【摘 要】
：
车辆信息检测是车型识别在智慧交通领域中的首要任务。针对现有的车辆信息检测技术在检测速度、精度以及稳定性方面存在的问题，提出了基于YOLOV3的深度学习目标检测算法——YOLOV3-fass。该算法以DarkNet-53网络结构为基础，删减了部分残差结构，降低了卷积层的通道数，添加了1条下采样支路和3个尺度跳连结构，增加了一个检测尺度，并通过K-均值聚类与手动调节相结合的方法计算出12组锚框值。最后
论文部分内容阅读
车辆信息检测是车型识别在智慧交通领域中的首要任务。针对现有的车辆信息检测技术在检测速度、精度以及稳定性方面存在的问题，提出了基于YOLOV3的深度学习目标检测算法——YOLOV3-fass。该算法以DarkNet-53网络结构为基础，删减了部分残差结构，降低了卷积层的通道数，添加了1条下采样支路和3个尺度跳连结构，增加了一个检测尺度，并通过K-均值聚类与手动调节相结合的方法计算出12组锚框值。最后通过多级预训练的迁移学习机制对YOLOV3-fass算法进行微调。在车辆数据集上，YOLOV3-fass
其他文献
在农业生产中，植株病虫害的识别能够有效地提高农作物产量。然而，当前数据驱动的深度植株病虫害识别方法需要大量的有标签数据，导致现有方法难以很好地识别少样本的新病虫，经验难以推广。另一方面，基于深度学习的方法需要对大量的参数进行训练，难以削减计算开销。针对上述挑战，本文设计一种基于彩票迁移的稀疏网络植株病虫害识别模型。具体地，本文首先定义深度网络的彩票迁移假设，利用压缩策略构建稀疏网络，识别迁移源域的
[目的]对干旱荒漠草原区矿区生物修复中生态适应性和有效性进行分析,为采煤塌陷区的生态环境恢复提供科学依据。[方法]运用Li-6800光合作用全自动测量系统,对原生境西鄂尔多斯生长的和神东矿区移植的四合木(Tetraena mongolica)、沙冬青(Ammopiptanthus mongolicus)和霸王(Sarcozygium xanthoxylon)的光合生理进行测定,以分析生物修复在该地
球囊霉素作为一种丛枝菌根真菌（AMF）分泌的难降解土壤蛋白，是长期碳贮的重要组成部分，广泛分布于陆地生态系统沉积物中。然而，当前对其在滨海湿地中的分布鲜有研究。本文对我国环渤海主要湿地表层沉积物中球囊霉素相关土壤蛋白（GRSP）含量的空间分布特征进行了表征，探讨了不同生境下GRSP含量的分布及其对湿地沉积物风化的指示意义。我们选取辽河三角洲湿地、北大港湿地和黄河三角洲湿地作为研究区，对166个表层
以吉林省两种成土母质发育的典型黑钙土为供试土壤，采用室内培养方法，探究加入不同比例秸秆（0%、0.5%、1%、2%、3%、5%、10%、15%）后，黑钙土有机碳含量及团聚体稳定性的变化特征。结果表明：与对照处理相比，增加秸秆的施用量，有机碳含量低、中、高三种黄土耕层土壤（LLC-Ap、LMC-Ap、LHC-Ap）的有机碳增量分别为0.28～4.67倍、0.06～3.14倍、0.07～2.10倍；有
在模糊核未知的情况下对模糊图像进行复原称为盲解卷积问题,这是一个欠定逆问题,现有的大部分盲解卷积算法利用图像的各种先验知识约束问题的解空间。由于清晰图像的跨尺度自相似性强于模糊图像的跨尺度自相似性,且降采样模糊图像与清晰图像具有更强的相似性,本文提出了一种基于跨尺度低秩约束的单幅图像盲解卷积算法,利用图像跨尺度自相似性,在降采样图像中搜索相似图像块构成相似图像块组,从整体上对相似图像块组进行低秩约
基于胶囊网络的向量神经元思想和EM算法，本文设计了一种以EM为向量聚类算法的深度胶囊网络，实现了重叠手写数字的识别与分离。该网络由两部分组成，第一部分使用两个卷积层、两个基础胶囊层、两个EM聚类胶囊层构成6层网络结构。其将胶囊维数由常规的8维扩充为16维，并利用姿态转换矩阵实现低级特征到高级特征的预测，同时将EM算法改为EM向量聚类算法，以替换原胶囊网络中的迭代路由部分，优化了网络的运算过程，实现
微生物复垦技术是矿区环境治理的重要手段之一，对改善矿区的生态环境具有举足轻重的意义，而矿区微生物修复是一个生态持续演变过程，科学评价微生物复垦多年后采煤塌陷区的土壤质量和生态效应是目前亟待解决问题。为了探明接种丛枝菌根真菌（AMF）复垦多年后对采煤沉陷区土壤改良的生态效应，科学评价微生物复垦技术在矿区环境修复中的重要作用，以神东采煤沉陷地2012年种植的紫穗槐复垦地为研究区，分析了接菌区和对照区两
深度神经网络是具有复杂结构和多个非线性处理单元的模型，通过模块化的方式分层从数据提取代表性特征，已经在晶圆缺陷识别领域(Wafer map pattern recognition, WMPR)得到了较为广泛的应用。但是，深度神经网络在应用过程中本身存在“黑箱”和过度依赖数据的问题，显著地影响深度神经网络在晶圆缺陷识别的工业可应用性。本文提出了一种基于堆叠降噪自编码器（Stacked denoisi
遮挡及背景中相似物干扰是行人检测准确率较低的主要原因.针对该问题，提出一种结合语义和多层特征融合的行人检测算法.首先，融合多个卷积层特征，并在融合层上添加语义分割，得到的语义特征与相应的卷积层连接作为行人位置的先验信息，增强行人和背景的辨别性.然后，在初步回归的基础上构建行人二次检测模块，进一步排除误检物体.实验结果表明，所提算法在数据集Caltech和CityPersons上漏检率为7.06%和
现有的一致性神经网络(consensus neural network, CsNet)利用凸优化和神经网络技术将多个降噪算法(降噪器)输出的图像进行加权组合(融合)以获得更好的降噪效果, 但该优化模型在降噪效果和执行效率方面仍有较大改进空间. 为此, 提出了一种基于轻量型多通道浅层卷积神经网络构建的多降噪器最优组合(optimal combination of image denoisers, O