一种基于Transformer的轻量化早期火灾检测方法.pdf

基于改进轻量化算法的隧道火灾检测研究.docx 基于改进轻量化算法的隧道火灾检测研究一、引言随着交通基础设施的不断发展，隧道作为重要的交通通道，其安全性的保障显得尤为重要。而火灾作为隧道中常见的安全隐患，其快速准确的检测对于预防和控制火灾至关重要。近年来，随着计算机视觉和人工智能技术的快速发展，基于图像处理的火灾检测技术得到了广泛的应用。本文旨在研究基于改进轻量化算法的隧道火灾检测，以提高检测效率和准确性。二、背景及现状分析隧道火灾检测主要依赖于视频监控系统，通过分析监控视频中的图像信息，实现火灾的自动检测和报警。然而，传统的火灾检测方法往往存在计算量大、实时性差、误报率高等问题。近年来，随着深度学习技术的发展，基于卷积神经网络的火

2025-05-17 约4.28千字 9页立即下载

基于轻量化卷积块注意力Transformer的表面缺陷检测算法.pdf 基于轻量化卷积块注意力Transformer的表面缺陷检测算法 1.内容描述本文档详细介绍了一种基于轻量化卷积块注意力Transformer 的表面缺陷检测算法。该算法旨在实现高效、准确且实时性的表面缺陷检测，适用于各种工业应用场景。我们介绍了轻量化卷积块注意力Transformer的基本原理和结构。这种新型的神经网络结构结合了轻量化的卷积操作和 Transformer的注意力机制，能够在保证检测精度的同时，大幅降低计算复杂度和模型大小，从而提高实时性。在算法实现方面，我们采用了先进的图像预处理技术，对输入图像进行去噪、增强等操作，以提高缺陷与背景的对比度。通过引入轻量化卷积

2025-01-09 约1.65万字 32页立即下载

基于轻量化CNN-Transformer的输电线路异物检测算法研究.docx 基于轻量化CNN-Transformer的输电线路异物检测算法研究一、引言随着电力系统的快速发展，输电线路的安全运行显得尤为重要。异物侵入输电线路区域可能导致电力设备的故障和停电事故，对电网安全稳定运行造成严重威胁。因此，有效的输电线路异物检测算法成为了一个急需解决的难题。传统的检测方法多依赖人工巡检和监控，但这种方式效率低下且易受人为因素影响。近年来，深度学习技术在图像处理和模式识别领域取得了显著的进展，为输电线路异物检测提供了新的解决方案。本文提出了一种基于轻量化CNN-Transformer的输电线路异物检测算法，旨在提高异物检测的准确性和效率。二、相关技术背景 1.CNN（卷积

2025-02-09 约3.57千字 7页立即下载

一种基于改进SSD的轻量化手势实时检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882536 A (43)申请公布日 2022.08.09 (21)申请号 202210656248.8 G06V 10/762 (2022.01)

2023-05-16 约1.33万字 13页立即下载

一种基于轻量化卷积神经网络的混凝土裂缝检测方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114782754 A (43)申请公布日 2022.07.22 (21)申请号 202210586062.X (22)申请日 2022.05.27 (71)申请人广西大学地址 530004 广

2023-05-16 约2.26万字 15页立即下载

一种基于轻量化模型的绝缘子缺陷检测方法及其系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114782410 A (43)申请公布日 2022.07.22 (21)申请号 202210568475.5 (22)申请日 2022.05.24 (71)申请人内蒙古大学地址 010021

2023-05-15 约2.46万字 22页立即下载

基于单样本学习的轻量化部件缺陷检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114463296 A (43)申请公布日 2022.05.10 (21)申请号 202210079249.0 (22)申请日 2022.01.24 (71)申请人武汉大学

