基于網(wǎng)絡重構的改進GhostNet一維信號辨識研究
摘 要:觸覺傳感器采集的一維觸覺數(shù)據(jù)能夠用于識別并區(qū)分物體的特征,進而實現(xiàn)對物體類別的分類。文章以輕量級卷積神經(jīng)網(wǎng)絡GhostNet為基礎框架,提出了一種改進的復合損失函數(shù),以提升模型的分類性能。為進一步適應一維觸覺數(shù)據(jù)的特性,研究對GhostNet模型進行了結構上的改進,使其能夠高效處理一維數(shù)據(jù)。(剩余7041字)
目錄
- 基于Fairmot的交通違法行...
- 基于內(nèi)容和上下文的敏感個人信息...
- 基于坐標注意力機制與Focal...
- 基于LSTM-CGAN 的風電...
- 基于異構圖卷積網(wǎng)絡的隱式信任和...
- 基于神經(jīng)網(wǎng)絡與注意力的任意圖像...
- 基于深度學習的咖啡果實成熟度檢...
- 基于對比學習的文本生成圖像...
- 一種基于Transformer...
- 基于改進YOLOv8的百合地雜...
- 基于網(wǎng)絡重構的改進GhostN...
- 基于字段信息和覆蓋率反饋的協(xié)議...
- 社交網(wǎng)絡中基于信任的社區(qū)謠言傳...
- 基于APSIM 模型的不同降水...
- 基于主從圖神經(jīng)網(wǎng)絡的拓撲一致模...