-
题名基于改进YOLOv8的密集行人检测模型
- 1
-
-
作者
黄昆
齐肇建
王娟敏
胡倩
胡伟超
皮建勇
-
机构
贵州大学公共大数据国家重点实验室计算机科学与技术学院
贵州移动信息科技有限公司
贵州大学云计算与物联网研究中心
-
出处
《计算机工程》
北大核心
2025年第5期133-142,共10页
-
基金
贵州省科技支撑计划(黔科合支撑[2023]一般430)。
-
文摘
密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先,在主干网络使用nostride-Conv-SPD模块,增强对图像小目标特征等细粒度信息的提取能力;其次,在YOLOv8网络的颈部引入小目标检测头和CARAFE上采样算子对各尺度特征进行融合,以提高在小目标情况下的检测效果。实验结果表明,所提模型在CrowdHuman数据集上mAP@0.5和mAP@0.5∶0.95分别取得了84.3%和58.2%的检测效果,与原YOLOv8n相比分别提高了3.7和5.2百分点;在WiderPerson数据集上取得了88.4%和67.4%,与原YOLOv8n相比提高了1.1和1.5百分点。
-
关键词
密集行人检测
YOLOv8网络
nostride-Conv-SPD模块
CARAFE算子
小目标检测头
-
Keywords
aggregation pedestrian detection
YOLOv8 network
nostride-Conv-SPD module
CARAFE operator
small object detection head
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于MapReduce的SON算法实现
被引量：7
- 2
-
-
作者
郭进伟
皮建勇
-
机构
贵州大学计算机科学与技术学院
贵州大学云计算与物联网研究中心
-
出处
《计算机应用》
CSCD
北大核心
2014年第A01期100-102,106,共4页
-
文摘
在挖掘频繁项集的算法中,SON算法能够有效地降低CPU和I/O负载,但是SON算法在单节点上运行时仍然受限于内存和CPU;并且随着海量数据的来临,单节点也无法满足数据的存储。在深入研究SON算法的基础之上,提出了MapReduce编程模型实现SON算法的方法。算法的执行需要两轮MapReduce迭代,第一轮迭代求出局部频繁项集,第二轮迭代求出全局频繁项集。实验结果表明:SON算法采用MapReduce编程模型并行化后,部署在Hadoop集群上运行,随着分区数目的增加能够获取较好的加速比。
-
关键词
数据挖掘
频繁项集
MAPREDUCE
SON算法
HADOOP
-
Keywords
data mining
frequent itemset
MapReduce
SON algorithm
Hadoop
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于自生成深度神经网络的4D航迹预测
被引量：5
- 3
-
-
作者
李旭娟
皮建勇
黄飞翔
贾海朋
-
机构
贵州大学计算机科学与技术学院
贵州大学云计算与物联网研究中心
中国民用航空西南地区空中交通管理局贵州分局
-
出处
《计算机应用》
CSCD
北大核心
2021年第5期1492-1499,共8页
-
文摘
针对四维(4D)航迹预测的实时性不强和存在迭代误差的问题,提出了一种自动生成的条件变分自动编码器(AutoCVAE)。它以编码-解码的形式直接对未来一段时间的航迹进行预测,并能灵活选取观测点个数和预测步长。该方法以处理后的广播式自动相关监视(ADS-B)数据为引导,以减小预测误差为目标,通过贝叶斯优化的方法,在预定义的搜索空间内进行模型结构搜索,每一次的超参数取值都会参考之前的评估结果,使得每一次的模型结构都能向目标更靠近一点,最终实现了一个基于ADS-B数据的高精度的4D航迹预测模型。实验得出,所提模型能快速准确地进行航迹的实时预测,其中经纬度平均绝对预测误差(MAE)均小于0.03°,高度MAE小于30 m,各时刻点的时间误差也不会超过10 s,每次批量预测轨迹的延迟时间不超过0.2 s。
-
关键词
航迹预测
条件变分自动编码器
深度生成模型
数据挖掘
广播式自动相关监视
-
Keywords
trajectory prediction
Conditional Variational Auto-Encoder(CVAE)
deep generative model
data mining
Automatic Dependent Surveillance-Broadcast(ADS-B)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
