公开(公告)号：CN111860427B

公开(公告)日：2022-07-01

申请号：CN202010752388.6

申请日：2020-07-30

Applicant: 重庆邮电大学

Inventor： 杨奕枫 ,  李鹏华 ,  李嫄源 ,  胡向东 ,  李锐 ,  朱智勤 ,  侯杰

IPC: G06V20/59 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于轻量级类八维卷积神经网络的驾驶分心识别方法，属于驾驶智能化技术领域。首先，为了保证样本的多样性，建立了一个由2468个视频组成的集中于6种驾驶行为的1234个参与者的分散注意力数据集。其次，设计了一个具有八维卷积混合(OLCM)块的轻量级CNN。第三，针对之前的轻量级努力提出了三个新颖点来保证OLCMNet的有效性。通过使用点态卷积(PC)将特征映射分割成多个分支，用深度卷积(DC)替代每个分支的普通卷积，OLCM块被设计用来减少空间冗余和连接密度。在OLCMNet的最后阶段增加了一个挤压激发(SE)模块。本方法应用在ADAS就可以实时提供最优的控制策略。

公开(公告)号：CN111860427A

公开(公告)日：2020-10-30

申请号：CN202010752388.6

申请日：2020-07-30

Applicant: 重庆邮电大学

Inventor： 杨奕枫 ,  李鹏华 ,  李嫄源 ,  胡向东 ,  李锐 ,  朱智勤 ,  侯杰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于轻量级类八维卷积神经网络的驾驶分心识别方法，属于驾驶智能化技术领域。首先，为了保证样本的多样性，建立了一个由2468个视频组成的集中于6种驾驶行为的1234个参与者的分散注意力数据集。其次，设计了一个具有八维卷积混合(OLCM)块的轻量级CNN。第三，针对之前的轻量级努力提出了三个新颖点来保证OLCMNet的有效性。通过使用点态卷积(PC)将特征映射分割成多个分支，用深度卷积(DC)替代每个分支的普通卷积，OLCM块被设计用来减少空间冗余和连接密度。在OLCMNet的最后阶段增加了一个挤压激发(SE)模块。本方法应用在ADAS就可以实时提供最优的控制策略。

公开(公告)号：CN109948772A

公开(公告)日：2019-06-28

申请号：CN201910225018.4

申请日：2019-03-22

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  杨奕枫 ,  黄子恒 ,  方昳凡 ,  滕飞宇

IPC: G06N3/02 ,  G06N3/08

Abstract: 本发明涉及一种自动搜索深度神经网络架构的方法，属于自动化设计深度神经网络架构技术领域，包括步骤S1：学习一个元控制器用于生成网络转换操作；S2：元控制器中使用单层双向长短期记忆网络作为编码器网络，并使用优化器对编码器网络进行训练；S3：使用编码器网络学习给定网络架构的低维表示；S4：将低维表示馈送到每个单独的行动者网络以生成特定类型的网络转换操作；S5：利用网络转换操作进行自动化网络架构空间搜索；S6：验证精确度。本发明能够利用先前训练过的网络的成果以及目标任务中现有的成功的架构来有效地搜索架构空间，具有更加出色的性能和效率。

公开(公告)号：CN110399975A

公开(公告)日：2019-11-01

申请号：CN201910696488.9

申请日：2019-07-30

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  杨奕枫 ,  侯杰 ,  朱智勤 ,  熊庆宇 ,  丁宝苍 ,  张子健 ,  胡和煦

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种面向硬件移植的锂电池深度诊断模型的模型压缩算法，属于深度神经网络模型压缩领域，包括以下步骤：S1：利用阈值学习方法获取锂电池故障诊断模型中的混合卷积神经网络重要权值，在不损失精度的情况下减少网络规模；S2：采用数值聚合方式量化强制实现权值共享，使用压缩稀疏格式存储有效的共享权值编码与和索引；S3：通过顶部标量量化和底部质心微调进行权值分配与哈夫曼编码，使用可变长度码编码权重与索引，进一步减少网络所需要的存储空间。本发明采用的修剪，量化和霍夫曼编码的三级流水线方式，在每一级流水线中，都能够在不损失精度的前提下，一步一步的删除冗余权重，大大压缩网络模型。