期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到63篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
YOLOv3-A:基于注意力机制的交通标志检测网络 被引量：36
1
作者 郭璠 张泳祥 +1 位作者 唐琎 李伟清 《通信学报》 EI CSCD 北大核心 2021年第1期87-99,共13页
为了解决已有YOLOv3算法对于存在小目标问题和背景复杂问题的交通标志检测任务会有较多的误检和漏检的问题,在YOLOv3算法的基础上,提出了目标检测的通道注意力方法和基于语义分割引导的空间注意力方法,形成YOLOv3-A算法。YOLOv3-A算法... 为了解决已有YOLOv3算法对于存在小目标问题和背景复杂问题的交通标志检测任务会有较多的误检和漏检的问题,在YOLOv3算法的基础上,提出了目标检测的通道注意力方法和基于语义分割引导的空间注意力方法,形成YOLOv3-A算法。YOLOv3-A算法通过对检测分支特征在通道和空间2个维度进行重新标定,使网络聚焦和增强有效特征,并抑制干扰特征,提高了算法的检测能力。在TT100K交通标志数据集上的实验表明,所提算法对小目标检测性能的改善尤为明显,相比于YOLOv3算法,所提算法的精度和召回率分别提升了1.9%和2.8%。 展开更多
关键词 交通标志检测 小目标检测 注意力机制 语义分割
下载PDF
基于Darknet框架下YOLO v2算法的车辆多目标检测方法 被引量：23
2
作者 李珣 刘瑶 +2 位作者 李鹏飞 张蕾 赵征凡 《交通运输工程学报》 EI CSCD 北大核心 2018年第6期142-158,共17页
针对道路车辆目标检测传统方法需随场景变化提取不同特征,检测率较低与鲁棒性差的问题,提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法;根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进,基于ImageNet数据集和... 针对道路车辆目标检测传统方法需随场景变化提取不同特征,检测率较低与鲁棒性差的问题,提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法;根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进,基于ImageNet数据集和微调技术获得分类训练网络模型,对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数,最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法;为验证检测方法的有效性和完备性,采用不同车流密度进行了车辆多目标检测试验,并与经典YOLO-voc、YOLO9000模型进行了对比;采用改进YOLO-vocRV网络模型,选取20 000次迭代,分析了多目标检测结果。试验结果表明:在阻塞流样本条件下,YOLO9000网络模型检测率为93.71%,YOLO-voc网络模型检测率为94.48%,改进YOLO-vocRV网络模型检测率达到了96.95%,因此,改进网络模型YOLOvocRV检测率较高;YOLO-vocRV模型精确度和召回率均聚集在0.95,因此,在获得较好精确度的条件下损失的召回率明显较小,达到了很好的折中;采用混合样本训练后,基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%,同步流状态下可达97.62%,阻塞流状态下可达到97.14%,具有较小的误检率和良好的鲁棒性。 展开更多
关键词 交通信息工程 深度学习 多目标检测 Darknet框架 YOLO v2算法 网络模型
原文传递
基于改进YOLOv5s的交通信号灯识别方法 被引量：16
3
作者 邓天民 谭思奇 蒲龙忠 《计算机工程》 CAS CSCD 北大核心 2022年第9期55-62,共8页
