排序方式: 共有2条查询结果,搜索用时 4 毫秒
1
1.
目前,卷积神经网络技术在智能交通目标检测算法中应用越来越广泛。针对传统的检测算法受光照、天气、路况、角度等外界因素影响,提出了一种基于卷积神经网络的改进算法。在基础的RetinaNet以及典型纹理特征上进行了优化,并结合显著性目标检测算法,产生受约束的候选区域,在判定是否为车辆目标的步骤前丢弃多个不可能的区域候选框。在车辆检测公开数据集和自己构建的航拍道路车辆数据集上验证,并与目前一些常用算法进行性能与效率的比较,体现了算法的优越性。 相似文献
2.
森林火灾所造成的危害是无法估量的,因此在火灾发生前及时检测,并做到防患于未然,更有利于保护森林资源。该文提出了一种基于YOLOv7算法的森林火灾检测改进方案。为了帮助模型更有效地识别火焰特征,在不损失特征信息的情况下减少冗余功能,将CA注意力机制嵌入算法的特征提取部分。同时运用EIOU作为边界框损失函数,提升模型的收敛速度与回归精度。改进的烟火检测模型的平均精度提升2.0%,召回率提升1.6%,检测速度也在原来的基础上进行提升。 相似文献
1