CN114782360B 基于DCT-YOLOv5模型的实时番茄姿态检测方法 （浙江工业大学）_第1页
CN114782360B 基于DCT-YOLOv5模型的实时番茄姿态检测方法 （浙江工业大学）_第2页
CN114782360B 基于DCT-YOLOv5模型的实时番茄姿态检测方法 （浙江工业大学）_第3页
CN114782360B 基于DCT-YOLOv5模型的实时番茄姿态检测方法 （浙江工业大学）_第4页
CN114782360B 基于DCT-YOLOv5模型的实时番茄姿态检测方法 （浙江工业大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于DCT-YOLOv5模型的实时番茄姿态检测本发明涉及基于DCT-YOLOv5模型的实时番压缩模型部署到AGXXavier嵌入式系统上并使用TensorRT进行模型推理加速；步骤五：使用realsense摄像头在AGXXavier上进行实时番茄检测。本发明用于部署在NVIDIAJetsonAGX2步骤4：将DCT-YOLOv5压缩模型部署到AGXXavier嵌入式系统上并使用TensorRT进行31,T2为两个线性连接层，可以学习到特征图中重要的通道，RELU为激活函数，σ为进行concat连接即可得到最终的输出其中⃞=sigmoid(c),网络输出ci通过Sigmoid函数得到其中，⃞y=sigmoid(e,),网络输出ci通过Sigmoid函数得到表示目标检测框i中存在4xywh)为真实框的参数；5芦笋的抓取和收割。Bachche等提出用伺服电机控制的抓取切割机器人来采摘园艺温室中期基于卷积神经网络的目标检测任务中，RossGirshick等人提出预先提取一系列候选区6板使用realsense深度摄像头采集番茄RGB图像数据，数据以图像序列的方式输入DCT-[0013]步骤4：将DCT-YOLOv5模型部署到嵌入式系统上并使用TensorRT进行模型推理加[0014]步骤5：使用realsense摄像头在JetsonAGXXavier上进行实时番茄位置检测和b,=pre(4)[0024]bx,by是预测框在对应尺寸x7h为预测的尺度缩放倍数；1征图进行concat连接即可得到最终的8DCT-YOLOv5网络在除了最后三层用于预测的卷积层之外，对其余卷积层的输出都做了同的番茄做到精确检测，DCT-YOLOv5借鉴了特征金字塔网络FPN(featurepyramid摄像头采集到的图像对检测目标进行三个尺度的预测，本发明中尺寸为20*15的输出特征9[0067]进行目标检测框的预测，最后得到预测框相对于当前特征图的相对中心坐标值为一个TransformerEncoder结构的输出，在transblock中可以堆叠任意个Transformer[0085]其中⃞,=sigmoid(c),网络输出ci通过Sigmoid函数得到[0088]其中，⃞,=sigmoid(c,),网络输出ci通过Sigmoid函数得到表示目标检测框i中[0095]其中i表示预测框的坐标偏移量(DCT-YOLOv5预测的是坐标偏移值)，g表示真实y

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论