交通信号灯的检测与识别是提升无人驾驶系统安全性的关键技术,传统基于深度学习的识别方法不能在精度和速度之间达到较好的平衡,难以满足实际环境下的检测要求。YOLOv5具有网络规模小的优势,适合在交通场景下进行交通信号灯检测。对YOL... 交通信号灯的检测与识别是提升无人驾驶系统安全性的关键技术,传统基于深度学习的识别方法不能在精度和速度之间达到较好的平衡,难以满足实际环境下的检测要求。YOLOv5具有网络规模小的优势,适合在交通场景下进行交通信号灯检测。对YOLOv5网络进行改进,提出TL-YOLOv5s网络用于交通信号灯识别。通过简化主干网络中卷积层的数量提高特征提取效率,同时对残差组件进行密集连接和多层次跨连接,得到2种新的CSP残差结构替换原网络中的残差结构,增强网络特征融合能力,提高识别精度。考虑到交通信号灯的小目标属性,在网络中保留中小目标检测尺度而去除大目标检测尺度,进一步提升识别速率。在法国巴黎LaRA信号灯数据集上进行实验,结果表明,TL-YOLOv5s网络mAP值达到70.1%,相比于基线网络YOLOv5提升6.3个百分点,且检测速度达到22.4 frame/s,能够满足现实环境下的实时性要求。 展开更多
关键词 交通信号灯 目标检测 深度学习 图像处理 小尺度目标
下载PDF
YOLO9000模型的车辆多目标视频检测系统研究 被引量：16
4
作者 李鹏飞 刘瑶 +1 位作者 李珣 张宏伟 《计算机测量与控制》 2019年第8期21-24,29,共5页
提出了一种基于Darknet框架下YOLO9000算法的车辆多目标检测方法;该方法在YOLO9000算法基础下,根据训练结果和车辆目标特征对YOLO9000网络模型进行改进,并对其算法参数进行调整,获得更为适合于当前道路视频检测的YOLO9000-md网络模型下... 提出了一种基于Darknet框架下YOLO9000算法的车辆多目标检测方法;该方法在YOLO9000算法基础下,根据训练结果和车辆目标特征对YOLO9000网络模型进行改进,并对其算法参数进行调整,获得更为适合于当前道路视频检测的YOLO9000-md网络模型下车辆多目标检测方法;为验证检测方法的有效性和完备性,对其模型进行了验证对比分析,同时对视频车辆进行了检测实验,实验结果表明,基于YOLO9000-md网络结构的车辆多目标检测方法,验证检测正确率达到了96.15%,具有一定的鲁棒性和通用性,为今后进行基于视频的更加智能化和自动化的数据分析提供了可靠的理论依据。 展开更多
关键词 智能交通 目标检测 网络模型 正确率
下载PDF
基于知识图谱与目标检测的微博交通事件识别 被引量：10
5
作者 孙鑫瑞 孟雨 王文乐 《数据分析与知识发现》 CSSCI CSCD 北大核心 2020年第12期136-147,共12页
【目的】利用交通知识图谱和目标检测的方法实现微博中交通事件的识别,辅助解决交通问题。【方法】基于开源数据构建交通知识图谱和事理图谱,针对微博文本部分使用交通知识图谱进行交通事件的识别;针对微博中的图片使用目标检测进一步... 【目的】利用交通知识图谱和目标检测的方法实现微博中交通事件的识别,辅助解决交通问题。【方法】基于开源数据构建交通知识图谱和事理图谱,针对微博文本部分使用交通知识图谱进行交通事件的识别;针对微博中的图片使用目标检测进一步提升三类事件的识别准确率。【结果】以2018年青岛市区的交通微博数据为例进行方法验证,基于文本的交通事件识别准确率为94.55%,基于图片的交通事件识别准确率为95.53%。【局限】交通知识图谱构建人工参与度较高,目标检测算法可进一步优化。【结论】相关交通事件识别方法可以在实际应用中帮助城市交通管理部门进行交通事件的预警与交通问题的发现并辅助决策。 展开更多
关键词 智能交通系统 交通知识图谱 交通事件识别 交通目标检测
原文传递
基于机器视觉的交通事件检测方法的研究 被引量：10
6
作者 苑玮琦 谢昌隆 《计算机仿真》 CSCD 北大核心 2013年第10期189-193,共5页
