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：JIANZeming  ZHAOXuhui  HUJunhao  DINGShanting  LIUMengran
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：acoustictargetrecognition  ShuffleNetV2model  structureoptimization  transferlearning  recognitionaccuracy  
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

2024-12-14 11:50 上传 基于改进ShuffleNetV2模型的声目标识别方法研究.pdf

文件大小:

8.32 MB

下载次数:

60

高速下载