针对传统目标识别方法资源消耗大、精度和可靠性低、泛化能力不强的问题,提出了一种基于改进YOLO(You Only Look Once)模型的舰船目标识别方法。通过精简YOLO模型,设计了一个10层的卷积神经网络用于舰船目标的自动特征提取和分类识别,...针对传统目标识别方法资源消耗大、精度和可靠性低、泛化能力不强的问题,提出了一种基于改进YOLO(You Only Look Once)模型的舰船目标识别方法。通过精简YOLO模型,设计了一个10层的卷积神经网络用于舰船目标的自动特征提取和分类识别,模型训练过程中引入迁移学习的概念防止模型过拟合并加速模型参数的训练。在自建舰船目标图像测试集上的实验分析结果表明,该方法能够正确识别出航母、除航母外的其余军舰及民船三类舰船目标,识别精度达到93.7%且识别效率较高,验证了所提舰船目标识别方法的有效性。展开更多
针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操...针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。展开更多
为了让人们在出行前更好地了解目的地人流量及车流量情况,以便更好地规划出行目的地及出行路线,减少等待时间,避免大量人车聚集,设计开发了一套人车流量监测系统.该系统基于YOLOv5目标检测技术,使用Java Server Page与Echarts相结合进行...为了让人们在出行前更好地了解目的地人流量及车流量情况,以便更好地规划出行目的地及出行路线,减少等待时间,避免大量人车聚集,设计开发了一套人车流量监测系统.该系统基于YOLOv5目标检测技术,使用Java Server Page与Echarts相结合进行Web服务器端的开发,将数据存储在MySQL数据库中,实现对行人流量及车辆流量的检测,使用Python技术对检测结果进行可视化,直观展示各区域人流量信息,从而给人们的出行提供实时、动态的参考.展开更多
文摘针对传统目标识别方法资源消耗大、精度和可靠性低、泛化能力不强的问题,提出了一种基于改进YOLO(You Only Look Once)模型的舰船目标识别方法。通过精简YOLO模型,设计了一个10层的卷积神经网络用于舰船目标的自动特征提取和分类识别,模型训练过程中引入迁移学习的概念防止模型过拟合并加速模型参数的训练。在自建舰船目标图像测试集上的实验分析结果表明,该方法能够正确识别出航母、除航母外的其余军舰及民船三类舰船目标,识别精度达到93.7%且识别效率较高,验证了所提舰船目标识别方法的有效性。
文摘针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。
文摘为了让人们在出行前更好地了解目的地人流量及车流量情况,以便更好地规划出行目的地及出行路线,减少等待时间,避免大量人车聚集,设计开发了一套人车流量监测系统.该系统基于YOLOv5目标检测技术,使用Java Server Page与Echarts相结合进行Web服务器端的开发,将数据存储在MySQL数据库中,实现对行人流量及车辆流量的检测,使用Python技术对检测结果进行可视化,直观展示各区域人流量信息,从而给人们的出行提供实时、动态的参考.
