【摘 要】
：
当前,深度学习相关技术的研究取得了杰出的成就,基于卷积神经网络的行人检测算法也在不断被提出并应用于实际场景中。行人检测的目的是从各种场景下的图像中检测出行人目标并进行准确地标注,而行人检测的场景往往多样且复杂,且行人姿态、在图像中的尺寸以及光线等因素各异,这对检测算法提出了更高的要求。目前存在的目标检测算法各有其优势和不足,针对指定的目标检测任务需要对其进行改进以达到更好的检测性能。本文对YOLO
论文部分内容阅读
当前,深度学习相关技术的研究取得了杰出的成就,基于卷积神经网络的行人检测算法也在不断被提出并应用于实际场景中。行人检测的目的是从各种场景下的图像中检测出行人目标并进行准确地标注,而行人检测的场景往往多样且复杂,且行人姿态、在图像中的尺寸以及光线等因素各异,这对检测算法提出了更高的要求。目前存在的目标检测算法各有其优势和不足,针对指定的目标检测任务需要对其进行改进以达到更好的检测性能。本文对YOLO系列目标检测算法进行了研究,结合SqueezeNet、注意力机制以及残差连接提出了基于改进特征增强网络的AS-YOLO算法。其中fire模块的结构在检测能力提升和参数压缩上起着重要作用,注意力机制对关键特征进行了选择和增强。文中对其具体的改进思路和方法进行了阐述,并在行人数据集上进行了实验,证明了AS-YOLO算法在INRIA行人数据集上的检测精度和速度均获得了提高。为进一步减小模型大小及参数量,提升其对行人的检测能力,本文结合Google Net的Inception组成结构、注意力机制、空洞卷积、SqueezeNet的结构特点以及焦点损失函数,提出了改进的ASDI-YOLO行人检测算法。ASDI-YOLO通过将Inception模型和SqueezeNet结构融合,对网络的特征增强部分进行了改进,相对于AS-YOLO在网络宽度上得到了进一步优化,使得网络对图像特征的提取更全面,同时尽可能减小了其中卷积的通道数,降低了模型大小。此外,ASDI-YOLO还考虑到行人检测的特点,针对二分类问题并结合焦点损失对损失函数进行了优化,移除了原损失中的分类损失,并对数据中的难易样本进行了筛选,控制了难易样本的损失在总体损失中的占比,使网络通过训练得到的结果有更强的检测能力。最后,通过模型的训练和测试获得算法的性能数据。对比发现,AS-YOLO行人检测算法的精度能够在YOLOv4的基础上提升2.02%,同时将检测速度提高16.63%,而本文提出的ASDI-YOLO算法相对于YOLOv4可以提高4.25%的检测精度,同时获得13.54%的速度提升。实验证明了本文提出的改进行人检测算法可以在YOLOv4的基础上得到有效地性能提升,更适用于行人目标的检测。
其他文献
信标是自适应光学系统的核心,用于为其提供波前畸变信息参考。主动照明信标是一种常用的人造信标,其回光亮度与目标距离的四次方成反比,对于远距离目标,回光亮度将会非常弱,进而严重限制系统效能。如果以铷蒸气激光器作为主动照明光源,同时利用铷蒸气非线性效应对信标回光进行相位保持的光放大,相比于传统主动照明系统,探测效率可以获得数千倍提升,是一种全新的思路。基于此背景,本文对其中关键技术进行了探索性研究,系统
随着智能化无人化技术的发展,智能化作战作为一种新的作战样式。目前国内外学者针对智能化无人作战问题从不同的角度进行了研究,并且取得了丰硕的成果。但是目前缺乏从任务调度的适变性角度考虑智能化武器装备对作战体系架构的影响。无人作战随着态势的变化需要进行动态任务规划,如何针对分布式智能化无人作战系统进行动态任务调度成为目前研究的热点和难点问题。针对这个问题,本文基于适变网络开展多无人机集群任务调度方法研究
