-
公开(公告)号：CN112101221A
公开(公告)日：2020-12-18
申请号：CN202010971122.0
申请日：2020-09-15
Applicant: 哈尔滨理工大学
Abstract: 一种用于交通信号灯实时检测与识别的方法，属于交通信号灯检测识别领域。本发明是针对YOLOv4算法对小目标检测不敏感导致交通信号灯检测精度较低的问题而提出的。提出浅层特征增强机制，将特征提取网络中不同阶段的两个浅层特征分别与两次上采样后得到的高层语义特征进行融合，增大两个检测层的尺度，提升网络对小目标的定位及颜色分辨能力；引入边界框不确定性预测机制，对预测边界框输出坐标进行建模，加入高斯模型计算坐标信息的不确定度，提高预测边界框的可靠性。利用LISA交通信号灯数据集分别进行检测与识别实验，检测实验中改进YOLOv4算法的AUC值为97.58％相比VIVA提升7.09％；识别实验中改进YOLOv4算法的平均精度均值为82.15％较原始YOLOv4算法提升2.86％。改进后的YOLOv4算法提升交通信号灯的检测与识别精度。
-
公开(公告)号：CN112101221B
公开(公告)日：2022-06-21
申请号：CN202010971122.0
申请日：2020-09-15
Applicant: 哈尔滨理工大学
Abstract: 一种用于交通信号灯实时检测与识别的方法，属于交通信号灯检测识别领域。本发明是针对YOLOv4算法对小目标检测不敏感导致交通信号灯检测精度较低的问题而提出的。提出浅层特征增强机制，将特征提取网络中不同阶段的两个浅层特征分别与两次上采样后得到的高层语义特征进行融合，增大两个检测层的尺度，提升网络对小目标的定位及颜色分辨能力；引入边界框不确定性预测机制，对预测边界框输出坐标进行建模，加入高斯模型计算坐标信息的不确定度，提高预测边界框的可靠性。利用LISA交通信号灯数据集分别进行检测与识别实验，检测实验中改进YOLOv4算法的AUC值为97.58％相比VIVA提升7.09％；识别实验中改进YOLOv4算法的平均精度均值为82.15％较原始YOLOv4算法提升2.86％。改进后的YOLOv4算法提升交通信号灯的检测与识别精度。
-
公开(公告)号：CN209462390U
公开(公告)日：2019-10-01
申请号：CN201920665133.9
申请日：2019-05-10
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种十二维五次混沌模拟电路，属于混沌信号发生器设计技术领域。解决现有低维混沌系统一般存在密钥空间小、不能有效地抵御穷举攻击等问题。该电路包括十二个通道电路：每一个通道电路均由乘法器、反相加法比例运算器、反相积分器、反相器以及电阻、电容组成。可应用于保密通信、电力电网动态分析和保护等领域，多个信号通道使系统的非线性程度更大，随机性更强，系统密钥空间更大，具有较强的抗干扰能力，通信系统的保密效果好，安全性高，具有较高的实际应用价值。
-
公开(公告)号：CN210402347U
公开(公告)日：2020-04-24
申请号：CN201921802300.6
申请日：2019-10-24
Applicant: 哈尔滨理工大学
IPC: G06F30/38
Abstract: 一种基于Simulink实现的十二维十一次混沌模拟电路，属于混沌信号发生器设计技术领域。解决现有低维混沌系统一般存在系统密钥空间小、抗破译能力差、安全性差等问题。该电路包括十二个通道电路：每一个通道电路均由乘法器、反相加法比例运算器、反相积分器、反相器以及电阻、电容组成。可应用于信号检测与处理、保密通信等领域，多个信号通道使系统的空间轨道更具复杂性、抗空间重构能力更强、系统密钥空间更大，具有较强的抗噪声攻击能力，可应用于通信系统，提高其安全性和保密效果。
-
-
-
Search Results
4
records
(took 0.021 seconds)
