排序方式: 共有33条查询结果,搜索用时 15 毫秒
21.
22.
针对无人机航拍背景复杂、检测目标小且密集。提出一种基于YOLOv5的轻量化无人机航拍目标检测算法SDS-YOLO。首先,SDS-YOLO算法重构轻量化网络结构,对特征提取网络和特征融合网络进行重构。调节检测层和感受野架构,建立深层语义与浅层语义多尺度检测信息依赖关系,增加浅层网络特征层的权重,提高对微小目标的检测能力;其次,利用聚类算法对预选框进行调整,实现重构网络最优的预选框选择机制,加快模型收敛速度。最后,使用Varifocal loss训练SDS-YOLO使IACS回归,提高模型对密集物体的检测能力。结果表明,模型经过优化后,精度提高了7.64%;模型体积4.25MB,相较于原模型大幅下降;模型计算量和推理速度均有提高。相较于当前主流算法,SDS-YOLO在各方面均取得了不错的改进,满足无人机航拍实时目标检测要求。 相似文献
23.
24.
针对目前交通标志检测算法存在网络复杂度高、计算量大、边缘端部署难度高。提出一种基于YOLOv5的轻量化交通标志目标检测算法。通过增加注意力机制,使用CBAM和CA融合的方式,强化检测模型抗干扰能力;通过FPGM剪枝,对模型进行了压缩,降低计算量、提高推理速度;通过软硬件融合设计,实现YOLOv5s模型与硬件融合,形成一整套完整的移动智能交通标志目标检测系统;结果表明,增加多种注意力机制后,模型精度提高了2.8%。在极限剪枝的情况下,模型仅有0.54 MB。在Jetson Nano(20 W)的环境下,检测速度达21帧/s,满足实时的交通标志检测。 相似文献
25.
26.
精准的舰船目标检测技术能够提升武器装备的全方位感知能力。针对复杂环境下SAR舰船目标检测虚警、漏警问题严重,提出一种基于YOLOv5的轻量化SAR图像舰船目标检测算法3S-YOLO。3S-YOLO首先对网络结构进行重构,调节感受野与多尺度融合关系,实现特征提取网络和特征融合网络轻量化处理;然后,对网络进行剪枝,通过基于几何中值的剪枝算法对网络进行压缩,加快推理速度;最后,使用可变焦损失函数对网络进行训练,使感知分类系数回归。结果表明,算法经过优化后,精度最高可提高至99.1%;经过剪枝后,模型体积大幅下降,可压缩至190 kiB,下降98.6%;算法推理速度提升4倍,推理时间缩短至3 ms以下。相较于当前主流算法,3S-YOLO在各方面均取得了不错的成绩,满足SAR图像实时舰船目标检测。 相似文献
27.
利用改性高聚物树脂对聚丙烯切片进行改性,然后用烷基磷酸乙醇铵进行表面处理,开发研制出一种有效解决混凝土工程开裂等系列问题,提高抗渗性能、抗冲击性、抗冻融等的一种高科技建筑材料。 相似文献
28.
29.
可重构网络系统的模型及体系结构 总被引:1,自引:0,他引:1
当前信息网络正面临着各种新挑战,具有较强动态适应能力的可重构网络系统正成为人们关注的焦点.本文提出一种网络系统重构的框架模型和可重构网络系统中的主动重构策略,并在此基础上建立了分面立体型的可重构网络系统的体系结构.该体系结构融合了网络主动防御和灾难恢复的关键技术,设置了独立的控制管理面,具有更好的可控、可管和适应性,能够为网络系统的重构提供基础的、体系结构级的支持. 相似文献
30.
针对无人机编队无线通信中端到端延时抖动较大,难以确定有效传输时延,进行通信时时差定位误差较大的问题,提出采用先拟合后补偿的方法确定端到端延时最大值、最小值和滤波均值,由此确定端到端延时拟合下的传输时延。当无人机编队中部分无人机出现全球导航卫星系统(GNSS)失效时,根据无人机编队通信时差,由其他无人机协同实现该无人机位置定位。仿真结果表明,当距离指数精度达到10 m时,定位误差可控制在7 m以内;预处理获取的编队无人机相对距离指数精度越高,定位精度越高;采用不同的端到端延时值作为补偿标准,均可达到相同的定位精度。与常规无人机编队算法相比,该算法能在一定程度上摆脱无人机位置定位对GNSS的依赖;与非常规定位算法相比,此算法无需增加额外设备,且定位算法复杂度较低。 相似文献