【摘 要】
：
车辆信息的检测是智能交通系统的核心任务之一,在复杂多变的自然场景下,快速准确地检测车辆信息对于智能交通系统至关重要。随着车辆保有量的不断增加,与之相关的交通问题也变得日益严重。因此,实现对道路上车辆的实时检测和分类势在必行。除此之外,通过对该技术的优化,可以为无人驾驶以及智慧城市的建设提供一定的技术支持。针对车辆检测的实时性与高效性,采用了YOLOv4目标检测模型作为基础模型,提出车辆信息检测优化
论文部分内容阅读
车辆信息的检测是智能交通系统的核心任务之一,在复杂多变的自然场景下,快速准确地检测车辆信息对于智能交通系统至关重要。随着车辆保有量的不断增加,与之相关的交通问题也变得日益严重。因此,实现对道路上车辆的实时检测和分类势在必行。除此之外,通过对该技术的优化,可以为无人驾驶以及智慧城市的建设提供一定的技术支持。针对车辆检测的实时性与高效性,采用了YOLOv4目标检测模型作为基础模型,提出车辆信息检测优化模型YOLOv4＿AF,主要进行以下优化:1)在YOLOv4主干网络中,卷积核提取特征过程时,主要对特征图中的高宽信息进行提取,忽略了通道之间的相互作用。在YOLOv4＿AF中引用注意力机制模块,通过通道和空间维度抑制照片的干扰特征,辅助卷积层对空间和通道间的特征图进行学习,提升特征图的表达能力。2)鉴于道路上车辆之间的小间隙以及可能包含多个车辆等干扰因素,很难快速准确地检测和识别车辆类型。为了解决这一问题,设计新型特征金字塔结构,将双过程单连接模式改为三过程双连接模式,并通过下采样再次增强有效特征。这样,可以在三维空间中精准地定位对象,提高模型的检测和分类能力。3)设计并实现了车辆信息检测系统,首先通过对车辆进行定位裁剪,然后获取车辆牌照信息,进行字符分割,并且通过HSV色彩空间获得车辆牌照颜色信息。在BIT-Vehicle Dataset上进行的5折交叉检验结果表明,提出的YOLOv4＿AF模型的检测精度和F1值分别达到82.95%和0.816,优于YOLOv4、Faster R-CNN以及Efficient Det模型,精度分别提升了5.48%、9.46%和0.25%。在UA-DETRAC车辆数据集上进行相同条件的实验,提出的新模型的精度比YOLOv4、Faster RCNN以及Efficient Det模型分别提升了3.87%、4.30%和0.74%,结果表明提出的新模型优于以上模型。图33幅;表16个;参54篇。
其他文献
在钢铁企业信息化系统中,产品销售订单设计展开系统是智能制造中的第一环即智能设。在对国内主流钢铁企业产品销售订单设计展开系统的方案设计与技术实现进行深入研究的基础上,对河钢乐亭钢铁有限公司产品质量设计业务进行需求调研与分析,运用软件工程开发理论进行产品销售订单设计展开系统设计与实现。完成了系统的需求分析、总体设计、订单质量设计展开算法逻辑与数据库设计与实现,并参与了部分模块功能的开发。通过分析研究得
目的药物中的重金属杂质严重影响人们的身体健康,目前常用去除方法仍然存在诸多弊端,膜分离作为一种新型分离技术,通过GO和NaY沸石制备性能优异的膜材料对水中及阿司匹林中的Cu2+进行分离,为药物中的重金属杂质去除提供新思路。方法1采用真空自组装法制备了聚乙二醇（PEG）/GO复合膜,将PEG成功引入到GO片层之间增大层间距,提高PEG/GO复合膜的离子渗透通量和在水溶液中的稳定性,通过研究PEG的比
