检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于SqueezeNet的轻量级图像融合方法

王继霄, 李阳, 王家宝, 苗壮, 张洋硕

计算机应用 2020, 40 (3): 837-841. DOI: 10.11772/j.issn.1001-9081.2019081378

摘要（374）

PDF （855KB）（309）

现有深度红外和可见光图像融合模型网络参数多，计算过程需要耗费大量计算资源和内存，难以满足移动和嵌入式设备上的部署要求。针对上述问题，提出了一种基于SqueezeNet的轻量级图像融合方法，该方法利用轻量级网络SqueezeNet提取红外和可见光图像特征，并通过该网络提取的特征获得权重图并进行加权融合，进而获得最后的融合图像。通过与ResNet50方法进行比较发现，该方法在保持融合图像质量相近的情况下，模型大小和网络参数量分别被压缩为ResNet50方法的1/21和1/204，运行速度加快了4倍。实验结果表明，该方法不仅降低了融合模型的大小，加快了图像融合速度，同时得到了比其他传统融合方法更好的融合效果。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于Movidius神经计算棒的行人检测方法

张洋硕, 苗壮, 王家宝, 李阳

计算机应用 2019, 39 (8): 2230-2234. DOI: 10.11772/j.issn.1001-9081.2018122595

摘要（639）

PDF （729KB）（348）

Movidius神经计算棒是基于USB模式的深度学习推理工具和独立的人工智能加速器，为广泛的移动和嵌入式视觉设备提供专用深度神经网络加速功能。针对深度学习的嵌入式应用，实现了一种基于Movidius神经计算棒的近实时行人目标检测方法。首先，通过改进RefineDet目标检测网络结构使模型大小和计算适应嵌入式设备的要求；然后，在行人检测数据集上对模型进行重训练，并部署于搭载Movidius神经计算棒的树莓派上；最后，在实际环境中对模型进行测试，算法达到了平均每秒4帧的处理速度。实验结果表明，基于Movidius神经计算棒，在计算资源紧张的树莓派上可完成近实时的行人检测任务。

参考文献 | 相关文章 | 多维度评价