检测方法,利用CNN提取图像特征,通过聚类和构建区域建议网络(RPN)提取可能含有行人的区域,利用检测网络对目标区域进行判别和分类,并在INRIA数据集中进行了测试验证。实验结果表明:相比基于可变形的组件模型(DPM)的行人检测方法,提出的方法,在测试集上检测准确度达到92. 7%,相比现有的其他方法,其检测效果更好。 展开更多
关键词 快速区域卷积神经网络 区域建议网络 行人检测 深度学习
下载PDF
基于Faster-RCNN及一维曲线分析的表计指针识读方法
4
作者 钟力强 屈娟娟 +1 位作者 姜新丽 黄炎 《广东电力》 2022年第2期27-35,共9页
针对机器人部署调试中表计需逐个配置的问题,提出基于神经网络学习及一维曲线分析的表盘指针、刻度识别方法。基于Faster-RCNN(faster region-based convolutional network),初步识别刻度盘位置,从而确定指针运动圆心。将图像以圆心为... 针对机器人部署调试中表计需逐个配置的问题,提出基于神经网络学习及一维曲线分析的表盘指针、刻度识别方法。基于Faster-RCNN(faster region-based convolutional network),初步识别刻度盘位置,从而确定指针运动圆心。将图像以圆心为中心进行极坐标展开后,通过分析一维曲线的频域特征筛选刻度所在区域,统计不同区域灰度峰谷值的形式确定刻度和指针的真实位置。最后对几种典型表计进行实验分析,验证所提方法的有效性。实验结果显示,该方法对表计样本量较多的表计类型,可成功实现自动读数功能。 展开更多
关键词 表计识别 指针 快速傅里叶变换 神经网络 faster-rcnn
下载PDF
基于多尺度感知的改进Fast-RCNN交通场景行人识别与检测方法
5
作者 张鹏飞 蓝维旱 +1 位作者 高峰 王迎旭 《通信电源技术》 2022年第1期87-90,112,共5页
目前,卷积神经网络(Convolutional Neural Network,CNN)模型在各种视觉任务中取得了巨大的成功,但行人检测方面的关键尺度问题仍有待进一步研究。为达到在交通场景下准确识别和定位小目标行人的识别与定位,提出了基于多尺度感知的改进Fa... 目前,卷积神经网络(Convolutional Neural Network,CNN)模型在各种视觉任务中取得了巨大的成功,但行人检测方面的关键尺度问题仍有待进一步研究。为达到在交通场景下准确识别和定位小目标行人的识别与定位,提出了基于多尺度感知的改进Fast-RCNN模型,对Caltech行人数据集中的小目标行人图像进行检测。通过利用训练后的尺度感知权重,将大尺度子网络和小尺度子网络合并到统一的结构中,并利用对象建议的高度为两个子网络指定不同的尺度感知权重,同时将原模型中的VGG-16特征提取网络替换深度残差网络(ResNet-50)以获取更多特征。最后,对比所提改进模型和基础的Fast-RCNN的模型,发现所提模型行人识别准确率为97.49%,比未改进前提高了4.36%;再和传统的机器学习方法对比(基于HOG特征的SVM识别方法和基于ICF特征的AdaBoost识别方法),发现所提模型效果仍为最好。结果表明,该方法对交通场景下小目标行人的识别效果较好,能够为智能车辆图像识别系统和智慧交通提供参考。 展开更多
关键词 小目标行人检测 尺度感知 fast-rcnn 图像识别 卷积神经网络(CNN)
下载PDF
基于改进Fast R-CNN的红外图像行人检测研究 被引量:14
6
作者 车凯 向郑涛 +2 位作者 陈宇峰 吕坚 周云 《红外技术》 CSCD 北大核心 2018年第6期578-584,共7页
针对红外图像行人检测任务中行人细节信息少,特征提取计算量大以及易受背景影响等问题,提出了一种改进的Fast R-CNN(快速区域卷积神经网络)红外图像行人检测方法。改进主要涉及两个方面:(1)结合红外图像的特点提出了一种自适应ROI提取算... 针对红外图像行人检测任务中行人细节信息少,特征提取计算量大以及易受背景影响等问题,提出了一种改进的Fast R-CNN(快速区域卷积神经网络)红外图像行人检测方法。改进主要涉及两个方面:(1)结合红外图像的特点提出了一种自适应ROI提取算法,在不影响检测准确率的前提下,降低了ROI数量,使得网络的计算量减小;(2)提出了一种加权锚点框的定位机制,基于3种不同宽高比锚点框的检测置信度进行坐标加权,获得更准确的定位框。实验结果表明,本文提出的改进方法与传统的Haar+LBP+HOG+SVM算法及Fast R-CNN算法相比,红外图像行人检测的准确率从80.3%和91.2%提高到92.3%,检测速度从68 ms/f和25 ms/f提高到12 ms/f,提高了系统的性能。 展开更多
关键词 快速区域卷积神经网络 红外图像 行人检测 自适应ROI提取 加权锚点框
下载PDF
基于流量时空特征的fast-flux僵尸网络检测方法 被引量:12
7
作者 牛伟纳 蒋天宇 +3 位作者 张小松 谢娇 张俊哲 赵振扉 《电子与信息学报》 EI CSCD 北大核心 2020年第8期1872-1880,共9页
