基于YOLOv5s和注意力机制的车辆检测改进算法

文中针对道路光线条件复杂、被遮挡目标物体特征不完整等问题,以 YOLOv5s 为车辆检测的基础模型,提出了一种融合 FunelCBAM 注意力机制的检测模型 FCBAMYOLOv5s。针对交通场景中车辆检测种类多、多尺度目标混杂、小目标易漏检等问题,文中还提出了一种融合加权双向跨尺度特征金字塔 BiFPN 与KLLoss损失函数的车辆检测方法。该方法可融合多尺度图像问题的特征,提高检测图像的鲁棒性,强化了网络对小物体的检测性能;然后在检测损失函数中融合 KLLoss,有效提高了模型的检测精度。实验结果表明,该方法的精度与实时性符合实际应用。     

基于改进YOLOv5的超分辨率和多尺度融合目标检测算法

为了提升目标检测算法在多尺度学习方面的能力,尤其是对小目标的检测能力,本文提出了一种基于改进YOLOv5的超分辨率和多尺度融合目标检测算法。首先,该算法使用子像素卷积代替原YOLOv5模型的上采样操作,提高图像的分辨率,并尽可能保留小目标的信息。其次,使用并行快速多尺度融合(parallel fast multi-scale fusion,PFMF)模块实现深层特征和浅层特征的双向融合,将原YOLOv5算法的3尺度预测升级为4尺度预测,以此提高模型多尺度特征学习能力和对小目标的检测效果。实验结果表明,与YOLOv5s相比,改进后的模型在PASCAL VOC数据集中,mAP@0.5提高了2.8个百分点,mAP@0.5∶0.95提高了3.5个百分点;在MS COCO数据集中,mAP@0.5提高了4.3个百分点,mAP@0.5∶0.95提高了5.2个百分点。改进后的 YOLOv5模型在多尺度检测,尤其是小目标的检测效果方面得到了提升,并具有一定的应用价值。     

基于改进YOLOv5的交通车辆目标检测

随着城市人口的不断增加,不同的车辆使得交通状况越来越复杂。对此番现象进行研究之后,提出了一种改进的YOLOv5深度神经网络模型来实现交通中的车辆识别与检测,将有效帮助交通管理部门分析车辆和行人的运行状况。在分析YOLOv5算法的核心后,并针对交通目标尺度变化大的特点,充分利用了YOLOv5算法检测轻量化、速度快、实时性强的性质,并在此基础上,用FPN架构改进网络结构以便适应目标尺度的剧烈变化,用改进的K-means算法选出更加适合的初始候选框,不仅提高了运行速度,而且满足了实时性和准确性的要求,最终获得了较为成功的目标检测效果及其方案。     

针对多尺度目标的轻量级红外目标检测算法

针对现有基于深度学习的红外目标检测算法参数量大、复杂度较高、对多尺度目标检测性能较差等问题，提出了一种针对多尺度目标的轻量级红外目标检测算法。算法以YOLOv3为基础，采用MobileNet V2轻量级骨干网络、设计改进的简化空间金字塔结构（simSPP）、Anchor Free机制、解耦头和简化正负样本分配策略（Sim OTA）分别对Backbone、Neck和Head进行优化，最终得到模型大小为6.25 M，浮点运算量2.14 GFLOPs的LMD-YOLOv3轻量级检测算法。在构建的MTS-UAV数据集上m AP达到90.5%，在RTX2080Ti显卡上FPS达到99，与YOLOv3相比m AP提升了2.60%，模型大小为YOLOv3的1/10。     

地面小目标快速检测算法研究

由于地面小目标像素低、携带信息量少等特点,常规数据集上的目标检测算法直接用于地面小目标的检测,会出现漏检和错检现象。针对此问题,该文基于深度学习算法,提出将一种改进的YOLOv3算法应用于地面小目标检测。利用K-means算法对数据集中目标进行聚类分析,选取合适的anchor boxes数量和大小。通过增加一个检测小目标的特征图,建立特征融合目标检测层,改进YOLOv3网络检测尺度。在遥感数据集DOTA检测实验中,用改进的YOLOv3算法与YOLOv3算法进行对比实验,结果表明改进后的算法能有效检测地面小目标,查准率提高17.04%,查全率提高了6.44%;与Faster R-CNN算法对比,改进的YOLOv3算法的mAP提高了12.7%。在改进的YOLOv3算法训练时,加入dropout优化机制,其在测试集上的mAP得分又提高了3.24%。      

