【摘 要】
：
针对夜间车辆检测模型的实时性要求,以YOLO v4模型为基础,将主干特征提取网络更改为灵活性强且易于实现的MobileNet V2,并将加强特征提取网络里面的普通卷积全部更改为深度可分离卷积,同时模型给每个通道引入缩放因子,并与该通道输入相乘.然后将缩放因子正则项和权重损失函数联合进行稀疏正则化训练,此时选择较小的缩放因子进行通道剪枝,剪枝后模型的部分通道缺失,检测性能会降低,因此通过模型微调来弥补精度损失,并经过性能评估后再进行修剪迭代.最后得到一个轻量化的车辆检测模型,使其检测速度更快,更能满足夜间车
【机 构】
：
长安大学 信息工程学院,陕西 西安 710000
论文部分内容阅读
针对夜间车辆检测模型的实时性要求,以YOLO v4模型为基础,将主干特征提取网络更改为灵活性强且易于实现的MobileNet V2,并将加强特征提取网络里面的普通卷积全部更改为深度可分离卷积,同时模型给每个通道引入缩放因子,并与该通道输入相乘.然后将缩放因子正则项和权重损失函数联合进行稀疏正则化训练,此时选择较小的缩放因子进行通道剪枝,剪枝后模型的部分通道缺失,检测性能会降低,因此通过模型微调来弥补精度损失,并经过性能评估后再进行修剪迭代.最后得到一个轻量化的车辆检测模型,使其检测速度更快,更能满足夜间车辆检测的实时性需求.经过在UA-DETRAC数据集的实验分析可知:轻量化夜间车辆检测模型的检测精度可达98.29％,同时每秒处理帧数高达42帧图像.
其他文献
针对深度相机在定位过程中存在的实时性差、定位精度低等问题,该文结合深度相机的特点,在传统ICP算法的基础上融合FREAK-SURF特征匹配点.首先,为了提高匹配速度,采用二进制描述符FREAK描述子简化传统的SURF特征点描述信息完成图像粗匹配,并结合对极几何约束预估相机初始位姿,为后续精匹配环节提供一个良好的初值.其次,在完成粗配准的基础上将特征点的空间位置和相机位姿误差模型引入点云配准算法中,并且为了弥补微小扰动和空间尺度对系统的影响,构造一种欧氏、马氏距离相融合的距离度量函数对匹配点对进行度量,构建
针对SSD(single shot multibox detector,单步多盒检测)算法在车辆的自动紧急制动(AEB)中对远方目标检测效果差、检测速度慢、对硬件资源需求高的问题,提出了一种基于SSD的改进算法.首先用MobileNetv2替换SSD中的AGG-16作为检测网络,以减少参数数量和计算量,降低网络对硬件性能的需求;其次,提出了特征增强和融合的方法,反复挖掘目标信息,并把不同特征层的信息进行融合,以提高对小目标检测的能力;最后,对先验框解码过程进行改进,减少网络需要解码的先验框数量,再次减少计
传统永磁同步电机相电流重构技术在每个PWM周期内由于不同相电流采样的不同步性,会产生采样相位误差,进而对电机整体控制性能产生不利影响.在分析上述相位误差的基础上,基于传统直流母线采样方法提出了一种电流过采样策略.通过在每个PWM周期的对称采样点分别进行一次采样并取均值的方式得到该控制周期内的相电流信息,同时利用一阶保持器估计电流控制点处的电流以消除采样相位误差.实验结果证明所提出的方法能够提高相电流重构精度,具有较好的降低相电流重构技术采样相位误差效果.
本文提出了一种基于直流母线电流,逆变器开关控制信号和三相电流之间关系的单电流传感器的永磁同步电机三相电流重构技术.使用标准的空间矢量脉宽调制(SVPWM)进行相电流重构会产生一些死区,在这些死区内有效电压矢量的持续时间短于电流采集所需的最短时间,因此无法通过测量直流母线电流重构三相电流.为了解决这个问题,对现有的SVPWM控制策略进行了调整,可靠地重构了三相电流.对比实验结果验证了所提出的单电阻电流采样技术的可靠性和有效性.
