-
题名定点形变数据中暂态短持时异常信号的检测方法研究
被引量：1
- 1
-
-
作者
张源
崔庆谷
-
机构
云南省地震局
-
出处
《大地测量与地球动力学》
CSCD
北大核心
2024年第1期100-104,共5页
-
基金
国家自然科学基金(41874111)
云南省地震局科技项目(CQ2-2023-08)。
-
文摘
分别将线性叠加及零延迟相乘算法用于人工合成数据中的暂态信号检测实验,对比2种算法在暂态信号识别中的效果。结果表明,将同台多道、多台多道数据进行零延时相乘能够更有效地压制数据中的干扰和噪声,使准同步暂态信号得到放大凸显,实现暂态异常信号的初步检测与识别。在此基础上,利用零延时相乘算法处理2002~2022年云南定点形变观测数据,从中识别出11组暂态短持时信号,并进一步分析信号与云南境内M_(S)5.0以上地震的时空关联性。
-
关键词
暂态短持时信号
同类同分向数据
零延迟相乘
信号检测与识别
-
Keywords
transient short-duration signals
data with similar unit
zero-delay multiplication algorithm
signal detection
-
分类号
P315
[天文地球—地震学]
-
-
题名基于深度学习的交通信号灯快速检测与识别
被引量：14
- 2
-
-
作者
钱弘毅
王丽华
牟宏磊
-
机构
北京航空航天大学软件学院
西北工业大学自动化学院
-
出处
《计算机科学》
CSCD
北大核心
2019年第12期272-278,共7页
-
文摘
交通信号灯检测与识别技术能够辅助司机做出正确的驾驶决策,减少交通事故的发生,为无人驾驶的实现提供安全保障。针对交通信号灯检测场景复杂多变、目标通常占检测数据集图片的比例极小等技术难点,提出了一种基于深度学习的交通信号灯快速检测与识别算法。整体框架包括如下3部分:基于启发式的图像预分割,用于缩小搜索范围,提升信号灯面板在输入图像中的相对大小和检测精度;基于深度学习的检测与识别,利用卷积神经网络准确地检测与识别信号灯;利用NMS(Non-Maximum Suppression)算法去除上一阶段中重复的检测框。提出的Split-CS-Yolo模型在LISA数据集上取得了96.08%的mAP和2.87%的漏检率,相比Yolo系列的其他方法,其不仅有更高的准确率和更低的漏检率,还将模型大小缩小到原始Yolov2的8.6%,使得检测速度提升了63%。
-
关键词
交通信号灯检测与识别
图像预分割
深度学习
NMS
快速检测
-
Keywords
Traffic light detectionand recognition
Image pre-segmentation
Deep learning
NMS
Fast detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
