典型文献
基于FPGA的双源无轨电车的改进型YOLO-V3模型
文献摘要：
为实现双源无轨电车对集电盒的智能识别和挂载,基于第三版传统黑暗网络的主干网络单次检测(YOLO-V3)网络模型,提出以轻量化移动网络为主干网络的改进型YOLO-V3网络.通过数据集的处理、模型的设计、训练环境的搭建等完成了网络的部署,然后对模型规模、识别精度和处理速度等指标进行比较.结果显示改进型YOLO-V3网络使用更小的计算资源得到更优精度.网络部署在FPGA内部中央处理器的分散处理单元中.实车测试结果表明,改进网络明显优于其他传统网络.
文献关键词：
YOLO-V3网络;移动网络;目标检测;FPGA;深度学习
中图分类号：
作者姓名：
董宜平;谢达;钮震;彭湖湾;贾尚杰
作者机构：
中国电子科技集团公司第五十八研究所,江苏无锡 214072;无锡中微亿芯有限公司,江苏无锡 214072;凯博易控车辆科技(苏州)股份有限公司,江苏苏州 215200
文献出处：
引用格式：
[1]董宜平;谢达;钮震;彭湖湾;贾尚杰-.基于FPGA的双源无轨电车的改进型YOLO-V3模型)[J].电子与封装,2022(08):79-85
A类：
B类：
FPGA,无轨电车,改进型,YOLO,V3,集电,智能识别,挂载,第三版,黑暗,暗网,主干网络,移动网络,识别精度,处理速度,网络使用,计算资源,网络部署,中央处理器,处理单元,实车测试,进网,目标检测
AB值：
0.384608
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。