麻雀搜索算法(SSA)作为一种新颖的群体智能优化算法,已被证明具有较好的寻优性能.但由于SSA在某些情况下迭代中后期搜索性减小,种群多样性降低,导致算法存在收敛速度慢、求解精度低、易陷入局部最优解等不足.针对SSA存在的缺陷,融合萤火虫算法(FA)迭代策略,提出了一种加入萤火虫搜索扰动的麻雀搜索优化算法(FSSA).首先,在麻雀搜索后,利用萤火虫扰动策略对种群中所有个体进行位置更新,使得算法在解空间搜索更加充分,有效避免陷入局部最优,进而提升算法的收敛速度以及收敛精度.其次,通过6个基准测试函数对改进算法
近年来,人工智能飞速发展并在社会各个方面都得到了广泛应用,随之也影响着教育向智能化方向发展.该文首先分析对外汉语教学对于智能聊天机器人对话系统的实际需求;然后在总结国内外研究成果和相关会议的基础上,对基于聊天机器人的智能对外汉语学习系统的相关理论和系统结构进行了详细阐述,以情境学习理论、建构主义学习理论、人工智能中的自然语言处理技术为指导,使用句子词语切分和基于向量空间模型的计算实现句子语义相似匹配,利用TF-IDF算法进行关键词匹配,从而构建基于人工模板和规则的聊天机器人,来达到自动问答的目的;接着介绍
路径规划在诸多领域都有重要的应用价值,研究者们提出了多种解决路径规划问题的算法.但复杂场景下的路径规划问题并未得到很好的解决,特别是窄通道和Z字形场景下的路径规划问题.为了解决这一问题,提出了一种关键点路径规划方法.该方法通过关键点的引入,将整个路径规划切分成多个较短的子路径规划,从而降低问题的规模,提高规划效率;同时,这些关键点将随机路径搜索转化为启发式搜索,从而大幅提高了在窄通道和Z字形下的路径规划效率.算法首先确定绕过障碍物的关键点,然后使用这些关键点引导规划过程,初步规划出一条路径.最后通过路径压
影响力最大化问题是信息网络挖掘中的热门研究问题之一,大多数信息网络包含了多种不同类型的节点和连接边,其本质属于异质信息网络,然而以前关于影响力最大化问题的研究大多停留在同质信息网络,它们考虑的节点和连接边类型单一,这与现实的信息网络有所差别.异质信息网络的影响力最大化问题其关键在于如何识别异质信息网络中最有影响力的节点.为了能融合网络中的异质信息并衡量节点影响力,提出了一种基于加权PageRank的异质信息网络影响力最大化算法.该算法保留了网络中所有类型节点和连接边的信息,通过考虑异质信息网络中不同类型节
文本分类是NLP(natural language processing,自然语言处理)处理技术的重要分支.信息检索、文本挖掘作为自然语言处理领域的关键技术,给人们的生活带来了许多便利,而文本分类正是这些关键技术开展的重要基础.文本分类作为自然语言处理研究的一个热点,其主要原理是将文本数据按照一定的分类规则实现自动化分类.目前常见的文本分类方式主要分为基于机器学习和基于深度学习两种,它们的本质是通过计算机自主学习从而提取文本信息中的规则来进行分类.针对数据量较小、硬件运算能力较低的应用场景,往往使用基于机
行人属性识别(pedestrian attribute recognition,PAR)的目的是从输入图像中挖掘行人的属性信息.近年来,卷积神经网络(convolution neural network,CNN)的兴起在行人属性识别中获得了广泛的应用.现有的方法多采用属性不可知的视觉注意或启发式的身体部位定位机制来增强局部特征表达,而忽略了多模型集成所能够带来的提升,因此该领域内鲜少有集成算法的提出.为了进一步提高行人属性识别的性能,该文从CNN模型的预测概率角度入手,基于元学习提出了一种行人属性识别的概