僵尸网络已成为网络空间安全的主要威胁之一,虽然目前可通过逆向工程等技术来对其进行检测,但是使用了诸如fast-flux等隐蔽技术的僵尸网络可以绕过现有的安全检测并继续存活。现有的fast-flux僵尸网络检测方法主要分为主动和被动两种,... 僵尸网络已成为网络空间安全的主要威胁之一,虽然目前可通过逆向工程等技术来对其进行检测,但是使用了诸如fast-flux等隐蔽技术的僵尸网络可以绕过现有的安全检测并继续存活。现有的fast-flux僵尸网络检测方法主要分为主动和被动两种,前者会造成较大的网络负载,后者存在特征值提取繁琐的问题。因此为了有效检测fast-flux僵尸网络并解决传统检测方法中存在的问题,该文结合卷积神经网络和循环神经网络,提出了基于流量时空特征的fast-flux僵尸网络检测方法。结合CTU-13和ISOT公开数据集的实验结果表明,该文所提检测方法和其他方法相比,准确率提升至98.3%,召回率提升至96.7%,精确度提升至97.5%。 展开更多
关键词 僵尸网络 fast-flux 卷积神经网络 循环神经网络
下载PDF
基于Faster R-CNN算法的船舶识别检测 被引量:8
8
作者 崔巍 杨亮亮 +3 位作者 夏荣 牟向伟 樊晓伟 杨海峰 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2020年第2期182-187,223,共7页
目前,检测卫星图像中船舶的常用方法如合成孔径雷达(synthetic-aperture radar,SAR)对多目标仍难以达到精确检测,而更快速的区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)算法是一种深度学习算法,... 目前,检测卫星图像中船舶的常用方法如合成孔径雷达(synthetic-aperture radar,SAR)对多目标仍难以达到精确检测,而更快速的区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)算法是一种深度学习算法,用于物体检测和分类时,可以实现高精度实时监测。文章应用Faster R-CNN算法对卫星图像中的船舶进行识别和检测,并与传统尺度不变特征转换(scale-invariant feature transform,SIFT)算法、快速区域卷积神经网络(fast region-based convolutional neural network,Fast R-CNN)算法进行对比。研究结果表明,Faster R-CNN算法比传统SIFT算法和Fast R-CNN算法有更好的收敛速度和识别精度,该算法在船舶识别方面具有较大潜力。 展开更多
关键词 卫星图像 船舶检测 更快速的区域卷积神经网络(faster R-CNN) 尺度不变特征转换(SIFT) 快速区域卷积神经网络(fast R-CNN)
下载PDF
Faster R-CNN内窥镜息肉检测 被引量:3
9
作者 孙雪华 潘晓英 《西安邮电大学学报》 2020年第2期29-34,共6页
为了提高内窥镜下肠道息肉检测率,提出一种基于Faster R-CNN的息肉检测方法。在数据预处理阶段,利用中值滤波的非线性滤波特性去除图像反光区域,通过数据增强方法扩充样本数据集。在网络结构上,使用残差网络提取多尺度特征送入区域候选... 为了提高内窥镜下肠道息肉检测率,提出一种基于Faster R-CNN的息肉检测方法。在数据预处理阶段,利用中值滤波的非线性滤波特性去除图像反光区域,通过数据增强方法扩充样本数据集。在网络结构上,使用残差网络提取多尺度特征送入区域候选网络,得到息肉候选区域;再通过更快的区域神经网络进行训练直至网络收敛,经过微调得到最终检测网络模型。实验结果表明,该方法能够准确检测息肉并标记息肉位置,准确率为96.9%,召回率为95.8%。 展开更多
关键词 息肉检测 数据增强 残差网络 区域候选网络 更快的区域神经网络
下载PDF
基于改进Fast-SCNN的塑瓶气泡缺陷实时分割算法
10
作者 付磊 任德均 +3 位作者 吴华运 郜明 邱吕 胡云起 《计算机应用》 CSCD 北大核心 2020年第6期1824-1829,共6页
在医用塑瓶的瓶身气泡检测时,瓶身气泡位置的任意性、气泡大小的不确定性以及气泡特征与瓶身特征之间的相似性增加了气泡缺陷的检测难度。针对上述气泡缺陷检测难点问题,提出了一种基于改进快速分割卷积神经网络(Fast-SCNN)的实时分割... 在医用塑瓶的瓶身气泡检测时,瓶身气泡位置的任意性、气泡大小的不确定性以及气泡特征与瓶身特征之间的相似性增加了气泡缺陷的检测难度。针对上述气泡缺陷检测难点问题,提出了一种基于改进快速分割卷积神经网络(Fast-SCNN)的实时分割算法。该分割算法的基础框架为Fast-SCNN,而为弥补原有网络分割尺寸的鲁棒性不足,借鉴了SENet的通道间信息的利用与多级跳跃连接的思想,具体为网络进一步下采样提取深层特征,在解码阶段将上采样操作融合SELayer模块,同时增加两次与网络浅层的跳跃连接。设计四组对比实验,在气泡数据集上以平均交并比(MIoU)与算法单张分割时间作为评价指标。实验结果表明,改进Fast-SCNN的综合性能最好,其MIoU为97.08%,其预处理后的医用塑瓶的平均检测时间为24.4 ms,其边界分割准确率较Fast-SCNN提升了2.3%,增强了对微小气泡的分割能力,而且该网络的MIoU相较现有的U-Net提升了0.27%,时间上降低了7.5 ms,综合检测性能远超过全卷积神经网络(FCN-8s)。该算法能够有效地对较小的、边缘不清晰的气泡进行分割,满足对气泡缺陷实时分割检测的工程要求。 展开更多