关于交通事件准确检测问题,针对现有智能交通系统多是对道路车流量进行自动检测和控制,功能性不足。为提高检测系统的实时性、快速性和准确性,达到有效控制,设计了一套基于机器视觉的高速公路交通事件检测方法,补充其功能模块,能够准确... 关于交通事件准确检测问题,针对现有智能交通系统多是对道路车流量进行自动检测和控制,功能性不足。为提高检测系统的实时性、快速性和准确性,达到有效控制,设计了一套基于机器视觉的高速公路交通事件检测方法,补充其功能模块,能够准确、实时地检测出拥堵、行人、停车等交通事件的发生。首先,利用前100帧的均值作为初始背景;接着,根据不同事件获取背景图像进行实时更新;然后,当前图像与背景图像作差,获取差分图像,并进行形态学处理;最后,根据二值图上运动目标的特征,判断发生了哪类交通事件。利用交通视频,进行实验,结果显示,能够达到实时检测要求,且检测效果较为准确。 展开更多
关键词 交通事件检测 背景差 目标特征 实时检测
下载PDF
基于改进YOLOv5s的交通标识检测算法 被引量：3
7
作者 李孟浩 袁三男 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2024年第1期11-19,共9页
针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题,提出一种基于改进YOLOv5s的算法.首先,在主干网络部分添加注意力机制ECA(Efficient Channel Attention,高效通道注意力),增强网络的特征提取能力,有效解决了周围环境复杂... 针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题,提出一种基于改进YOLOv5s的算法.首先,在主干网络部分添加注意力机制ECA(Efficient Channel Attention,高效通道注意力),增强网络的特征提取能力,有效解决了周围环境复杂的问题;其次,提出HASPP(Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化),增强了网络结合上下文的能力;最后,修改网络中的Neck结构,使高层特征与底层特征有效融合,同时避免了跨卷积层造成的信息丢失.实验结果表明,改进后的算法在交通标识数据集上取得了94.4%的平均检测精度、74.1%的召回率以及94.0%的精确率,较原始算法分别提升了3.7、2.8、3.4个百分点. 展开更多
关键词 交通标识检测 小目标检测 YOLOv5s 注意力机制 特征提取 混合空洞空间金字塔池化
下载PDF
基于深度学习的道路交通标志多目标实时检测 被引量：9
8
作者 刘英璇 伍锡如 雪刚刚 《广西师范大学学报（自然科学版）》 CAS 北大核心 2020年第2期96-106,共11页
针对已有道路交通标志检测方法速度慢、受环境影响大、检测效果差等问题,本文提出一种基于Faster-RCNN的道路交通标志多目标实时检测方法。首先,对Faster-RCNN目标检测原理进行深入分析;然后,优化Faster-RCNN网络结构,并选择出合适的预... 针对已有道路交通标志检测方法速度慢、受环境影响大、检测效果差等问题,本文提出一种基于Faster-RCNN的道路交通标志多目标实时检测方法。首先,对Faster-RCNN目标检测原理进行深入分析;然后,优化Faster-RCNN网络结构,并选择出合适的预训练模型和网络超参数;最后,在德国交通标志检测数据集(German traffic sign detection dataset, GTSD)上设计多组对比试验,证明了该方法的有效性,单张图片检测时间为0.4 s,准确率达71%以上。在瑞典交通标志检测数据集(Sweden traffic sign detection dataset, STSD)上进行迁移测试,展现了良好的泛化能力,为智能汽车的应用提供了理论依据和技术支持。 展开更多
关键词 交通标志 智能驾驶 深度学习 Faster-RCNN 多目标检测
下载PDF
水运交通电视监控图像目标识别技术研究 被引量：5
9