＜正＞“一带一路”倡议是中国深化改革开放，促进国际区域经济、文化发展的重大决策，人才的多寡和质量影响着“一带一路”倡议实施的效果。习近平同志强调，发展是第一要务，人才是第一资源，创新是第一动力。当前，在“一带一路”建设高质量发展的背景下，我们要充分发挥人才聚集的优势，高校作为人才培养的主阵地，是推进区域社会融入“一带一路”倡议的重要人力资源保障供给地，要敢于担当、主动作为、识时达变、勇于创新，打造
高功率微波作为一种新兴的学科引发了较大的关注,其中涉及到了等离子体技术、脉冲功率技术等。该学科的发展成为行业内关注的焦点,并逐步应用到了电子对抗等关键领域中。高功率微波器件的复杂度较高,其中的粒子与电磁场之间的相互作用由于非线性特征比较显著,在求解过程中难以直接采用解析方法。另外,由于此类器件的结构复杂,直接采用实物进行实验的成本较大,而随着计算机等技术的发展,基于计算机实现仿真模拟成为一种有效的
大数据时代,每时每刻都在产生着海量具备随机不确定性的数据,研究这些时序变化的随机序列并获取数据背后的隐藏信息具有重要的应用价值。隐马尔可夫模型具备可以从观测序列提取隐藏状态信息的特性,成为对随机序列进行数据挖掘的重要方法。本文基于隐马尔可夫模型针对随机序列状态估计问题展开研究,从隐马尔可夫模型的理论出发,针对金融随机序列展开建模与分析,主要包括以下三个方面:第一,分析了隐马尔可夫模型对随机序列进行
当今世界万物互联,人机交互的物联网终端设备数量不断增长,但是这些设备在给人类带来便利的同时,也存在很多安全隐患,由于其采用多种网络接入方式并且直接暴露在外界中,更容易受到黑客攻击,若非法用户成功攻破物联网终端设备,将使得该设备的合法用户面临隐私泄露风险。针对上述问题,本论文开展了在物联网终端设备上应用对抗攻击算法的研究并搭建了算法验证平台,该平台采用前后端分离的架构,由嵌入式人工智能开发套件（EA
边缘计算（Edge Computing,EC）是一种新的去中心化范式,为终端用户在网络边缘提供数据计算、存储和应用服务,可以有效地降低数据处理时延和减少带宽压力。但是,在应对一些特殊情况,比如山区、灾后和高峰时段的路况交通等特殊场景,一般部署于移动基站的边缘服务器往往表现欠佳。而近年来,随着无人机（Unmanned Aerial Vehicle,UAV）商用的增加,在通信领域的应用引起了越来越多学
蜂窝车联网（Cellular Vehicle-to-Everything,C-V2X）技术是未来高度自动化驾驶的关键技术之一,可以支持5G高可靠低时延通信（Ultra-Reliable and Low Latency Communications,URLLC）场景。CV2X模式4为分布式通信模式,使用感知型半持续调度（SemiPersistent Scheduling,SPS）算法处理安全类应用的
导弹作为一种重要的作战武器,弹载平台导航系统是其核心部件之一。随着现代化战争的不断发展,导弹对高精度、高可靠、全自主导航系统的需求越来越迫切.然而,当前常用的全球卫星导航系统、惯性导航系统、天文导航系统、重力匹配导航方法以及以天文-惯性组合导航为代表的组合导航方法在长期导航、信号遮挡和高精度要求等方面存在较大不足。为此,本文利用惯性器件和弹载相机构建了一种新的自主导航方案,命名为基于陆标-惯性系统
目标跟踪是雷达领域中的一个热点问题。当前战场环境愈发复杂,新式装备和策略层出不穷,目标特性主要表现为高机动、数量多等方面。这就使得目标跟踪极为困难,因此,解决目标跟踪中目标的高机动性、运动模式复杂和数目多且时变等问题具有重要的意义。本文针对复杂环境下目标的特性,重点研究了机动目标跟踪和多目标跟踪算法。首先,研究了机动目标跟踪中的交互式多模型算法。针对交互式多模型算法中存在的Markov转移矩阵自适