检索结果-内蒙古大学图书馆

火控雷达技术 1987年第1期 49-58页

作者：夏京祥

本文论述雷达天线波束检测多目标的方法。文中假定用一般的单脉冲分辨技术不能分辨多个目标的距离、角度和多普勒效应.本文所取的基本方法是“求积分”方法的通则,当在多个脉冲并入单解时,将使性能显著地提高.分析导出检测和虚警概率,... 详细信息

本文论述雷达天线波束检测多目标的方法。文中假定用一般的单脉冲分辨技术不能分辨多个目标的距离、角度和多普勒效应.本文所取的基本方法是“求积分”方法的通则,当在多个脉冲并入单解时,将使性能显著地提高.分析导出检测和虚警概率,并且用曲线图表示接收机的工作特性,本课题是为应用于频率捷变自动跟踪雷达的角处理而开展的,但是基本概念具有普遍性,并适用于其它领域.

关键词：多目标检测求积分频率捷变单脉冲技术天线波束虚警概率多普勒效应跟踪系统形心统计模型

来源：评论

学校读者我要写书评

暂无评论

YOLOv5网络算法下交通监控视频违章车辆多目标检测

引用

吉林大学学报(工学版) 2025年第2期55卷 693-699页

作者：郑利民陈双李刚辽宁工业大学汽车与交通工程学院沈阳理工大学汽车与交通学院

为提升交通监控视频违章车辆检测效果，提出一种YOLOv5网络算法下交通监控视频违章车辆多目标检测方法。交通监控视频图像融合处理中对灰度图直方图均衡化操作，通过窗口函数计算曝光不同图像的灰度偏差值，利用图像腐蚀将融合图像全部... 详细信息

为提升交通监控视频违章车辆检测效果，提出一种YOLOv5网络算法下交通监控视频违章车辆多目标检测方法。交通监控视频图像融合处理中对灰度图直方图均衡化操作，通过窗口函数计算曝光不同图像的灰度偏差值，利用图像腐蚀将融合图像全部鬼影去除，通过图像像素归一化处理和拉普拉斯金字塔获得高质量图像融合结果；以YOLOv5网络算法作为依托，在Transformer模块利用驱动图编码器构建多头自注意力学习机制，对图像违章车辆目标特征语义信息展开增强处理；在连续扩张卷积基础上利用密集连接结构，将特征图卷积展开单一像素加操作，加强特征语义信息；利用Softmax函数进行特征多尺度融合，实现交通监控视频违章车辆多目标检测。实验结果表明：本文方法可有效提升交通监控视频图像质量，使用的YOLOV5网络算法计算强度较高，违章车辆多目标检测效果较为准确。

关键词： YOLOV5网络算法交通监控视频违章车辆多目标检测

来源：评论

学校读者我要写书评

暂无评论

基于DYCS-YOLOv8n的井下无人驾驶电机车多目标检测

引用

工矿自动化 2025年第4期51卷 86-92,130页

作者：许谨辉王文善王爽王文钺赵婷婷安徽理工大学煤炭无人化开采数智技术全国重点实验室安徽淮南232001 安徽理工大学矿山智能技术与装备省部共建协同创新中心安徽淮南232001 安徽理工大学机电工程学院安徽淮南232001

针对井下无人驾驶电机车因光线暗、噪声大及运动模糊等因素导致图像特征难提取、细节易丢失、小尺寸目标难识别等问题,提出了一种基于DYCS-YOLOv8n的井下无人驾驶电机车多目标检测模型。在YOLOv8n的基础上引入卷积注意力模块(CBAM),通... 详细信息

针对井下无人驾驶电机车因光线暗、噪声大及运动模糊等因素导致图像特征难提取、细节易丢失、小尺寸目标难识别等问题,提出了一种基于DYCS-YOLOv8n的井下无人驾驶电机车多目标检测模型。在YOLOv8n的基础上引入卷积注意力模块(CBAM),通过空间和通道双重注意力机制,提高了对关键特征的提取能力;增加小目标检测层,由原来的3层增加到4层,从而更好地提取细小特征,提升了对小尺寸目标的检测性能;采用动态上采样算子DySample,根据输入特征自适应地调整采样策略,更好地保留图像中的边缘和局部细节,避免了图像关键信息损失。采用自建的井下无人驾驶电机车数据集进行实验,结果表明:(1) DYCS-YOLOv8n模型的平均精度均值(mAP@0.5)达97.5%,较YOLOv8n模型提高了3.4%,且检测速度达46.35帧/s,满足实时性检测需求。(2)与YOLO系列主流目标检测模型相比,DYCS-YOLOv8n模型的mAP@0.5最优,在保持轻量化的同时保证了较快的计算速度。(3)在噪声、低光照等复杂井下场景下,DYCS-YOLOv8n模型对行人、轨道、信号灯的平均检测置信度较高,未出现漏与误检情况。