基于YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)是一种高分辨率星载(或机载)雷达系统,SAR图像自动目标识别(ATR)技术是智能图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于YOLOv3网络的检测模型,使用多尺度先验框对目标物体进行检测,通过训练得到模型的最优权重,实现端到端的目标检测。测试结果表明,与Faster R-CNN算法相比,YOLOv3在准确率与运行速度上均有更优秀的性能表现。     

基于单目视觉的智能车障碍物检测及测距算法研究

在自动驾驶场景下,为了实现对智能车辆前方障碍物进行目标检测及测距,提出了一种基于单目视觉的前方车辆及行人检测与测距方法.利用数据集对YOLOv3神经网络模型进行优化训练,利用训练完成的神经网络对实时采集的视频信号中的车辆及行人进行目标检测,输出车辆及行人目标的检测框.以目标检测框底部中心点为参考点,根据相似三角形测距算...     

基于YOLOv3的农田鸟类目标检测算法

针对近年来鸟类啄食对农业生产带来的损失,通过实时检测鸟类优化传统驱鸟器开关策略,提出了一种基于YOLOv3检测鸟类的目标检测算法。该方法对YOLOv3网络中特征融合进行改进,将SE模块嵌入进主干网络的Darknet53网络中,关注不同通道特征的重要程度。采用自适应空间特征融合（ASFF）增强网络中特征金字塔网络（FPN）的特征融合,提升各尺度的检测能力。引入CIOU边界框回归损失函数,将预测框和目标框在有重叠甚至包含等情况考虑进去,使目标框回归变得更加准确和稳定。改进后的YOLOv3模型在自制鸟类数据集上的精度均值（AP）达到96.65%,单张图像检测耗时仅为0.058 s,相比于原YOLOv3模型在检测速度变化不大的情况下AP提高了2.54百分点。该改进方法能达到很好的实时性和更佳的检测精度,对农田防治鸟害优化驱鸟器开关策略提供依据。     

融合注意力机制的多尺度红外目标检测

针对红外图像存在细节纹理特征差、对比度低、目标检测效果差等问题,基于YOLOv4(You Only Look Once version 4)架构提出了一种融合通道注意力机制的多尺度红外目标检测模型。该模型首先通过降低主干特征提取网络深度,减少了模型参数。其次,为补充浅层高分辨率特征信息,重新构建多尺度特征融合模块,提高了特征信息利用率。最后在多尺度加强特征图输出前,融入通道注意力机制,进一步提高红外特征提取能力,降低噪声干扰。实验结果表明,本文算法模型大小仅为YOLOv4的28.87%,对红外目标的检测精度得到了明显提升。     

基于YOLOv4-Efficient的目标检测和识别

在自动驾驶场景中,能够实现对前方车辆准确和及时的识别是至关重要的.本文对YOLOv4的主干网络进行修改,形成了YOLOv4-Efficient目标检测算法,在保证检测准确率的情况下,提高了检测速度.通过使用一种轻量级算法Efficient?Net代替YOLOv4的主干提取网络CSPDarknet53.改进后的模型参数量...     

基于公众移动通信网的V2X运营需求

简要介绍了两种V2X技术路线,以典型的V2X应用场景为例,提出了V2X应用部署初期应仅提供车辆主动安全提醒服务的观点。从公众移动通信网提供V2X应用的角度,提出了V2X运营中所需的功能需求,包括：身份鉴权、通信功能、通信兼容性、与交通系统对接、运行维护等功能,并提出了身份证书发放、运行维护测量消息的具体设想。     

互联网汽车发展及关键技术分析

主要介绍了互联网汽车与智能汽车的定义及区别,并对国内外互联网汽车的发展现状进行了简要介绍,然后对互联网汽车发展过程中牵涉的问题及关键技术进行了分析,最后结合国内现状,对未来互联网汽车的发展提出展望。     

