【摘 要】
：
本文针对YOLOv4算法主干网络庞大，参数量和计算量较多，很难适用于算力和存储资源有限的移动端嵌入式设备的缺点，将算法原本的CSPDarknet53主干特征提取网络替换为改进的ShuffleNet v2网络，并使用深度可分离卷积替换原算法网络中的普通卷积，降低网络模型大小，减少算法参数量和计算量。在ShuffleNet v2网络模型改进方面，分析并剪裁网络结构基本组件，利用两个3■3卷积核级联的方
论文部分内容阅读
本文针对YOLOv4算法主干网络庞大，参数量和计算量较多，很难适用于算力和存储资源有限的移动端嵌入式设备的缺点，将算法原本的CSPDarknet53主干特征提取网络替换为改进的ShuffleNet v2网络，并使用深度可分离卷积替换原算法网络中的普通卷积，降低网络模型大小，减少算法参数量和计算量。在ShuffleNet v2网络模型改进方面，分析并剪裁网络结构基本组件，利用两个3■3卷积核级联的方式提高网络感受野，使用Mish激活函数进一步提高网络精度和模型推理速度。在GPU和ZYNQ平台下与原算法
其他文献
为探明香蕉秆废弃物资源化利用及其在改善土壤质量的方面可行性，以珠江三角洲区域种植面积广泛的双季水稻土为研究对象，采用室内培养试验，通过测定添加0.5%、1.0%和2.0%香蕉秆及其生物炭后土壤团聚体稳定性、有机碳的变化特征，阐明添加不同比例的香蕉秆及其生物炭对土壤团聚体稳定性、碳库组成和碳库管理的综合影响。结果表明：添加香蕉秆能提高土壤>0.25 mm水稳性团聚体含量和团聚体稳定性系数（ASI），
由Pectobacterium spp.引起的细菌性软腐病对作物田间生产和储存等造成了严重的产量和经济损失，病害一旦发生便难以控制。本综述对Pectobacterium spp.细菌的寄主范围与传播途径，主要致病因子及其调控系统和生物防治的研究进展予以概述，以期为这一重要领域的研究和从分子水平上阐明病原细菌Pectobacterium spp.的致病机理提供理论参考。
Currently available earthquake attenuation equations are locally applicable， and methods based on observation data are not applicable in areas without available observation data. To solve the above pr
针对沥青路面裂缝不连续问题，提出一种基于曲率滤波和N-P准则的裂缝识别方法。通过最小矩形切平面和最小三角切平面的组合及修正正则能量项的改进型曲率滤波算法，消除随机噪声并平滑纹理。采取二次分割策略提取疑似裂缝目标和运用裂缝几何特性去除块状或点状噪声，实现裂缝定位和获取裂缝片段。在此基础上，融合裂缝片段的位置和方向信息，提出利用N-P准则连接裂缝片段的端点，从而获得完整裂缝数据。研究结果表明，本文算法
在5G飞速发展与坚强智能电网深化建设的背景下，针对电力系统数据存储能力与数据采集传输能力不匹配的问题，提出一种基于残差双重注意机制网络的电力数据压缩与高精度重建方法。在数据压缩机制中，设计一种电力数据图像构建方法，并采用高斯滤波下采样对电力数据进行压缩；在重构机制中，结合通道注意机制与空间注意机制，构建一种残差双重注意机制网络，实现对压缩数据的高精度重构。通过在I-BLEND数据集上的仿真试验，验
为了解决行人重识别中图像局部遮挡造成识别准确率下降问题，提出一种结合注意力和批特征擦除的行人重识别模型，旨在更全面的利用行人特征。首先，将轻量级注意力模块嵌入到ResNet-50中自主学习每个通道的权重，通过强化有用特征和抑制无关特征增强网络特征的学习能力，从而提取行人更具辨别力的全局特征；其次，对于深层特征使用批特征擦除方法，随机擦除同一批次特征图的相同区域，迫使网络来关注剩余的局部细粒度特征；
为揭示秸秆还田后盐渍土团聚体中有机碳分布规律和化学结构特征，本研究以苏打碱化潮土为对象，于2020年设置0（CK）、2100（ST_(1)）、4200（ST_(2)）、6300（ST_(3)）、8400（ST_(4)）、10500 kg·hm~(-2)（全量还田，ST_(5)）6个不同秸秆还田用量处理，通过物理分组方法并结合红外光谱技术，测定各粒级团聚体及内部不同组分有机碳（OC）含量和红外光谱特
全卷积神经网络是一种强大的端到端的模型，在语义分割领域应用广泛，获得了巨大的成功。研究人员提出了一系列基于完全卷积神经网络的方法，但是，随着卷积和池化的持续性下采样，图像的上下文信息将会丢失，影响了像素级分类。针对完全卷积网络上下文信息丢失问题，提出基于像素的注意力方法，该方法利用计算高级特征图像素之间的联系来获取全局信息，增强像素之间的相关性，再结合空洞空间金字塔池化进一步提取图像的特征信息。针
目前油茶果的采摘期主要依据节气和经验来判断，但这种方式受人的主观性影响较大，且天气、气候、积温等环境因素会使油茶果提前或推迟成熟。为了解决油茶果采摘期判断不准确可能导致的茶油产量降低的问题，应用高光谱成像技术结合化学计量法对油茶果成熟度进行定性判别。完成了高光谱图像的曲率校正，分析了不同成熟阶段油茶果的光谱特征和理化特征的变化情况。使用4种不同的分类算法建立基于全波段光谱数据的油茶果成熟度判别模型
针对扣件状态检测算法适应性弱、误检率高的问题，通过平滑样本标签缓解卷积神经网络训练的过拟合问题，提出基于层次语义多项式DS融合的扣件状态分布学习。首先，以弱监督方式将图像子块卷积特征描述为高斯混合模型，通过高斯混合模型计算样本语义多项式(semantic multinomial， SMN);然后，为提高SMN对扣件样本的描述能力，对来自不同层次特征的SMN进行DS融合，获得样本状态分布，分布反映了