一种降低空间和通道冗余的轻量化道路检测模型设计方法

    公开(公告)号:CN119851089A

    公开(公告)日:2025-04-18

    申请号:CN202510046690.2

    申请日:2025-01-10

    Abstract: 本发明属于深度学习目标检测技术领域,公开一种降低空间和通道冗余的轻量化道路检测模型设计方法,包括以下步骤:以卷积神经网络为检测模型的骨干网络,卷积神经网络用于提取输入图像中的特征图;设计训练策略,重构检测头部;优化卷积神经网络,优化卷积神经网络的方法包括:1)通过分离重构方法,构建空间重构单元;2)通过分裂变换的策略,构建通道重构单元;将空间重构和通道重构单元排序整合为卷积块,以卷积块替换卷积神经网络中的标准卷积;解决了现有技术中存在着由于目前检测模型大多依赖NMS后处理而导致推理效率较低的问题,提高了检测模型的推理效率。

    一种基于马尔科夫转移概率的车联网边缘缓存方法

    公开(公告)号:CN113573365A

    公开(公告)日:2021-10-29

    申请号:CN202110671497.X

    申请日:2021-06-17

    Abstract: 本发明公开了一种基于马尔科夫转移概率的车联网边缘缓存方法,根据马尔科夫转移概率建立车辆的移动模型,在移动模型中计算单个车辆用户的请求时延,接着以最小化车辆平均请求时延为目标提出一个缓存策略函数,最后基于次模函数的贪心算法求解最优问题,确定缓存策略。本发明考虑了移动车辆同时请求多个文件的情况,并对车辆转移进行了合理建模,基于次模函数的贪心算法确定的缓存策略能有效完成车辆平均请求时延最小化的目标。

Patent Agency Ranking