典型文献
月表陨坑检测轻量化深度学习方法
文献摘要：
针对目前基于深度学习的陨坑检测方法存在的模型参数量大和检测速度慢的问题,提出了一种轻量化的深度学习陨坑检测方法.首先,采用通道剪枝方法删减卷积神经网络中冗余的卷积核,得到结构紧凑高效的陨坑检测模型.然后,使用轻量化的深度可分离卷积操作替换基础陨坑检测模型中的标准卷积操作,进一步降低了模型的复杂度.仿真实验结果表明,所提出的轻量化陨坑检测模型能够保证较高的像素预测精度,并且能够适应亮度、图像噪声等干扰因素的影响.同时,与轻量化处理前的模型相比,参数量减少了 99.2％,检测速度提升了94％.
文献关键词：
月球着陆探测;陨坑检测;深度学习;卷积神经网络;轻量化处理
中图分类号：
作者姓名：
高艾;周永军;王俊伟;兀泽朝
作者机构：
北京理工大学宇航学院,北京100081;深空自主导航与控制工业和信息化部重点实验室,北京100081;飞行器动力学与控制教育部重点实验室,北京100081
文献出处：
引用格式：
[1]高艾;周永军;王俊伟;兀泽朝-.月表陨坑检测轻量化深度学习方法)[J].宇航学报,2022(06):830-838
A类：
陨坑检测,月球着陆探测
B类：
深度学习方法,模型参数量,检测速度,速度慢,通道剪枝,剪枝方法,删减,卷积核,结构紧凑,紧凑高效,检测模型,深度可分离卷积,卷积操作,标准卷积,像素预测,亮度,图像噪声,干扰因素,轻量化处理
AB值：
0.26208
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