作者 胡汉南 《交通部上海船舶运输科学研究所学报》 2001年第1期3-9,共7页
针对水运交通的特点 ,提出一种水运交通电视监控图像目标识别技术 :使用两条细缝检测窗 ,对窗内的图像数据进行似然比法求差图像 ,序列图像相关去时域噪声及进行闭运算以弥合孔洞和裂缝 ,之后进行目标检测和跟踪 (匹配 ) ,最后计算各种... 针对水运交通的特点 ,提出一种水运交通电视监控图像目标识别技术 :使用两条细缝检测窗 ,对窗内的图像数据进行似然比法求差图像 ,序列图像相关去时域噪声及进行闭运算以弥合孔洞和裂缝 ,之后进行目标检测和跟踪 (匹配 ) ,最后计算各种交通参数。 展开更多
关键词 水运交通 电视监控 目标识别 图像数据处理 目标检测 目标跟踪
下载PDF
基于改进的YOLOv5的交通锥标检测系统 被引量：3
10
作者 赵梓杉 桑海峰 《电子测量与仪器学报》 CSCD 北大核心 2023年第2期56-64,共9页
针对中国大学生无人驾驶方程式赛车目标检测系统当前算法检测速度较慢,在不同场景下容易出现检测精度低,漏检、误检现象严重等问题,文章设计了一种适用于锥标颜色的整体检测系统,在识别模块中,首先,为了提高原YOLOv5基础模型检测速度和... 针对中国大学生无人驾驶方程式赛车目标检测系统当前算法检测速度较慢,在不同场景下容易出现检测精度低,漏检、误检现象严重等问题,文章设计了一种适用于锥标颜色的整体检测系统,在识别模块中,首先,为了提高原YOLOv5基础模型检测速度和识别精度,采用CIoU作为边界框回归损失函数,针对训练时收敛速度慢和算法识别精确度低的问题,将原加权非极大抑制方式更改为DIoU_NMS,测试精度为0.963,相较于原算法提高了2.1%,结果表明改进后的算法更适合比赛场景下锥标颜色识别。其次,在跟踪模块中,对深度表观特征锥标颜色重识别模型进行训练,将单目标跟踪算法改为可以对多种类别目标进行跟踪,相比于单一的目标检测算法,有效降低漏检现象,最后,添加测距模块,利用检测框高度信息进行车载摄像头到锥桶的测距,90 m以内的平均误差小于9%。整个系统的帧率达到20 FPS,实现锥标颜色识别和距离的有效测量,为比赛提供更多的数据支持。 展开更多
关键词 无人驾驶方程式赛车 交通锥标 深度学习 目标检测 目标跟踪 相似三角形测距
下载PDF
基于CA-BIFPN的交通标志检测模型 被引量：3
11
作者 郎斌柯 吕斌 +1 位作者 吴建清 吴瑞年 《深圳大学学报（理工版）》 CAS CSCD 北大核心 2023年第3期335-343,共9页
正确、快速的交通标志检测可为自动驾驶领域的环境感知提供重要信息.针对目前交通标志检测识别率低及多种交通标志检测存在的误检漏检等问题,提出一种协调注意力-双向特征金字塔网络(coordinate attention-bidirectional feature pyrami... 正确、快速的交通标志检测可为自动驾驶领域的环境感知提供重要信息.针对目前交通标志检测识别率低及多种交通标志检测存在的误检漏检等问题,提出一种协调注意力-双向特征金字塔网络(coordinate attention-bidirectional feature pyramid network,CA-BIFPN)交通标志检测模型.该模型将YOLOv5(you only look once version 5)模型和协调注意力(coordinate attention,CA)机制相结合,引入双向特征金字塔网络(bidirectional feature pyramid network,BIFPN),通过跳连特征融合提高模型的多尺度语义特征利用效率,在提高小目标物体检测效率的同时,也使交通标志的检测精度得到提高.以交通标志数据集TT100K为测试对象进行实验验证,结果表明,与SSD(single shot multibox detector)模型和YOLOv5模型相比,CABIFPN交通标志检测模型的检测准确率分别提高4.5%和1.3%,验证模型有效. 展开更多
关键词 人工智能 交通标志检测 深度学习 小目标检测 协调注意力 双向特征金字塔网络
