排序方式: 共有63条查询结果,搜索用时 15 毫秒
61.
62.
使用搭载YOLOv5算法的无人机对物体进行目标检测时,由于其权重文件占有较大内存而要求无人机有较高的硬件配置,这在很大程度上约束了无人机进行目标检测的发展。为了解决这一问题,提出了一种改进的YOLOv5算法。使用深度可分离卷积代替普通卷积层,以使YOLOv5s轻量化。由于无人机从空中俯瞰物体,拍摄的图片具有较大的视野,因此将Dropblock与注意力机制添加至YOLOv5s主卷积层的底层来增加YOLOv5s的泛化能力与识别能力,进而提高YOLOv5s的小目标检测能力。使用所提方法对车辆数据集进行训练,获得了83%的训练准确率,并通过对比试验证明了所提方法比原始YOLOv5s具有更强的小目标检测能力。 相似文献
63.
在获得的探地雷达(Ground Penetrating Radar, GPR)原始信号中往往存在地表直达波、噪声和伪影等干扰信号,为了去除原始信号中的噪声干扰,突出目标信号,提出了一种基于改进鲁棒主成分分析(Improved Robust Principal Component Analysis, IRPCA)和图像增强(Image Enhancement, IE)的GPR去噪方法——IRPCA-IE。使用GPR建模软件GprMax2.0对地下情况进行模拟,通过扫描处理得到GPR原始数据。利用IRPCA法对GPR原始数据进行分解推演,分解推演时采用交替式方法,用L21-范数代替L0-范数,L21-范数可以产生列的稀疏性。将分解的目标信号进行直方图均衡化的IE处理,扩展目标图像的暗像素,同时压缩较高灰度级的值。利用峰值信噪比(Peak Signal to Noise Ratio, PSNR)和均方误差(Mean Squared Error, MSE)作为客观评价指标,对提出的方法和原有方法进行仿真对比。实验结果表明,提出的... 相似文献