由于数据中心网络中的应用程序和服务所带来的流量呈爆炸式增长,传统的路由方案很难定制出最优的路由解决方案。软件定义网络（Software Defined Network,SDN）允许用户仅提供自己的控制平面,但设备的数据平面仍然不可替换,并且仍受供应商控制。因此,针对以上问题,提出了一种可编程数据平面中的流量调度策略,利用独立于编程协议的数据包处理器（Programming protocol-ind
目的观察岐黄针疗法治疗中风偏瘫后肢体痉挛的临床疗效,比较其与普通针刺的疗效差别,为临床中岐黄针治疗中风偏瘫后肢体痉挛提供疗效确切的依据,为进一步推广应用岐黄针疗法提供实践和临床研究资料。方法采用随机数字表法将符合本研究纳入标准的70例患者,随机分为治疗组（35例）和对照组（35例）。两组在给予常规药物治疗及康复训练的基础上,治疗组再予以岐黄针疗法,对照组则予以普通针刺疗法,两组均一周治疗3次,两周
岩石失稳破坏是由岩体内部张拉与剪切破裂逐步发育所导致。声发射作为岩石破裂的伴生现象,可通过其参数特征和波形特征描述岩石内部拉剪破裂的演化过程,目前有一些裂纹识别技术,但是不能提供裂纹模式识别。在力的作用下,岩石的破坏类型存在张拉破坏和剪切破坏,随着加载进程,两者之间的占比在不断变化,张拉和剪切模式下的裂纹比是评估破坏状态的一个有用参数。分析岩石在每个加载阶段中,张拉型破裂和剪切型破裂之间的变化关系
视觉显著性是指关注场景中最突出、最明显、占有主体部位的对象。现有对人类视觉系统的研究证实最吸引人的对象会在视觉系统中更加显著。因此,利用视觉显著性对图像场景中最突出目标进行检测,并分割出每个实例个体,即为显著性实例分割（Salient Instance Segmentation,SIS）。显著性实例分割生成的显著图只与显著目标相关,符合人类视觉系统的普遍规律。现有显著性实例分割方法主要分为两类:一
中医领域知识库是中医知识存储与表达的重要方式,为现代医学临床研究和决策提供了技术支持,因此中医学知识库的构建成为现阶段的研究热点。辨证论治是医家认识疾病和治疗疾病的基本原则,医家诊疗过程中,虽然遵循的基础理论是相同或相似的,但是在具体的诊治上会存在一些差异。因此认识和把握名老中医辨证论治差异是中医个性化知识继承与发展的重要基础。目前构建的中医学知识库,大多只专注名老中医临床实践知识的整合,没有考虑
自身免疫性疾病是一大类以自身耐受破坏、免疫细胞异常激活、自身抗体产生和大量炎症因子释放，进而产生多系统损伤为主要特征的疾病。肠道菌群与宿主健康息息相关，菌群生态失调已被确认与许多自身免疫性疾病的病理生理学有关，包括类风湿性关节炎、溃疡性结肠炎、自身免疫性甲状腺炎等。中药能改变肠道菌群的组成，二者之间有紧密联系，研究发现，中药可通过重塑肠道微生态结构而发挥治疗作用。该文针对肠道菌群如何影响自身免疫疾
医学数据的有效共享可以在国家医学领域创造出较高的科研价值、经济价值和社会价值。然而,医学数据在共享过程中加密保护和溯源等安全措施不完善而造成的数据泄露、丢失和破坏等安全问题层出不穷,亟需全新的安全技术手段为其保驾护航。椭圆曲线公钥密码体制（Elliptic Curve Cryptography,ECC）是目前主流的公钥加密体制之一。与其他公钥加密体制相比,ECC安全性能高、处理速度快、性能消耗少。
目标检测任务是计算机视觉领域的基本任务之一,得到全球学者的广泛研究,检测性能也得到很大提升并已广泛应用于生产生活。但是由于目标形状多变、场景复杂以及目标相互遮挡等因素的影响,目标检测领域仍面临很大挑战。相比于传统的目标检测方法,基于深度学习的目标检测方法让网络根据标签自动提取特征进行学习,极大的提高了检测精度。基于深度学习的目标检测方法可分为两阶段目标检测算法和一阶段目标检测算法。本研究工作基于特