检索结果-维普期刊中文期刊服务平台

基于多传感器融合的无人车目标检测系统研究: 1; 作者陈晓锋李郁峰 +3 位作者王传松郭荣樊宏丽朱堉伦《激光杂志》北大核心 2025年第5期94-100,共7页; 针对单一传感器存在受环境因素影响较大,容易造成漏检,误检且不同传感器之间的数据格式不同,融合复杂度高的问题,提出一种基于激光雷达和相机的决策级融合方法。首先对激光雷达和相机进行时空对齐,然后分别使用PointPillars算法和Yolov... 展开更多; 关键词多传感器融合激光雷达单目相机 D-S证据理论加权框融合; 在线阅读下载PDF 职称材料

基于BoT-YOLOX的毫米波图像目标检测: 2; 作者李刚叶学义 +2 位作者蒋甜甜李文杰应娜《计算机辅助设计与图形学学报》北大核心 2025年第3期484-494,共11页; 主动毫米波(active millimeter wave,AMMW)图像具有噪声多、易含伪影、小目标多等特点,一直是隐匿目标检测的挑战.为此,提出了一种基于BoT-YOLOX的毫米波图像目标检测方法.首先,在模型主干网络中引入瓶颈型Transformer(bottleneck Trans... 展开更多; 关键词主动毫米波图像瓶颈型Transformer 小目标检测多视角加权框融合; 在线阅读下载PDF 职称材料

多尺度特征融合与加权框融合的遥感图像目标检测: 3; 作者张众维王俊 +1 位作者刘树东王志恒《计算机应用》北大核心 2025年第2期633-639,共7页; 遥感图像中目标尺度变化大且目标长宽比差异大,导致遥感图像目标检测困难。针对遥感图像的这一特点,通过改进YOLO框架,提出EW-YOLO(Efficient Weighted-YOLO)提高遥感图像目标检测的精度。首先,在特征融合部分,设计多级特征融合结构,以... 展开更多; 关键词遥感图像目标检测深度学习多尺度特征融合加权检测框融合; 在线阅读下载PDF 职称材料

侧扫声纳检测沉船目标的轻量化DETR-YOLO法被引量：12: 4; 作者汤寓麟李厚朴 +4 位作者张卫东边少锋翟国君刘敏张晓平《系统工程与电子技术》 EI CSCD 北大核心 2022年第8期2427-2436,共10页; 基于YOLOv5算法的侧扫声纳海底沉船目标检测方法虽然在检测精度和速度上取得了不错的成绩,但是如何在复杂海洋噪声背景下进一步提高小目标检测的准确性、降低重叠目标漏警和虚警率的同时实现模型的轻量化是一个亟需解决的课题。为此,本... 展开更多; 关键词 DETR-YOLO模型多尺度特征复融合加权融合框; 在线阅读下载PDF 职称材料

基于改进多传感器数据融合算法的温室环境检测研究被引量：8: 5; 作者宋坤李雨婷 +3 位作者张钰颖高佳乐杨玉强李依潼《现代电子技术》 2023年第20期178-182,共5页; 采用传统方法进行温室环境参数检测,通常存在环境复杂、检测可靠性低、精度差等问题。为提高温室大棚多参数检测数据的准确性,提出一种改进的多传感器数据融合算法。首先利用箱线图算法剔除偏离大的传感器数据,得到最优数据集;其次使用... 展开更多; 关键词温室参数检测多传感器数据融合箱线图算法自适应加权支持度; 在线阅读下载PDF 职称材料

