【摘 要】
：
由于嵌入式设备的内存和计算能力有限，在无人机平台上运行基于深度学习的目标检测算法进行实时解析具有很大的挑战性，同时，算法在小目标、高密度、多类别的场景下，检测精度有待提高。在此前提下，构建NCWS-YOLO轻量级算法，以YOLOv5算法为基础，基于非极大值抑制方法，融合加权框融合算法，提出了NCW方法，重构了预测端目标框筛选网络，使检测精度提升了3.9%。并且利用通道剪枝技术，对批归一化层进行通道
【基金项目】
：
国家自然科学基金（61828601）； 山西省自然科学基金资助项目（201801D121141）； 山西省重点研发项目（201903D321003）；
论文部分内容阅读
由于嵌入式设备的内存和计算能力有限，在无人机平台上运行基于深度学习的目标检测算法进行实时解析具有很大的挑战性，同时，算法在小目标、高密度、多类别的场景下，检测精度有待提高。在此前提下，构建NCWS-YOLO轻量级算法，以YOLOv5算法为基础，基于非极大值抑制方法，融合加权框融合算法，提出了NCW方法，重构了预测端目标框筛选网络，使检测精度提升了3.9%。并且利用通道剪枝技术，对批归一化层进行通道稀疏化训练，选择不包括shortcut的层进行修剪，使参数量减少了74%，模型大小缩减了72.2%，浮点数运算降低了37.6%，将算法部署于嵌入式设备上实现了对无人机数据集的目标检测任务。所提方法在无人机数据集上测试精度（Pr）和平均精度（
[email protected]）分别达到了0.941和0.969，在Nvidia Jetson TX2上推理速度提升了49.6%。实验数据表明，该网络能够在低功耗、算力低的嵌入式设备上进行实时检测。
其他文献
当今世界处于百年未有之大变局，特别是在新冠疫情的冲击下，我国市场经济的发展面临着巨大的挑战。政府单位为了更好的推动市场经济发展和履行自己的社会义务及责任，应当对自己的内部控制、财务管理等工作提高标准，为其他待改革的单位做出表率。全面预算管理是行政事业单位作为自己内部控制工作中的重要指南。其优点在于为行政事业单位节约了成本，各项财务工作步骤变得透明化，使行政事业单位的工作效率得到很大的提升，为行政事
目的：研究孟鲁司特联合依巴斯汀对老年咳嗽变异性哮喘（CVA）的治疗作用。方法：选取2020年5月～2021年12月期间该院就诊的80例CVA患者作为研究对象，采用随机数字表法分为对照组和联合组，每组40例。对照组采用口服孟鲁司特钠片治疗，联合组在对照组治疗的基础上，加用依巴斯汀片治疗，两组均治疗8周。分别在用药前、用药第2、4周和8周进行视觉模拟评分（VAS）、简易咳嗽程度评分表（CET）、莱切斯
教学要紧扣文本的文体特点进行。以《木兰诗》教学为例，应抓住乐府诗的文体特点，让学生课前复述《木兰诗》所讲故事，以体味乐府诗叙事的特点；专题学习“互文”，以体会乐府诗句式方面的特点；诵读《木兰诗》，以体会乐府诗在韵律、情绪表达方面的特点；分析木兰人物形象，以总结乐府诗的人物塑造特点。
铁路异物侵限检测技术在视频监控中起着重大作用，而现有的目标检测网络计算成本高，模型存储大，因为硬件成本和计算力存在矛盾，所以导致检测速度不高等问题。针对上述问题，选取YOLOv4 tiny作为基础网络并进行了改进。首先，在CSP Darknet53 tiny中，利用深度可分离卷积替换部分标准卷积，减少了参数数量和计算量；其次，将训练后权重进行转换，使得转换后权重可被Tensor RT优化推理器推理
＜正＞"你好,请问楼道违建拆了吗?小区垃圾清理了吗?""拆了拆了,干净了,太谢谢你们了!"这是大同市平城区纪委监委电话跟踪监督的一幕。自党史学习教育开展以来,区纪委监委立足职能职责,紧盯群众"急难愁盼",扎实推进"我为群众办实事"实践活动,着力解决基层困难事、群众烦心事,进一步增强了群众幸福感、获得感、安全感。
目标检测是计算机视觉领域的重要研究方向.传统的目标检测方法在特征设计上花费了大量时间,且手工设计的特征对于目标多样性的问题并没有好的鲁棒性,深度学习技术逐渐成为近年来计算机视觉领域的突破口.为此,对现有的基础神经网络进行研究,采用经典卷积神经网络VGGNet作为基础网络,添加部分深层网络,结合SSD （single shot multibox detector）算法构建网络框架.针对模型训练中出现
当前，国际方面受全球新冠肺炎疫情大流行、逆全球化浪潮与大国博弈等因素的负面影响，我国利用外资面临严峻挑战；国内方面部分领域开放程度与外资预期存在差距，政策制度环境有待改善，区域间发展有待进一步平衡。“十四五”时期，我国需持续推进投资自由化、便利化进程，着力打造市场化、法制化与国际化的营商环境，多方位切实优化企业保障服务，积极发挥自由贸易试验区和海南自由贸易港开放平台的制度创新作用，持续推动重大项目
目标检测在近十几年的飞速发展得益于与深度学习的结合,使用卷积神经网络提取特征相比于传统的手工提取在速度以及准确度上有巨大优势。同时目标检测的发展也促使工业应用逐渐完善,如医学图像检测、无人机、机器人视觉、自动驾驶、行人检测、人脸检测、工业零件检测等等,其在各个领域中大放异彩。但基于深度学习的目标检测在实际应用中也会出现各种问题,首先是在设备计算资源受限的情况下网络的效率--模型存储以及使用模型预测