针对电动自行车头盔佩戴检测存在小目标漏检、准确率低的问题,提出一种基于YOL Ov5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制,以提...针对电动自行车头盔佩戴检测存在小目标漏检、准确率低的问题,提出一种基于YOL Ov5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制,以提升对聚集目标的关注,解决因遮挡导致的检测效果差的问题;将颈部网络中的FPN(Feature Pyramid Network)+PAN(Path Aggregation Network)结构改为结合了跨尺度特征融合方法思想的特征融合结构,增强模型不同方向上的多尺度融合能力,使目标多尺度特征有效融合,提升对小目标的识别能力;使用SIoU(Structured Intersectionover Union)定位损失函数代替CIoU(Complete Intersection over Union)损失函数,以提高边框回归精度。实验结果表明,改进后的YOLOv5s模型准确率P和召回率R分别为94.7%和91.2%,平均精度值mAP为95.6%,相较于原始YOLOv5s模型分别提升6%、7%和6.5%。该方法使电动自行车头盔佩戴检测准确率得到了明显提升。展开更多
针对射频识别(RFID:Radio Frequency Identification)系统的信道资源有限,当多个标签竞争同一个频率或时间槽时,会导致发生碰撞和冲突的问题,为优化广播信道的通信效率,对基于帧时隙ALOHA的物联网RFID广播信道防碰撞算法进行了研究。该...针对射频识别(RFID:Radio Frequency Identification)系统的信道资源有限,当多个标签竞争同一个频率或时间槽时,会导致发生碰撞和冲突的问题,为优化广播信道的通信效率,对基于帧时隙ALOHA的物联网RFID广播信道防碰撞算法进行了研究。该方法引入帧时隙概念,对通信时间进行时间段划分;通过时隙内空闲、成功识别以及碰撞3种状态的发生概率分析,得到广播信道内的碰撞原因。结合贝叶斯算法与泊松分布规则,通过标签数目概率分布计算,实现读写器作用范围内标签数量的估计,并根据标签数量计算结果调整下一帧帧长。若调整后的帧时隙范围内仍存在标签碰撞问题,则通过FastICA(Indcpendent Component Analysis)独立主成分分析法,将帧时隙内的标签识别问题,转化为EPC(Electronic Product Code)编码生成问题,进而实现统一时隙内多标签的并行识别,避免发生碰撞。实验表明,所提方的标签数量的估算准确,能在保证通信信道稳定性的前提下,提高时隙内标签识别率,有效提高广播信道的传播效率。展开更多
文摘针对电动自行车头盔佩戴检测存在小目标漏检、准确率低的问题,提出一种基于YOL Ov5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制,以提升对聚集目标的关注,解决因遮挡导致的检测效果差的问题;将颈部网络中的FPN(Feature Pyramid Network)+PAN(Path Aggregation Network)结构改为结合了跨尺度特征融合方法思想的特征融合结构,增强模型不同方向上的多尺度融合能力,使目标多尺度特征有效融合,提升对小目标的识别能力;使用SIoU(Structured Intersectionover Union)定位损失函数代替CIoU(Complete Intersection over Union)损失函数,以提高边框回归精度。实验结果表明,改进后的YOLOv5s模型准确率P和召回率R分别为94.7%和91.2%,平均精度值mAP为95.6%,相较于原始YOLOv5s模型分别提升6%、7%和6.5%。该方法使电动自行车头盔佩戴检测准确率得到了明显提升。