题名基于多传感器融合的无人车目标检测系统研究: 1; 作者陈晓锋李郁峰王传松郭荣樊宏丽朱堉伦; 机构中北大学智能武器研究院青岛海阔利特检测认证有限公司; 出处《激光杂志》北大核心 2025年第5期94-100,共7页; 基金山西省应用基础研究计划项目(No.202303021221119) 山西省应用基础研究计划项目(No.20210302124223) 山西省基础研究计划联合资助项目(太重)(No.TZLH20230818005)。; 文摘针对单一传感器存在受环境因素影响较大,容易造成漏检,误检且不同传感器之间的数据格式不同,融合复杂度高的问题,提出一种基于激光雷达和相机的决策级融合方法。首先对激光雷达和相机进行时空对齐,然后分别使用PointPillars算法和Yolov5算法对预处理后的点云数据和图像数据进行迁移训练和目标检测得到检测框,最后使用交并比匹配、D-S证据理论和加权框融合方法对目标结果进行融合。通过实车试验,得出提出的融合方法在激光雷达和相机的决策级融合场景中能够有效结合两者的优势,实现对环境的更全面感知,有效提升目标检测精度,减小误检,漏检的概率。; 关键词多传感器融合激光雷达单目相机 D-S证据理论加权框融合; Keywords multi sensor fusion lidar monocular camera D-S evidence theory weighted box fusion; 分类号 TN209 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于BoT-YOLOX的毫米波图像目标检测: 2; 作者李刚叶学义蒋甜甜李文杰应娜; 机构杭州电子科技大学通信工程学院; 出处《计算机辅助设计与图形学学报》北大核心 2025年第3期484-494,共11页; 基金国家自然科学基金(U19B2016,60802047).; 文摘主动毫米波(active millimeter wave,AMMW)图像具有噪声多、易含伪影、小目标多等特点,一直是隐匿目标检测的挑战.为此,提出了一种基于BoT-YOLOX的毫米波图像目标检测方法.首先,在模型主干网络中引入瓶颈型Transformer(bottleneck Transformer,BoT),加强模型的特征提取能力;然后,调整多尺度目标检测层,并集成全局注意力机制来提高对小目标的检测能力;最后,提出一种多视角加权框融合的后处理方法,用于集成不同视角检测结果,以提高模型的鲁棒性.在自行采集的包括54000幅图像的AMMW数据集上,与基准模型(YOLOX)相比,该模型达到了93.22%的检出率和4.46%的误检率,AP提升了6.74个百分点;在公开AMMW数据集上,与主流方法相比,mAP提升了4.07个百分点.实验结果表明,所提方法对AMMW图像场景的目标,小目标检测准确度更加出色.; 关键词主动毫米波图像瓶颈型Transformer 小目标检测多视角加权框融合; Keywords active millimeter wave image bottleneck Transformer small objects detection multi-view weighted boxes fusion; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多尺度特征融合与加权框融合的遥感图像目标检测: 3; 作者张众维王俊刘树东王志恒; 机构天津城建大学计算机与信息工程学院天津城建大学地质与测绘学院; 出处《计算机应用》北大核心 2025年第2期633-639,共7页; 基金国家自然科学基金资助项目(41971310)。; 文摘遥感图像中目标尺度变化大且目标长宽比差异大,导致遥感图像目标检测困难。针对遥感图像的这一特点,通过改进YOLO框架,提出EW-YOLO(Efficient Weighted-YOLO)提高遥感图像目标检测的精度。首先,在特征融合部分,设计多级特征融合结构,以利用双分支的残差模块促进不同尺度特征的融合,并通过融合模块的级联以及跨层特征的融合设计,增强对不同尺度目标的提取能力,并进一步增强检测能力;其次,在预测部分,提出加权检测头,引入加权检测框融合(WBF),以利用置信度分数对每个候选框进行加权,并融合生成预测框,从而提高不同长宽比目标的检测精度;最后,针对图像尺寸过大的问题,提出图像重采样处理方法,即通过将图像采样至合适大小并参与网络训练,解决由于切割造成的大尺寸目标检测精度较低的问题。在DOTA数据集上进行的实验的结果表明,所提方法的检测平均精度均值(mAP)达到了77.47%,较基于原始YOLO框架的方法提升了1.55个百分点,且优于目前的主流方法。同时,也在HRSC和UCAS-AOD数据集上验证了所提方法的有效性。; 关键词遥感图像目标检测深度学习多尺度特征融合加权检测框融合; Keywords remote sensing image object detection deep learning multi-scale feature fusion weighted boxes fusion(WBF); 分类号 TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名侧扫声纳检测沉船目标的轻量化DETR-YOLO法被引量：12: 4; 作者汤寓麟李厚朴张卫东边少锋翟国君刘敏张晓平; 机构海军工程大学电气工程学院军委联合参谋部战场环境体系论证中心海军海洋测绘研究所中国人民解放军中国地质大学(北京)信息网络中心; 出处《系统工程与电子技术》 EI CSCD 北大核心 2022年第8期2427-2436,共10页; 基金国家优秀青年科学基金(42122025) 国家自然科学基金(41974005,41971416,42074074) 湖北省杰出青年科学基金(2019CFA086)资助课题。; 文摘基于YOLOv5算法的侧扫声纳海底沉船目标检测方法虽然在检测精度和速度上取得了不错的成绩,但是如何在复杂海洋噪声背景下进一步提高小目标检测的准确性、降低重叠目标漏警和虚警率的同时实现模型的轻量化是一个亟需解决的课题。为此,本文创新融合DETR(end-to-end object detection with transformers)与YOLOv5结构,提出了基于DETR-YOLO模型的轻量化侧扫声纳沉船目标检测模型。首先,加入多尺度特征复融合模块,提高小目标检测能力。然后,融入注意力机制SENet(squeeze-and-excitation networks),强化对重要通道特征的敏感性。最后,采用加权融合框(weighted boxes fusion, WBF)策略,提升检测框的定位精度和置信度。实验结果表明,本文模型在测试集AP_0.5和AP_0.5∶0.95值分别达到84.5%和57.7%,较Transformer和YOLOv5a模型大幅度提高,以较小的效率损失和权重增加为代价取得了更高的检测精度,在提升全场景理解能力和小尺度重叠目标处理能力的同时满足轻量化工程部署需求。; 关键词 DETR-YOLO模型多尺度特征复融合加权融合框; Keywords DETR-YOLO model multi-scale feature complex fusion weighted boxes fusion(WBF); 分类号 P227 [天文地球—大地测量学与测量工程]; 在线阅读下载PDF 职称材料

