-
公开(公告)号:CN118506317A
公开(公告)日:2024-08-16
申请号:CN202410644535.6
申请日:2024-05-23
申请人: 北京石油化工学院
IPC分类号: G06V20/58 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/80 , G06V10/44
摘要: 本申请提供一种交通标志识别方法、装置及设备。其中,提出了MFEC‑YOLOv7网络,以实现可变尺寸和复杂背景下的交通标志准确识别。通过池化层和群卷积的融合,实现多尺度特征的提取和融合。此外,颈部网络引入了双向特征金字塔的协同工作机制,结合了深层和浅层特征,以增强不同网络层之间特征信息的交换。CA模块同时嵌入骨干网和颈部网,增强了交通标志位置特征信息在复杂环境下的特征提取能力。深度可分离卷积的使用减少了参数量,提高了计算速度。因此,采用该模型可以在保证检测速度的同时,避免多干扰因素下对各种尺度的交通标志的漏检和误检,提高检测精度。
-
公开(公告)号:CN115099400B
公开(公告)日:2024-08-06
申请号:CN202210249392.X
申请日:2022-03-14
申请人: 北京石油化工学院
IPC分类号: G06N3/082
摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。
-
公开(公告)号:CN115099400A
公开(公告)日:2022-09-23
申请号:CN202210249392.X
申请日:2022-03-14
申请人: 北京石油化工学院
IPC分类号: G06N3/08
摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。
-
-