2023-05-06 约7.32千字 8页立即下载

基于轻量化模型的目标检测方法研究.pdf 摘要摘要生活和生产的信息智能化正成为当前社会发展的趋势。为了提高生活质量和生产效率，人工智能技术成为一项不可获缺的手段。在人工智能领域，计算机视觉技术是一门备受关注的学科，它能够对图像数据和视频数据进行分析和处理，并辅助人们做出精准和高效的决策。目标检测是计算机视觉领域的核心分支和基础性任务，其广泛地应用在交通运输、安防、工业生产和医疗保健等方面。现存的目标检测算法依赖于复杂精密的骨干模型以获得傲人的检测效果。然而，这些庞大且精密的目标检测模型带来的高存储空间需求和强算力支持需求，对于边缘端的移动设备和嵌入式设备来说是不可接受的。本文围绕当前目标检测算法面临的挑战，基于Fa

2025-06-12 约11.32万字 73页立即下载

一种基于拓扑优化的扭力杆轻量化设计方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114547800 A (43)申请公布日 2022.05.27 (21)申请号 202210181572.9 G06F 119/14 (2020.01) (22)申请日 2022.02

2023-05-07 约1.35万字 12页立即下载

2023-05-08 约2.37万字 17页立即下载

基于双向特征融合的轻量化火灾检测算法研究.docx 基于双向特征融合的轻量化火灾检测算法研究一、引言随着人工智能和计算机视觉技术的飞速发展，火灾检测已成为智能安防系统中的重要环节。由于火灾发生的突发性与严重性，火灾检测的实时性、准确性及高效性成为决定火灾损失的重要因素。近年来，随着视频监控网络的广泛铺设，基于视频的火灾检测技术已成为主流。然而，传统的火灾检测算法在处理大规模视频数据时存在计算量大、实时性差等问题。因此，本文提出了一种基于双向特征融合的轻量化火灾检测算法，旨在提高火灾检测的准确性和效率。二、算法原理 1.特征提取本算法采用双向特征融合策略，即同时提取视频的空间特征和时间特征。空间特征主要描述图像的静态信息，如颜色、纹理等

2025-01-22 约4.18千字 8页立即下载

基于双向特征融合的轻量化火灾检测算法研究.docx 基于双向特征融合的轻量化火灾检测算法研究一、引言随着科技的不断进步，火灾检测系统在预防和控制火灾事故中发挥着越来越重要的作用。然而，传统的火灾检测方法往往存在误报率高、实时性差等问题。因此，研究一种高效、准确的火灾检测算法显得尤为重要。本文提出了一种基于双向特征融合的轻量化火灾检测算法，旨在提高火灾检测的准确性和实时性。二、相关工作近年来，深度学习和计算机视觉技术在火灾检测领域取得了显著的成果。然而，大多数现有算法在特征提取和模型轻量化方面仍存在挑战。特征提取是火灾检测的关键步骤，而模型轻量化则是提高算法实时性的关键。因此，如何实现双向特征融合和模型轻量化成为了研究的关键问题。三、算

2025-05-25 约4.49千字 9页立即下载

2025-02-21 约1.5万字 22页立即下载

一种轻量化阻尼材料、轻量化阻尼片及其制备方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114874726 A (43)申请公布日 2022.08.09 (21)申请号 202210697096.6 C09J 11/08 (2006.01)

2023-05-18 约7.31千字 7页立即下载

基于轻量化YOLOv5的舰船目标实时检测方法研究与实现.docx 基于轻量化YOLOv5的舰船目标实时检测方法研究与实现一、引言随着人工智能和计算机视觉技术的飞速发展，目标检测技术在众多领域得到了广泛应用。在海洋监控、海防安全等场景中，舰船目标的实时检测显得尤为重要。传统的舰船检测方法往往依赖于复杂的特征提取和复杂的模型结构，难以满足实时性的要求。近年来，深度学习技术的崛起为舰船目标检测提供了新的解决方案。本文提出了一种基于轻量化YOLOv5的舰船目标实时检测方法，旨在提高检测速度和准确性，同时保证模型的轻量化。二、相关技术综述 2.1YOLO系列模型 YOLO（YouOnlyLookOnce）系列模型是一种实时目标检测算法，其核心思想是将目标检测任务

2025-02-14 约4.89千字 10页立即下载