一种基于竞赛的两轮自平衡小车的设计

介绍一种两轮自平衡智能小车控制系统的实现方案。该系统以MC9S12XS128单片机作为主控芯片,采用一组激光传感器进行路径检测,使用ENC-03MA陀螺仪与MMA7361加速度计进行小车直立自平衡检测,利用BTS7960芯片进行电机驱动,使用增量式编码器进行速度检测,借助滑动电阻器和液晶屏对参数进行调整与观测。在软件方面,结合PWM技术和PID控制技术对小车的两个直流电机的转速进行控制,可以实现两轮小车的动态自平衡快速寻迹运行。实践表明该设计达到了理想效果。     

新冠肺炎疫情防控期异地车辆行车智能监控系统设计

在2020年年初爆发的新冠疫情背景下,文章设计了异地车辆行车智能监控系统,主要由目标检测模块、车牌识别模块和目标跟踪模块组成,能够根据行车车牌动态识别和判断车辆归属地,并对外来车辆行车路线和轨迹进行自动跟踪、监视和记录,进而及时反馈车辆和人员流动的详细情况,为疫情防控提供技术支持。     

基于相位信息与边缘投影的车体定位新算法

提出一种基于相位信息与边缘投影的车体定位新算法,先将RGB颜色模型与HSV颜色模型相结合,利用相位一致性检测出汽车图像中的车体边缘,再通过投影处理得到候选车体区域,然后对候选区域进行判别,最终得到车体的精确位置.实验结果表明,该算法鲁棒性强,受图像亮度、对比度和阴影的影响小,而且适用于包含多部车辆的图像,定位准确率高于其他常用算法.     

GPS／GPRS车载监控终端的设计与实现

随着智能交通系统得到广泛重视,对车辆精确监控与调度的需求也越来越迫切。介绍了GPS/GPRS车辆监控系统的总体结构和车载终端的主要功能,利用高性能的ATMEGA64(L)单片机和SIM508通信模块为核心,设计并实现了一款功能强大的监控系统车载终端。经多次测试,系统性能稳定,效果良好。     

车载自组织网络中连通概率的预测与建模

近年来,随着车载通信技术的快速发展,作为物联网应用之一的车联网基础应用越来越引起人们的关注.连通概率是车辆通信的基本要素之一.提出了一个基于公路模型的连通概率预测算法,并对高速公路上车辆的联合分布进行了研究,定量地分析出了段的连通概率上下界的计算式,用Rstudio推导出了段连通概率和每个元胞平均车辆数目的关系图,最后根据路径的连通概率,计算路径包含的所有段的连通概率的乘积,得出路径的连通概率计算模型.分析结果表明,可以通过增大通信距离或者车辆密度的方法来提高整个路径的连通概率.     

基于CNN的车辆目标检测与车型分类研究

车辆检测与分类是智能交通系统的重要任务.解决这些任务的传统方法由于受到车辆图像视角受限的影响从而导致粗粒度的识别结果.近年来深度学习成功应用于图像分类任务,并受其最新成果的启发,本文提出了一种基于卷积神经网络的车辆检测与分类方法,该方法包括车辆区域检测和车型分类两部分.在检测和分类实验中,我们详细对比分析几种典型的网络...     

基于视频的智能交通系统的研究

目前，视频序列中的车辆运动检测是图像处理领域中最重要的研究课题之一。它的核心内容是应用图像处理技术从包含车辆信息的图像序列中检测车辆、提取车辆特征和状态、并预测和跟踪车辆的轨迹。车辆的运动检测系统一般包含运动检测、车辆提取、车辆跟踪。从这三个方面回顾车辆运动检测技术目前的发展水平和常用的处理方法，分析研究难点和未来的发展趋势。     

ECE R10.04电动车和混合动力车的新增要求

介绍了ECE R10第4版法规关于电动车和混合动力车在充电过程中,对外界环境所产生的辐射干扰和对电网及网络产生的传导干扰要求,以及车辆本身对来自外界辐射和传导干扰的抗干扰能力要求,并针对这些要求与相关的国际标准进行了比较与分析。