下载PDF
基于改进YOLOv8的交通监控车辆检测算法 被引量：1
12
作者 周飞 郭杜杜 +4 位作者 王洋 王庆庆 秦音 杨卓敏 贺海军 《计算机工程与应用》 CSCD 北大核心 2024年第6期110-120,共11页
针对目前复杂交通监控场景下车辆检测精度不足、检测速度慢的问题,提出一种基于YOLOv8模型的轻量级车辆检测算法。采用FasterNet替换YOLOv8的骨干特征提取网络,减少了冗余计算和内存访问,提高了模型的检测精度和推理速度;在Backbone和N... 针对目前复杂交通监控场景下车辆检测精度不足、检测速度慢的问题,提出一种基于YOLOv8模型的轻量级车辆检测算法。采用FasterNet替换YOLOv8的骨干特征提取网络,减少了冗余计算和内存访问,提高了模型的检测精度和推理速度;在Backbone和Neck部分添加SimAM注意力模块,在不增加原始网络参数的同时增强了目标车辆的重要特征,提高了模型的特征融合能力;针对密集车流下小尺寸车辆检测效果不佳的问题,添加小目标检测头,更好地捕获小尺寸车辆的特征和上下文信息;使用可自适应调整权重系数的Wise-IoU作为改进模型的损失函数,提升了边界框的回归性能和检测的鲁棒性。在UA-DETRAC数据集的实验结果表明,相较于原模型,改进方法在交通监控系统中能够达到较好的检测精度和速度,mAP和FPS分别提高了3.06个百分点和3.36%,有效改善了复杂交通场景下小目标车辆检测效果不佳的问题,并在精度和速度之间取得了很好的平衡。 展开更多
关键词 车辆检测 交通监控 YOLOv8 小目标检测 注意力机制
下载PDF
基于Cache-DCN YOLOX算法的交通标志检测方法研究 被引量：1
13
作者 高尉峰 王如刚 +2 位作者 王媛媛 周锋 郭乃宏 《计算机测量与控制》 2024年第2期71-77,84,共8页
针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函... 针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函数代替YOLOX中的GIoU损失函数,优化了训练模型,提高了收敛的速度;优化设计了YOLOX算法中的强弱两阶段的训练过程,增强了模型的泛化性能,同时加入cache方案,进一步提高了检测精度;在交通标志数据集TT100K上进行了实验,提出方法的检测精度为67.2%,比原YOLOX算法的检测精度提升了6.4%,同时,在被遮挡的小目标等多种受干扰的环境下,提出的方法能够精确地检测出交通标志,并有着较好的置信度,满足实际需求。 展开更多
关键词 深度学习 YOLOX 交通标志识别 可变形卷积 小目标检测
下载PDF
面向微型交通标志的ASPC-YOLOv8检测算法
14
作者 陈其彬 邓涛 +4 位作者 杨志军 汪世豪 李彦波 韩振宇 陈梓山 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第5期55-60,共6页
针对在部分遮挡和复杂背景下的微型交通标志误检、漏检等问题,提出一种基于YOLOv8s的交通标志检测框架。构建空间自适应金字塔卷积模块(ASPC)代替Neck所有Conv模块,设计全新的ASPC2f模块代替部分C2f模块,减少了模型参数量,提升了检测性... 针对在部分遮挡和复杂背景下的微型交通标志误检、漏检等问题,提出一种基于YOLOv8s的交通标志检测框架。构建空间自适应金字塔卷积模块(ASPC)代替Neck所有Conv模块,设计全新的ASPC2f模块代替部分C2f模块,减少了模型参数量,提升了检测性能;为解决在检测小目标时因尺度不一致而导致的语义信息损失问题,引入小目标检测层,以增强深层和浅层语义信息的有效融合;使用EIOU代替原来的边界框损失函数,提升网络边界框回归性能。经实验,该方法在TT100K交通标志数据集上平均精度均值(mAP)达到89.7%,相较于原模型提升6.2个百分点,微型目标平均精度均值相对提升9.4个百分点,参数量降低2.6 MB。 展开更多
