基于改进ShuffleNetV2模型的声目标识别方法研究
文档名：基于改进ShuffleNetV2模型的声目标识别方法研究
摘要：轻量级神经网络模型参数量大幅减少,且速度得到了很大的提升,然而,检测的准确率却不高.因此,对轻量级ShuffleNetV2模型进行改进,加入3×3的Depthwise卷积核,同时降低1×1的卷积核和引入注意力机制SE模块.在ImageNet数据集中进行ShuffleNetV2模型预训练.然后,将改进的ShuffleNetV2模型与其他4种网络模型进行了实验对比.结果表明:改进ShuffleNetV2模型的综合性能最佳;与SE-ShuffleNetV2模型相比,在参数量和计算量一样时,其准确率提高了7.25％.改进的ShuffleNetV2模型为移动端的声目标精确识别进一步奠定了基础.
作者：简泽明赵旭辉胡君豪丁善婷刘梦然Author：JIANZemingZHAOXuhuiHUJunhaoDINGShantingLIUMengran
作者单位：湖北工业大学现代制造质量工程湖北省重点实验室,湖北武汉430068
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(8)
分类号：TP391.4
关键词：声目标识别ShuffleNetV2模型结构优化迁移学习识别准确率
Keywords：acoustictargetrecognitionShuffleNetV2modelstructureoptimizationtransferlearningrecognitionaccuracy
机标分类号：TP391.41TN911.7TP212
在线出版日期：2023年8月25日
基金项目：国家自然科学基金，国家级大学生创新创业训练计划项目基于改进ShuffleNetV2模型的声目标识别方法研究[
期刊论文]传感器与微系统--2023, 42(8)简泽明赵旭辉胡君豪丁善婷刘梦然轻量级神经网络模型参数量大幅减少,且速度得到了很大的提升,然而,检测的准确率却不高.因此,对轻量级ShuffleNetV2模型进行改进,加入3×3的Depthwise卷积核,同时降低1×1的卷积核和引入注意力机制SE模块.在ImageNet数据集...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进ShuffleNetV2模型的声目标识别方法研究Research on acoustic target recognition method based on improved ShuffleNetV2 model
基于改进ShuffleNetV2模型的声目标识别方法研究.pdf
页:
[1]