关键词 语义分割 图像处理 快速分割卷积神经网络(fast-SCNN) SENet 缺陷检测
下载PDF
Unit panel node detection by CNN on FAST reflector
11
作者 Zhi-Song Zhang Li-Chun Zhu +1 位作者 Wei Tang Xin-Yi Li 《Research in Astronomy and Astrophysics》 SCIE CAS CSCD 2019年第1期113-122,共10页
The Five-hundred-meter Aperture Spherical radio Telescope(FAST) has an active reflector.During observations, the reflector will be deformed into a paraboloid 300 meters in diameter. To improve its surface accuracy, we... The Five-hundred-meter Aperture Spherical radio Telescope(FAST) has an active reflector.During observations, the reflector will be deformed into a paraboloid 300 meters in diameter. To improve its surface accuracy, we propose a scheme for photogrammetry to measure the positions of 2226 nodes on the reflector. The way to detect the nodes in the photos is the key problem in this application of photogrammetry. This paper applies a convolutional neural network(CNN) with candidate regions to detect the nodes in the photos. Experimental results show a high recognition rate of 91.5%, which is much higher than the recognition rate for traditional edge detection. 展开更多
关键词 telescopes fast PHOTOGRAMMETRY NODES DETECT convolutional neural network
下载PDF
基于张量虚拟机的快速卷积自动性能优化 被引量:1
12
作者 陈疆 朱泓霖 +1 位作者 孟金涛 魏彦杰 《集成技术》 2024年第5期3-18,共16页
卷积神经网络作为深度学习的典型代表,是计算机视觉等任务中最常用的神经网络,然而,卷积运算通常占整个卷积神经网络运行时的90%以上,成为卷积神经网络的性能瓶颈。此外,由于当下硬件的复杂性及工作负载的多样性,之前工作中的一些特定... 卷积神经网络作为深度学习的典型代表,是计算机视觉等任务中最常用的神经网络,然而,卷积运算通常占整个卷积神经网络运行时的90%以上,成为卷积神经网络的性能瓶颈。此外,由于当下硬件的复杂性及工作负载的多样性,之前工作中的一些特定优化往往缺乏性能可移植性。对此,作者提出BlazerML,一个基于张量虚拟机(TVM)模板代码自动生成的开源卷积计算库,可为任何输入形状自动生成高性能的卷积实现。BlazerML是基于Winograd算法实现的,因为该算法是快速卷积算法中性能最高的算法。实验结果表明:BlazerML显著优于当下最先进的开源库。在x86 CPU上运行常见的深度学习网络前向推理分别比OnnxRuntime、MNN和TVM社区版本快1.18~2.47倍、1.18~2.27倍和1.01~1.66倍。在ARMCPU上运行常见深度学习网络的单层推理分别比ACL和FastConv快1.26~6.11倍、1.04~4.28倍。 展开更多
关键词 深度学习 卷积神经网络 快速卷积算法 Winograd算法 TVM 自动性能优化
下载PDF
