改进YOLOv5s的交通标志识别算法

为了准确且实时地检测到交通标志指示牌, 减少交通事故的发生和推动智慧交通的发展, 针对现有的道路交通标志检测模型存在的精度不足、权重文件大、检测速度慢的问题, 设计了一种基于计算机视觉技术的改进YOLOv5s检测算法YOLOv5s-GC. 首先, 使用copy-paste进行数据增强后再送入网络进行训练, 加强对小目标的检测能力; 然后, 引入Ghost来构建网络, 削减原网络的参数和计算量, 实现轻量化模型; 最后, 将坐标注意力机制(coordinate attention)融合到骨干网络里, 增强对待测目标的表示和定位能力, 提高识别精度. 实验结果表明, YOLOv5s-GC模型相比于原YOLOv5s模型, 参数数目减少了12%, 检测速度提高了22%, 平均精度达到了94.2%, 易于部署且能满足实际自动驾驶场景中对识别交通标志的速度和准确度要求.     

高速移动场景下的平稳宽带车载视频点播系统设计

针对列车乘客在接入路侧蜂窝移动网络时因多普勒效应而引起的带宽稳定性差的问题,设计了一种高速移动场景下的平稳宽带车载视频点播系统,用户可在手机客户端通过WiFi连接固定于车厢内的车载服务器以下载或上传本地视频资源;此设计中,通信两端均在车厢内部,处于相对静止状态,因此可有效避免多普勒效应;同时,使用了定向增益天线来增强信号在车厢窄长矩形区域的有效覆盖;最终,实验数据表明：该系统在30*10 m的室内场景下,移动终端访问的实时传输带宽基本在35 Mbps到56 Mbps之间且波动较小,可实现稳定流畅的视频服务。