排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
目标检测算法性能优劣既依赖于数据集样本分布,又依赖于特征提取网络设计.从这2点出发,首先通过分析COCO 2017数据集各尺度目标属性分布,探索了数据集固有的导致小目标检测准确率偏低的潜在因素,据此提出CP模块,该模块以离线方式调整数据集小目标分布,一方面对包含小目标图片进行上采样,另一方面对图片内小目标进行复制粘贴.然后,针对网络特征提取能力问题,受课程学习(CL)思想启发,提出CL层,该层用目标标签引导网络学习,用CL因子控制学习强度,使样本特征增强,便于网络进行特征提取.在COCO 2017数据集上使用CP模块,并在CenterNet中嵌入CL层,进行多组对比实验,采用平均检测准确率、小目标检测准确率、中目标检测准确率和大目标检测准确率作为评价指标,实验结果证明了CP模块和CL层的有效性. 相似文献
2.
3.
介绍了基于多构件软件的稳定性度量的一种模式,包括对其中各个构件及其类型的度量,并且利用该模式替换关键构件,找出合理可重用的构件组。 相似文献
4.
5.
无线传感器网络的RSSI定位技术研究 总被引:5,自引:1,他引:4
在许多无线传感器网络应用中,定位已经成为一个基本的服务需求.分析了基于接收信号强度(RSS)测量模型的位置估计,详细地推导了单个盲节点位置的概率密度函数并分析两个盲节点位置的概率分布的关系,通过该模型的极大似然估计可以得出盲节点位置,而且在此基础上修正了该定位估计算法,使得系统中盲节点越多其估计位置的精度越高,最后通过有效的仿真验证了算法. 相似文献
1