关键词 交通标志检测 小目标检测 空间金字塔卷积 特征融合
下载PDF
基于改进Mobile Net-SSD网络的驾驶员分心行为检测 被引量：5
15
作者 杜虓龙 余华平 《公路交通科技》 CAS CSCD 北大核心 2022年第3期160-166,共7页
驾驶员在驾驶时出现分心行为容易诱发交通事故。为了能对驾驶员在驾驶时的分心行为进行快速、准确识别,从而降低交通事故的发生率,保障人民生命财产安全。首先,将数据集进行分析评估,筛选出7种驾驶员分心状态,并制作成Voc2017格式数据集... 驾驶员在驾驶时出现分心行为容易诱发交通事故。为了能对驾驶员在驾驶时的分心行为进行快速、准确识别,从而降低交通事故的发生率,保障人民生命财产安全。首先,将数据集进行分析评估,筛选出7种驾驶员分心状态,并制作成Voc2017格式数据集;其次,通过深度可分离卷积替换SSD(VGG16)网络中特征提取层的方法减少网络参数量,形成Mobile Net-SSD网络模型,使模型使用场景更适合车内检测,并在浅层网络中加入HDC处理模块改进网络的特征提取层,在网络中利用该模块提高特征提取能力,有效应对浅层网络特征提取时的特征丢失现象。然后对改进后的特征提取层进行网络叠加处理,使其可以进行多尺度融合提取特征,使网络鲁棒性提升,增强网络对驾驶员行为检测的性能,构成新的MH-SSD检测网络模型,随后,使用迁移学习方法对改进后的网络进行训练。最后,使用测试集和自制的短视频对改进后的网络进行测试评估,再通过对照组进一步说明改进后网络优势。结果表明,改进后的网络mAP值达到94.01%,较Mobile Net-SSD网络模型高2%,网络参数量为SSD(VGG16)的1/2,网络检测实时帧数保持在25 fps以上,改进后的网络可以实时,准确地识别7种分心行为。MH-SSD网络可实现驾驶员分心行为实时检测,为下一步研究打下了良好基础。 展开更多
关键词 交通安全 分心行为检测 计算机视觉 卷积神经网络 驾驶员行为 目标检测
原文传递
基于CF-YOLO的雾霾交通标志识别
16
作者 吴攀超 郑卓纹 +1 位作者 王婷婷 孙琦 《计算机工程与设计》 北大核心 2024年第7期2203-2211,共9页
针对现有交通标志检测模型在雾霾环境下出现漏检、错检以及参数较大等问题,设计一种基于YOLOv5s改进的CF-YOLO检测模型。为加强在雾霾环境中对交通标志的检测能力,提出一种基于颜色衰减先验的自适应伽马变换图像预处理算法;为增强对目... 针对现有交通标志检测模型在雾霾环境下出现漏检、错检以及参数较大等问题,设计一种基于YOLOv5s改进的CF-YOLO检测模型。为加强在雾霾环境中对交通标志的检测能力,提出一种基于颜色衰减先验的自适应伽马变换图像预处理算法;为增强对目标的定位能力及检测精度,将坐标注意力机制融合到网络中;为实现模型轻量化,引入FasterNetBlock构建网络。实验结果表明,改进算法在雾霾环境下交通标志检测相比原YOLOv5模型权重减少了2.3 MB,精度提高了8.5个百分点。 展开更多
关键词 交通标志识别 目标检测 卷积神经网络 坐标注意力机制 颜色衰减先验 伽马变换 深度学习
下载PDF
基于集中式特征金字塔的交通标志识别
17
作者 李文举 刘子琼 +1 位作者 张干 崔柳 《计算机仿真》 2024年第8期118-126,共9页
针对目前交通标志识别技术中存在的畸变目标、小目标检测难等问题,提出一种基于集中式特征金字塔的交通标志识别算法。首先,使用集中式特征金字塔改进原始的特征融合网络,用轻量级多层感知机(MLP)来捕获全局远程依赖,通过可学习视觉中... 针对目前交通标志识别技术中存在的畸变目标、小目标检测难等问题,提出一种基于集中式特征金字塔的交通标志识别算法。首先,使用集中式特征金字塔改进原始的特征融合网络,用轻量级多层感知机(MLP)来捕获全局远程依赖,通过可学习视觉中心机制(LVC)来捕获输入图像的局部角区域,提高了对畸变目标以及小目标的检测精度;其次,使用递归门控卷积提取浅层特征图的高阶空间交互信息,改善对小目标的检测效果;最后,使用SIoU回归损失函数,引入角度损失,重新定义惩罚指标,减少总损失的自由度,防止预测框在训练时四处游荡,加快收敛速度,使定位更加精确。在TT100K数据集上平均检测精度为93.4%,和传统的YOLOv5n相比精度提升了3.5个百分点,帧处理速度达到94.34fps。 展开更多