一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法 被引量:2
13
作者 裴东锋 刘勇 +3 位作者 闫柯柯 郭威 宋福如 田志杰 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第1期164-170,共7页
及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning m... 及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning machine,ELM)分类模型并行的输电线路故障识别及定位方法。首先,以故障电压时序图作为输入,构建CNN;然后,利用FFT将时域故障电压数据分解,提取各频段的电压峰值与相角作为故障特征样本;接着,以提取的故障特征样本集作为输入,构建ELM网络;最后,通过特征融合层将2个神经网络进行融合,输出故障类型和定位结果。实验结果表明,此方法对输电线路故障识别的准确率为99.95%、故障定位误差在500 m以内、平均误差为263.5 m,可靠性优于其他模型。 展开更多
关键词 故障识别及定位 输电线路 并行神经网络 卷积神经网络 快速傅里叶变换 极限学习机
下载PDF
基于U-net卷积神经网络的电磁场快速计算方法 被引量:2
14
作者 张宇娇 赵志涛 +2 位作者 徐斌 孙宏达 黄雄峰 《电工技术学报》 EI CSCD 北大核心 2024年第9期2730-2742,共13页
有限元法(FEM)是物理场分析常用的方法,但庞大的求解自由度导致FEM计算成本很大。针对FEM计算时间长的问题,构建一种基于U-net卷积神经网络的物理场快速计算方法,将样本数据通过栅格化或点云化处理后作为神经网络的输入和标签数据,通过... 有限元法(FEM)是物理场分析常用的方法,但庞大的求解自由度导致FEM计算成本很大。针对FEM计算时间长的问题,构建一种基于U-net卷积神经网络的物理场快速计算方法,将样本数据通过栅格化或点云化处理后作为神经网络的输入和标签数据,通过网络训练实现物理场的快速计算并研究该方法在电磁场计算中的应用。结果表明,该方法能准确有效地预测电势、电场强度、磁感应强度等物理量的分布,且预测时间较FEM仿真计算时间大幅缩短。同时,通过合理选择数据集大小,即使在小数据集下也能有较高的预测精度。 展开更多
关键词 电磁场 卷积神经网络 快速计算 有限元法
下载PDF
基于RISC-Ⅴ的深度可分离卷积神经网络加速器
15
作者 曹希彧 陈鑫 魏同权 《计算机学报》 EI CAS CSCD 北大核心 2024年第11期2536-2551,共16页
人工智能时代,RISC-Ⅴ作为一种新兴的开源精简指令集架构,因其低功耗、模块化、开放性和灵活性等优势,使之成为一种能够适应不断发展的深度学习模型和算法的新平台.但是在硬件资源及功耗受限环境下,基础的RISC-Ⅴ处理器架构无法满足卷... 人工智能时代,RISC-Ⅴ作为一种新兴的开源精简指令集架构,因其低功耗、模块化、开放性和灵活性等优势,使之成为一种能够适应不断发展的深度学习模型和算法的新平台.但是在硬件资源及功耗受限环境下,基础的RISC-Ⅴ处理器架构无法满足卷积神经网络对高性能计算的需求.为了解决这一问题,本文设计了一个基于RISC-Ⅴ的轻量化深度可分离卷积神经网络加速器,旨在弥补RISC-Ⅴ处理器的卷积计算能力的不足.该加速器支持深度可分离卷积中的两个关键算子,即深度卷积和点卷积,并能够通过共享硬件结构提高资源利用效率.深度卷积计算流水线采用了高效的Winograd卷积算法,并使用2×2数据块组合拼接成4×4数据片的方式来减少传输数据冗余.同时,通过拓展RISC-Ⅴ处理器端指令,使得加速器能够实现更灵活的配置和调用.实验结果表明,相较于基础的RISC-Ⅴ处理器,调用加速器后的点卷积和深度卷积计算取得了显著的加速效果,其中点卷积加速了104.40倍,深度卷积加速了123.63倍.与此同时,加速器的性能功耗比达到了8.7GOPS/W.本文的RISC-Ⅴ处理器结合加速器为资源受限环境下卷积神经网络的部署提供了一个高效可行的选择. 展开更多
关键词 神经网络 深度可分离卷积 RISC-Ⅴ Winograd快速卷积 硬件加速
下载PDF
一种基于编码单元快速划分的VVC帧内编码方法
16
作者 钟辉 陆宇 +1 位作者 殷海兵 黄晓峰 《电信科学》 北大核心 2024年第8期23-33,共11页