关键词：井下无人驾驶电机车多目标检测 YOLOv8n 卷积注意力机制小目标检测动态上采样

来源：评论

学校读者我要写书评

暂无评论

基于车载视觉传感器的多目标检测跟踪技术研究

引用

科技创新与应用 2025年第2期15卷 110-113,117页

作者：鲜茂森何季芮巴中职业技术学院四川巴中636000

汽车在现代社会生活中扮演着举足轻重的角色,其极大地便利人们的出行,但与此同时,也引发诸如环境污染和交通拥堵等社会问题。为应对这些挑战,国内外学者正积极投身于无人驾驶技术的研究。其中,车辆与行人检测技术是无人驾驶技术的关键环... 详细信息

汽车在现代社会生活中扮演着举足轻重的角色,其极大地便利人们的出行,但与此同时,也引发诸如环境污染和交通拥堵等社会问题。为应对这些挑战,国内外学者正积极投身于无人驾驶技术的研究。其中,车辆与行人检测技术是无人驾驶技术的关键环节,但鉴于车辆与行人特征的多样性,使用单一的特征提取和分类方法进行检测变得异常困难。然而,深度学习的目标检测方案凭借其复杂的神经网络结构,成功攻克这一难题,因此备受国内外学者的关注。该文旨在通过深入剖析基于深度学习的目标检测以及基于SORT的多目标跟踪原理,为车载视觉传感器的研发创新提供有益的参考和启示。

关键词：车载视觉传感器多目标检测跟踪技术无人驾驶车辆与行人检测

来源：评论

学校读者我要写书评

暂无评论

窄带雷达高速多目标检测及其运动参数估计

引用

系统工程与电子技术 2009年第7期31卷 1539-1543页

作者：苏军海吕孝雷邢孟道张守宏西安电子科技大学雷达信号处理国家重点实验室陕西西安710071

提出一种窄带雷达高速多目标检测和运动参数估计方法。利用"Dechirping"加滤波的方法对回波进行分离并且构造每个目标的回波矩阵,接着对每个回波矩阵构造相干相位补偿函数并进行补偿,从而实现信号能量的相干积累,有利于目标... 详细信息

提出一种窄带雷达高速多目标检测和运动参数估计方法。利用"Dechirping"加滤波的方法对回波进行分离并且构造每个目标的回波矩阵,接着对每个回波矩阵构造相干相位补偿函数并进行补偿,从而实现信号能量的相干积累,有利于目标的检测。利用估计的多普勒信息可以获得目标的运动参数。仿真结果验证了所提方法的有效性。

关键词：窄带雷达多目标检测相干相位补偿函数

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv3的车辆前方动态多目标检测算法

引用

吉林大学学报（工学版） 2021年第4期51卷 1427-1436页

作者：金立生郭柏苍王芳荣石健燕山大学车辆与能源学院河北秦皇岛066004 燕山大学河北省特种运载装备重点实验室河北秦皇岛066004 吉林大学通信工程学院长春130022 北京理工大学机械与车辆学院北京100081

现阶段的环境感知目标检测技术多为单类目标检测,或是将一幅图像中所有目标均列为待检目标,较少有对处于车辆前方的目标进行针对性的划分和检测。为了解决以上问题,提出了将车辆前方的待检目标分为两类:一是危险性较大,随时可能发生位... 详细信息

现阶段的环境感知目标检测技术多为单类目标检测,或是将一幅图像中所有目标均列为待检目标,较少有对处于车辆前方的目标进行针对性的划分和检测。为了解决以上问题,提出了将车辆前方的待检目标分为两类:一是危险性较大,随时可能发生位移的动态目标,包括四轮车辆、二轮车辆和人;二是危险性较小,不会发生位移的静态目标,包括交通信号灯和交通标识。针对危险性较大的车辆前方动态多目标,提出了一种可以移植于嵌入式端的改进YOLOv3的目标检测算法,针对原始YOLOv3算法得到模型较大,难以在嵌入式端实时检测的缺点,以轻量型骨干网络MobileNetV2替换YOLOv3原始骨干网络Darknet-53进行特征提取,在训练中加入群组归一化操作,并使用Adam作为优化器。使用提取后的BDD100K数据集进行训练,利用未参与训练的BDD100K部分数据集和自采标注的Team_test数据集进行测试。研究结果表明,相比于原始YOLOv3算法,本文算法的漏检率可以维持在5%以内,在mAP提升0.020的基础上,本文模型在参数量上较YOLOv3基础模型减小了约89%,在CPU下的Inference Time缩小了约70%。

关键词：无人驾驶技术环境感知深度学习多目标检测轻量化模型

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv4的轻量化路侧视角多目标检测算法

引用

控制与决策 2024年第9期39卷 2885-2893页

作者：金立生张舜然郭柏苍王欢欢韩卓桐刘星辰燕山大学车辆与能源学院河北秦皇岛066000 吉林大学交通学院长春130022

面向道路交通场景中多类别、可变规模的目标车辆检测需求,如何有效地以低算力构建结构化数据,实现超视距感知并解决单车视距限制,是自动驾驶汽车环境感知技术领域亟待解决的重要问题之一.为此,提出兼顾精度和实时性的轻量化路侧视角多... 详细信息