题名基于改进多传感器数据融合算法的温室环境检测研究被引量：8: 5; 作者宋坤李雨婷张钰颖高佳乐杨玉强李依潼; 机构广东海洋大学电子与信息工程学院; 出处《现代电子技术》 2023年第20期178-182,共5页; 基金广东省普通高校重点领域专项(新一代信息技术)(2021ZDZX1015)。; 文摘采用传统方法进行温室环境参数检测,通常存在环境复杂、检测可靠性低、精度差等问题。为提高温室大棚多参数检测数据的准确性,提出一种改进的多传感器数据融合算法。首先利用箱线图算法剔除偏离大的传感器数据,得到最优数据集;其次使用支持度和置信距离理论构建新的支持矩阵,将剔除的异常数据用支持度最高值代替,提高参与融合的数据可靠性;然后利用改进的自适应加权算法对数据进行融合;最后经测试,对传感器数据融合算法和算术加权平均融合算法处理结果进行分析比较。实验结果表明,所提算法能够提高温室环境参数检测的精度,融合值的相对误差更低,稳健性较好。; 关键词温室参数检测多传感器数据融合箱线图算法自适应加权支持度; Keywords greenhouse parameter detection multisensor data fusion box plot algorithm adaptive weighting support degree; 分类号 TN92-34 [电子电信—通信与信息系统] TP212.9 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多传感器融合的无人车目标检测系统研究	陈晓锋李郁峰王传松郭荣樊宏丽朱堉伦	《激光杂志》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于BoT-YOLOX的毫米波图像目标检测	李刚叶学义蒋甜甜李文杰应娜	《计算机辅助设计与图形学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	多尺度特征融合与加权框融合的遥感图像目标检测	张众维王俊刘树东王志恒	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
4	侧扫声纳检测沉船目标的轻量化DETR-YOLO法	汤寓麟李厚朴张卫东边少锋翟国君刘敏张晓平	《系统工程与电子技术》 EI CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
5	基于改进多传感器数据融合算法的温室环境检测研究	宋坤李雨婷张钰颖高佳乐杨玉强李依潼	《现代电子技术》	2023	8	在线阅读下载PDF 职称材料