-
题名随机分布的目标样本检测问题研究
- 1
-
-
作者
郑晓势
赵彦玲
李娜
刘广起
王庆席
-
机构
山东省计算中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第33期72-74,91,共4页
-
基金
山东省优秀中青年科学家科研奖励基金(No.2004BS01005)
-
文摘
对实际研究和应用中经常出现的两次随机采样中的样本重复(即随机分布的目标样本检测)问题进行了理论分析和系统仿真,总结出两次随机采样中样本重复的近似条件关系式和关系曲线,且临界随机采样数量仅与随机被标记样本占总样本的比例有关。最后,将该结论应用到视频数字水印系统等实际问题中,证明该结论的有效性和实用性。
-
关键词
随机分布
目标样本
临界随机采样数量
样本检测
视频水印
-
Keywords
random distribution
target samples
minimmn number of random samples
samples detection
video watermark
-
分类号
O29
[理学—应用数学]
-
-
题名基于改进YOLOv5的城市火灾检测算法研究
- 2
-
-
作者
武慧
杨玉竹
卜显峰
曹丽英
-
机构
吉林农业大学信息技术学院
吉林省农业技术推广总站
-
出处
《无线电工程》
2024年第6期1454-1461,共8页
-
基金
国家自然科学基金(U19A2061)
吉林省科技厅中青年科技创新创业卓越人才(团队)项目(创新类)(20220508133RC)
吉林省科技发展计划项目(20210404020NC)。
-
文摘
火灾引发的经济与人员损伤始终是社会的棘手问题,迫切需要能够实时、准确监控火灾发生的方案。针对城市火灾场景复杂、目标小和定位要求高等问题,提出了一种改进YOLOv5的城市火灾场景下烟火目标检测算法。整理收集到的网络数据、构建数据集,并进行数据增强。基于YOLOv5s算法模型,重构网络结构,增加小目标检测层,使模型更加关注小目标的检测。嵌入了压缩与激励网络(Squeeze-and-Excitation Network,SENet),使YOLOv5模型的检测精度进一步提升。讨论了SENet添加位置的问题。实验结果表明,改进YOLOv5算法的精确率达到了93.7%,与原YOLOv5s相比召回率和平均精确度分别提高了1.9%、1.6%;在网络中添加注意力模块的位置不同,所产生的模型效果也不同。
-
关键词
火灾检测
小目标样本
YOLOv5
压缩与激励网络
-
Keywords
fire detection
small target samples
YOLOv5
SENet
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