面向道路交通场景中多类别、可变规模的目标车辆检测需求,如何有效地以低算力构建结构化数据,实现超视距感知并解决单车视距限制,是自动驾驶汽车环境感知技术领域亟待解决的重要问题之一.为此,提出兼顾精度和实时性的轻量化路侧视角多目标检测算法.首先,以嵌入通道域注意力机制的倒残差网络结构代替单阶段检测算法特征提取网络作为网络骨干部分,利用深度可分离卷积降低特征提取网络参数量;其次,采用空间金字塔池化(spatial pyramid pooling, SPP)处理深层网络输出特征图,选取轻量化后骨干网络不同深度特征图的输出,利用路径聚合网络(path aggregation network, PANet)融合深层语义信息与浅层表观信息构成检测模型颈部;最后,在检测模型头部设置3种不同特征图大小的网络输出,使同一图像信息不同尺寸目标在适宜网络深度进行目标信息回归,提出轻量化路侧视角多目标检测算法M3-YOLOv4.实验结果表明, M3-YOLOv4在数据集RS-UA表现的mAP值为0.906,相较YOLOv4的mAP值下降1.1%, M3-YOLOv4模型参数量缩减为YOLOv4的10%,同平台下模型前向推理速度也具备明显优势.

关键词：自动驾驶环境感知路侧视角多目标检测 YOLOv4 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于SMVF的高频雷达自适应多目标检测

引用

武汉大学学报（信息科学版） 2014年第11期39卷 1304-1309页

作者：史劼高火涛周林张华君武汉大学电子信息学院湖北武汉430072

针对高频雷达强海杂波和干扰环境下的多目标检测问题,结合S-method时频分布和Viterbi算法提出了一种多分量线性调频信号瞬时频率估计方法——SMVF法(S-method viterbi fitting),然后根据所提取的瞬时频率的直线拟合性能,提出了一种自适... 详细信息

针对高频雷达强海杂波和干扰环境下的多目标检测问题,结合S-method时频分布和Viterbi算法提出了一种多分量线性调频信号瞬时频率估计方法——SMVF法(S-method viterbi fitting),然后根据所提取的瞬时频率的直线拟合性能,提出了一种自适应多目标检测算法。实测数据的处理结果,表明了该算法在低信噪比时,与WDM法(wigner distribution maxima)、WDV法(wigner distribution viterbi)相比,估计精度提高约20%,验证了该算法的可行性和有效性。

关键词：高频雷达时频分析多目标检测 Viterbi算法拟合优度检验

来源：评论

学校读者我要写书评

暂无评论

基于双阶段互信息准则的多目标检测波形设计

引用

系统工程与电子技术 2022年第9期44卷 2736-2742页

作者：肖宇邓正宏张展西北工业大学自动化学院陕西西安710072 空军工程大学防空反导学院陕西西安710051

在有限信噪比情况下,雷达对多目标的检测性能受限于参数估计精度和发射脉冲积累,而波形设计为雷达性能提升提供了自由度。本文以信噪比为约束条件,以假设概率与设计波形的加权和迭代波形发射,分阶段提出了基于单假设互信息最大化、基于... 详细信息

在有限信噪比情况下,雷达对多目标的检测性能受限于参数估计精度和发射脉冲积累,而波形设计为雷达性能提升提供了自由度。本文以信噪比为约束条件,以假设概率与设计波形的加权和迭代波形发射,分阶段提出了基于单假设互信息最大化、基于多假设间互信息最小化的波形优化方法,实现了提升参数估计精度与降低发射脉冲次数的均衡处理。仿真验证了目标参数估计精度与目标检测性能间呈正相关关系,结果表明,基于双阶段互信息准则设计的波形能够快速检测多目标方位,提升目标检测性能。

关键词：互信息多目标检测信噪比认知雷达波形设计

来源：评论

学校读者我要写书评

暂无评论

基于波束包络信息的多目标检测与方位估计一体化方法

引用

电子学报 2009年第12期37卷 2823-2828页

作者：张立杰黄建国张群飞中船重工集团第710所湖北宜昌443003 西北工业大学航海学院陕西西安710072

提出一种基于波束扫描系统空间谱输出包络信息的水声信号目标检测与方位估计一体化方法.该方法在能量检测的基础上,利用二次包络3dB宽度检测模型判断每个谱峰内的目标数目,并通过二维Capon谱搜索估计目标方位.千岛湖试验结果表明,与传... 详细信息

提出一种基于波束扫描系统空间谱输出包络信息的水声信号目标检测与方位估计一体化方法.该方法在能量检测的基础上,利用二次包络3dB宽度检测模型判断每个谱峰内的目标数目,并通过二维Capon谱搜索估计目标方位.千岛湖试验结果表明,与传统算法相比,提高了低信噪比下的目标检测和方位估计性能.

关键词：多目标检测信源数目估计高分辨波达方向估计水声信号处理

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：