期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Haar小波下采样优化YOLOv9的道路车辆和行人检测
被引量：
12
1
作者
李琳
靳志鑫
+1 位作者
俞晓磊
王安红
《计算机工程与应用》
CSCD
北大核心
2024年第20期207-214,共8页
在当前智能化、信息化的大背景下,为了实现无人驾驶模式复杂环境中智能收集道路的行人和车辆目标,提出了一种基于Haar小波下采样(Haar wavelet downsampling,HWD)的YOLOv9算法(HWD_YOLOv9)用于车辆与行人目标检测。Haar小波的下采样操作...
在当前智能化、信息化的大背景下,为了实现无人驾驶模式复杂环境中智能收集道路的行人和车辆目标,提出了一种基于Haar小波下采样(Haar wavelet downsampling,HWD)的YOLOv9算法(HWD_YOLOv9)用于车辆与行人目标检测。Haar小波的下采样操作,降低特征图的空间分辨率,尽可能保留了边缘、纹路等细节信息,有效降低了信息的不确定性。采用交叉熵损失和广义骰子损失之和作为网络的损失函数,可以有效地度量概率分布之间的差异,且逐像素进行骰子损失计算,便于优化网络。实验结果显示,在KITTY数据集上,所提模型的平均精度均值达到了95.86%,检测帧率达到了179 FPS。与YOLOv9相比,改进后的算法能够精确地识别出复杂道路上不同尺度的车辆与行人,改善了原检测算法中的计算容量的冗余和小目标的漏检问题,为智能化的无人驾驶提供了视觉技术支持。
展开更多
关键词
小目标检测
车辆行人
YOLOv9
深度学习
Haar小波下采样
在线阅读
下载PDF
职称材料
题名
Haar小波下采样优化YOLOv9的道路车辆和行人检测
被引量：
12
1
作者
李琳
靳志鑫
俞晓磊
王安红
机构
太原科技大学电子信息工程学院
太原科技大学体育学院
江苏省
质量
和标准化
研究院
国家
射
频
识别
产品检验
检测
中心
(
江苏
)
出处
《计算机工程与应用》
CSCD
北大核心
2024年第20期207-214,共8页
基金
国家自然科学基金联合基金重点项目(U23A20314)
国家自然科学基金(62072325,61771240)
+1 种基金
中国博士后科学基金(2022M711620)
太原科技大学科研启动基金(2024072)。
文摘
在当前智能化、信息化的大背景下,为了实现无人驾驶模式复杂环境中智能收集道路的行人和车辆目标,提出了一种基于Haar小波下采样(Haar wavelet downsampling,HWD)的YOLOv9算法(HWD_YOLOv9)用于车辆与行人目标检测。Haar小波的下采样操作,降低特征图的空间分辨率,尽可能保留了边缘、纹路等细节信息,有效降低了信息的不确定性。采用交叉熵损失和广义骰子损失之和作为网络的损失函数,可以有效地度量概率分布之间的差异,且逐像素进行骰子损失计算,便于优化网络。实验结果显示,在KITTY数据集上,所提模型的平均精度均值达到了95.86%,检测帧率达到了179 FPS。与YOLOv9相比,改进后的算法能够精确地识别出复杂道路上不同尺度的车辆与行人,改善了原检测算法中的计算容量的冗余和小目标的漏检问题,为智能化的无人驾驶提供了视觉技术支持。
关键词
小目标检测
车辆行人
YOLOv9
深度学习
Haar小波下采样
Keywords
small object detection
vehicles and pedestrians
YOLOv9
deep learning
Haar wavelet downsampling(HWD)
分类号
TP391.4 [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
作者
出处
发文年
被引量
操作
1
Haar小波下采样优化YOLOv9的道路车辆和行人检测
李琳
靳志鑫
俞晓磊
王安红
《计算机工程与应用》
CSCD
北大核心
2024
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
