交通系统智能化水平提升亟需诸如人车识别检测基础数据支撑,基于无线感知技术(Wireless Sensing)构建人车识别方法成为近年来研究热点。然而,现存无线感知人车识别方法,普遍存在识别精度较低、识别算法复杂以及应用落地困难等问题。提...交通系统智能化水平提升亟需诸如人车识别检测基础数据支撑,基于无线感知技术(Wireless Sensing)构建人车识别方法成为近年来研究热点。然而,现存无线感知人车识别方法,普遍存在识别精度较低、识别算法复杂以及应用落地困难等问题。提出融合深度可分离卷积和注意力的轻量级无线感知人车识别模型,以深度学习为基础,研究基于信道状态信息(Channel State Information,CSI)的人车识别无线感知方法在交通检测领域的适用性。结果表明,所提模型在所构建的七分类数据集上获得了84.71%的准确率、0.0575s的运行时间,模型占用内存大小为0.071M,较现有方法有明显优势。展开更多
文摘交通系统智能化水平提升亟需诸如人车识别检测基础数据支撑,基于无线感知技术(Wireless Sensing)构建人车识别方法成为近年来研究热点。然而,现存无线感知人车识别方法,普遍存在识别精度较低、识别算法复杂以及应用落地困难等问题。提出融合深度可分离卷积和注意力的轻量级无线感知人车识别模型,以深度学习为基础,研究基于信道状态信息(Channel State Information,CSI)的人车识别无线感知方法在交通检测领域的适用性。结果表明,所提模型在所构建的七分类数据集上获得了84.71%的准确率、0.0575s的运行时间,模型占用内存大小为0.071M,较现有方法有明显优势。