相比于高效视频编码(high efficiency video coding,HEVC)标准,新一代编码标准多功能视频编码(versatile video coding,VVC)引入了很多新的技术,其中包括四叉树(quadtree,QT)和多类型树(multi-type tree,MTT)划分,MTT划分由HEVC中的QT... 相比于高效视频编码(high efficiency video coding,HEVC)标准,新一代编码标准多功能视频编码(versatile video coding,VVC)引入了很多新的技术,其中包括四叉树(quadtree,QT)和多类型树(multi-type tree,MTT)划分,MTT划分由HEVC中的QT划分延伸而来。新划分方法提高了压缩效率,但导致编码时间急剧增加。为了降低编码复杂度,提出了一种结合深度学习方法和MTT方向早期判决的快速帧内编码算法。首先使用轻量级的卷积神经网络(convolutional neural network,CNN)对QT和部分MTT进行预测划分,其余MTT则采用提前预测MTT划分方向的方法作进一步的优化。实验结果表明,所提方法能够大幅降低编码复杂度,相比于原始编码器的编码时间减少了74.3%,且只有3.3%的码率损失,性能优于对比的方法。 展开更多
关键词 VVC 帧内编码 卷积神经网络 快速编码 四叉树 多类型树
下载PDF
FPGA平台上动态硬件重构的Winograd神经网络加速器
17
作者 梅冰笑 滕文彬 +3 位作者 张弛 王文浩 李富强 苑福利 《计算机工程与应用》 CSCD 北大核心 2024年第22期323-334,共12页
为解决卷积神经网络在FPGA平台上进行硬件加速时存在的资源利用率低和资源受限问题,提出了一种基于FPGA动态部分重构技术和Winograd快速卷积的卷积神经网络加速器。该加速器通过运行时硬件重构对FPGA片上资源进行时分复用,采用流水线方... 为解决卷积神经网络在FPGA平台上进行硬件加速时存在的资源利用率低和资源受限问题,提出了一种基于FPGA动态部分重构技术和Winograd快速卷积的卷积神经网络加速器。该加速器通过运行时硬件重构对FPGA片上资源进行时分复用,采用流水线方式动态地将各个计算流水段配置到FPGA,各个流水段所对应的卷积计算核心使用Winograd算法进行定制优化,以在解决资源受限问题的同时最大程度地提升计算资源利用效率。针对该加速器架构,进一步构建了组合优化模型,用于搜索在特定FPGA硬件平台上部署特定网络模型的最优并行策略,并使用遗传算法进行设计空间求解。基于Xilinx VC709 FPGA平台对VGG-16网络模型进行部署和分析,综合仿真结果表明,所提出的设计方法能够在资源有限的FPGA上自适应地实现大型神经网络模型,加速器整体性能可以达到1078.3 GOPS,较以往加速器的性能和计算资源利用效率可以分别提升2.2倍和3.62倍。 展开更多
关键词 卷积神经网络 动态部分硬件重构 现场可编程门阵列(FPGA) 硬件加速器 Winograd快速卷积
下载PDF
一种面向自动驾驶路况的目标检测算法
18
作者 顾清滢 金紫怡 +2 位作者 蔡宇航 李昶铭 刘翔鹏 《上海师范大学学报(自然科学版中英文)》 2024年第2期156-160,共5页
为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster regionbased convolutional neural network(RCNN)框架的算法进行调参与优化.主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络(RPN)部分增加... 为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster regionbased convolutional neural network(RCNN)框架的算法进行调参与优化.主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络(RPN)部分增加2个面积尺度,检测部分使用感兴趣区域(ROI)Align结构,减少特征图映射和均分过程中的误差.实验结果表明:使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好. 展开更多
关键词 目标检测 faster region-based convolutional neural network(rcnn) 行人车辆检测 区域建议网络(RPN)
下载PDF
Weakly- and Semi-Supervised Fast Region-Based CNN for Object Detection 被引量:1
19
作者 Xing-Gang Wang Jia-Si Wang +1 位作者 Peng Tang Wen-Yu Liu 《Journal of Computer Science & Technology》 SCIE EI CSCD 2019年第6期1269-1278,共10页