关键词 集中式特征金字塔 递归门控卷积 交通标志识别 目标检测
下载PDF
基于ADS-B IN的冲突检测预处理方法 被引量：6
18
作者 周波 王海军 +2 位作者 阮文龙 唐志虎 沈笑云 《电光与控制》 北大核心 2017年第10期64-68,74,共6页
飞行流量增加及航迹的不确定性加大了目标间冲突的可能性,针对目标间冲突检测与解脱时大量无关联监视目标造成冗余运算问题,提出一种冲突检测前预处理方法。将ADS-B IN监视范围内的目标规划到26个区域,每一个区域中依据设定的专门规则... 飞行流量增加及航迹的不确定性加大了目标间冲突的可能性,针对目标间冲突检测与解脱时大量无关联监视目标造成冗余运算问题,提出一种冲突检测前预处理方法。将ADS-B IN监视范围内的目标规划到26个区域,每一个区域中依据设定的专门规则判别目标与本机的相关性,关联目标将参与冲突检测等后续运算,无关联目标的后续处理则被阻塞。算法能有效减少本机周围交通态势安全评估时的运算量,坚持宁虚警、不漏警原则,从而确保安全为首要目标。最后通过蒙特卡罗实验检验了算法各项性能。实验表明,随机产生的30个目标中,不少于30%的目标被判定为无冲突关联而被阻塞,算法能有效检测目标间的相关性。 展开更多
关键词 广播自动相关监视 交通态势监视 多目标 相关性 冲突检测
下载PDF
基于深度学习的交警动态手势检测与识别方法研究
19
作者 刘永涛 刘永杰 +4 位作者 孙斐然 徐鑫 曾凯凯 袁诗泉 乔洁 《武汉理工大学学报（交通科学与工程版）》 2024年第3期441-447,共7页
文中基于深度学习方法设计了交警动态手势检测与识别算法,以Top-down的姿态估计方法获取交警人物关键点建立人体骨架图,采用时空图卷积的方式进行动作识别.设计交警目标检测算法、交警姿态估计算法和交警动态手势识别算法,对输入模型的... 文中基于深度学习方法设计了交警动态手势检测与识别算法,以Top-down的姿态估计方法获取交警人物关键点建立人体骨架图,采用时空图卷积的方式进行动作识别.设计交警目标检测算法、交警姿态估计算法和交警动态手势识别算法,对输入模型的骨架图设计了尺寸归一化,令算法对不同尺寸的骨架图具有相同的识别性能,提高了算法的鲁棒性.所设计的方法在限制容许错误率在10%、15%、25%以及50%的条件下能够达到最高96.32%的识别率. 展开更多
关键词 交警手势 深度学习目标检测 手势识别 姿态估计
下载PDF
基于改进YOLOv3模型的交通视频目标检测算法研究 被引量：6
20
作者 梁秦嘉 刘怀 陆飞 《南京师范大学学报（工程技术版）》 CAS 2021年第2期47-53,共7页
针对现有的基于YOLOv3的目标检测算法在多尺度目标检测上存在速度与精度难以平衡的问题,在已有算法的基础上改进形成新的YOLOv3多尺度目标检测算法.该算法首先通过k-means++聚类为各个尺度选择候选锚框的数量和长宽比维数,有效降低原始... 针对现有的基于YOLOv3的目标检测算法在多尺度目标检测上存在速度与精度难以平衡的问题,在已有算法的基础上改进形成新的YOLOv3多尺度目标检测算法.该算法首先通过k-means++聚类为各个尺度选择候选锚框的数量和长宽比维数,有效降低原始算法在初始聚类点所造成的聚类偏差;其次将YOLOv3的检测尺度从3扩展到4,以提高对不同尺度下目标检测的精度;最后为避免梯度衰落,将检测层前的6个卷积层转换为2个残差单元.在UA-DETRAC数据集上的实验结果表明,该方法比原始YOLOv3的准确率和召回率分别提高了7.91%和4.57%,同时此算法的处理速度可实现对交通视频的实时处理. 展开更多
关键词 交通监控 目标检测 深度学习 卷积神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部