-
题名彩电轮廓补偿电路的二次微分过程分析
- 1
-
-
作者
吴东升
-
机构
黄冈师专物理系
-
出处
《黄冈师专学报》
1998年第4期51-54,共4页
-
文摘
对彩电教科书中有关二次微分电路的分析提出了不同见解.并作了深入详细的分析.
-
关键词
彩色电视机
轮廓补偿
电路分析
二次微分
阶跃信号
-
Keywords
step signal
once differentiation
twice differentiation
outline compensation
-
分类号
TN94
[电子电信—信号与信息处理]
TN710
[电子电信—信息与通信工程]
-
-
题名基于YOLOv3的无人机识别与定位追踪
被引量：28
- 2
-
-
作者
陶磊
洪韬
钞旭
-
机构
北京航空航天大学电子信息工程学院
-
出处
《工程科学学报》
EI
CSCD
北大核心
2020年第4期463-468,共6页
-
基金
国家自然科学基金资助项目(61827901,61671056)。
-
文摘
近年来,无人机入侵的事件经常发生,无人机跌落碰撞的事件也屡见不鲜,在人群密集的地方容易引发安全事故,所以无人机监测是目前安防领域的研究热点.虽然目前有很多种无人机监测方案,但大多成本高昂,实施困难.在5G背景下,针对此问题提出了一种利用城市已有的监控网络去获取数据的方法,基于深度学习的算法进行无人机目标检测,进而识别无人机,并追踪定位无人机.该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机,YOLOv3算法是YOLO(You only look once,一次到位)系列的第三代版本,属于one-stage目标检测算法这一类,在速度上相对于two-stage类型的算法有着明显的优势.YOLOv3输出视频帧中存在的无人机的位置信息.根据位置信息用PID(Proportion integration differentiation,比例积分微分)算法调节摄像头的中心朝向追踪无人机,再由多个摄像头的参数解算出无人机的实际坐标,从而实现定位.本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集,并且使用label Img工具对图片中的无人机进行了标注,数据集按照无人机的旋翼数量进行了分类.实验中采用按旋翼数量分类后的数据集对检测模型进行训练,训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率,在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度,可实现实时追踪.
-
关键词
5G
目标检测
YOLOv3
PID
无人机追踪
-
Keywords
5G
object detection
you only look once(YOLOv3)
proportion integration differentiation(PID)
drone tracking
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名带有不等式约束极小问题的全局最优充分性条件
- 3
-
-
作者
王燕
-
机构
重庆师范大学数学与计算机科学学院
-
出处
《长春大学学报》
2008年第10期17-19,共3页
-
基金
重庆市教委资助项目(KJ070816)
教育部科学技术重点项目(No.206123)
-
文摘
通过抽象凸分析理论,给出了带有不等式约束的非线性规划问题的全局最优充分性条件。并利用(L,X)一次微分给出了目标函数是连续可微,约束函数不必是连续可微的极小化问题的全局最优性充分条件。
-
关键词
全局最优
最优性条件
(L
X)一次微分
-
Keywords
global optimum
optimality condition
（L,X） once differentiation
-
分类号
O221.2
[理学—运筹学与控制论]
-