Learning an effective object detector with little supervision is an essential but challenging problem in computer vision applications. In this paper, we consider the problem of learning a deep convolutional neural net... Learning an effective object detector with little supervision is an essential but challenging problem in computer vision applications. In this paper, we consider the problem of learning a deep convolutional neural network (CNN) based object detector using weakly-supervised and semi-supervised information in the framework of fast region-based CNN (Fast R-CNN). The target is to obtain an object detector as accurate as the fully-supervised Fast R-CNN, but it requires less image annotation effort. To solve this problem, we use weakly-supervised training images (i.e., only the image-level annotation is given) and a few proportions of fully-supervised training images (i.e., the bounding box level annotation is given), that is a weakly-and semi-supervised (WASS) object detection setting. The proposed solution is termed as WASS R-CNN, in which there are two main components. At first, a weakly-supervised R-CNN is firstly trained;after that semi-supervised data are used for finetuning the weakly-supervised detector. We perform object detection experiments on the PASCAL VOC 2007 dataset. The proposed WASS R-CNN achieves more than 85% of a fully-supervised Fast R-CNN's performance (measured using mean average precision) with only 10%of fully-supervised annotations together with weak supervision for all training images. The results show that the proposed learning framework can significantly reduce the labeling efforts for obtaining reliable object detectors. 展开更多
关键词 object detection weakly-supervised LEARNING SEMI-SUPERVISED LEARNING fast region-based convolutional neural network (fast R-CNN)
原文传递
基于FSRCNN的图像超分辨率重建算法优化研究 被引量:6
20
作者 雷为民 王玉楠 李锦环 《传感器与微系统》 CSCD 2020年第2期54-57,共4页
针对快速超分辨率重建卷积神经网络(FSRCNN)算法在特征提取阶段只采用一个卷积层,从而导致提取的特征不够准确的问题,改变网络结构,增加一个卷积层用于特征提取。针对FSRCNN算法在将反卷积层置于最后,使得图像在放大重建的过程中存在较... 针对快速超分辨率重建卷积神经网络(FSRCNN)算法在特征提取阶段只采用一个卷积层,从而导致提取的特征不够准确的问题,改变网络结构,增加一个卷积层用于特征提取。针对FSRCNN算法在将反卷积层置于最后,使得图像在放大重建的过程中存在较大的重建随机性,改变网络结构,将反卷积层置于特征提取层的前面,使得放大重建的图像在训练过程中进行特征提取。经过大量的对比实验仿真证明,改进了网络结构的FSRCNN模型在一定程度地增加算法复杂度的同时提高了图像重建的质量,在一定硬件平台的支持下可以更好地处理图像超分辨率重建的问题。 展开更多
关键词 图像超分辨率重建 深度学习 快速超分辨率重建卷积神经网络
下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部