基于卷积神经网络的道路目标检测算法

针对实际交通场景下道路目标检测时存在检测精度低、检测速度慢以及难以检测小目标的问题,构建一种基于Faster R-CNN的快速、精确道路目标检测算法。该算法包括一个精确目标区域网络(AORN)和一个目标属性学习网络(OALN)。通过引入反卷积结构,设计AORN网络和OALN网络的损失函数,提高小目标的检测性能,为加快算法的计算速度,AORN和OALN交替优化、联合训练。实验结果表明,其测试的平均准确率较先进的目标检测算法Faster R-CNN 提高了0.15,检测速度提高了3 fps。

基于改进YOLO v2的车辆实时检测算法

针对传统的车辆检测算法存在鲁棒性差、检测速度慢和准确率低等问题,提出基于改进YOLO v2模型的车辆实时检测算法。通过目标框维度聚类、网络结构改进以及输入图像多尺度变换等方法对YOLO v2算法进行改进,对比传统的Faster RCNN检测算法,改进的算法提升了检测速度和准确度,将帧速度提升到了45f/s,精确度提升到了97.21%,在车辆实时检测方面效果更好。

车辆实时检测研究综述

车辆实时检测属于计算机视觉的研究内容之一,其主要目的在于识别和定位视频中的车辆。文章首先对传统车辆实时检测的特点进行回顾并总结存在的一些问题,然后对卷积神经网络的基本结构进行介绍,重点分析和讨论了应用YOLO_v2算法进行车辆实时检测的思路和方法,最后总结了当前存在的问题以及未来的发展方向。

会计信息失真的市场经济制度因素浅析

会计信息质量,关系到国家宏观经济决策和投资者利益,社会各界都比较关心。但不管国家对会计信息监督的成效多么显著,我们不得不面对社会上仍然存在会计造假的现实。辽宁有黎明公司落马、杨斌折戟,上海有巨富周正毅案等就说明会计信息失真仍然存在。世界能源巨子安然的轰然倒塌,已如前年秋天的一片枫叶,尘封在河边的泥塘里,然而安然的启示是巨大的。美国与中国的会计信息失真毕竟有质的不同。美国搞的是自由市场经济,而我们的社会主义市场经济才初步建立。本文拟对会计信息失真进行市场经济制度层面的浅析,企望能够揭示会计信息失真的宏观因素。