基于改进的轻量级YOLOv3的交通信号灯检测与识别

交通信号灯的准确检测与识别可以提高驾驶的安全性,减少交通事故的发生。为了提高移动端识别的准确率和速度,提出一种改进的轻量级YOLOv3模型实现交通信号灯的检测与识别。首先,采用轻量级的ShuffleNetv2网络替换YOLOv3的主干网络DarkNet53,实现交通信号灯的快速检测与识别;接着,融合ShuffleNetv2网络中的低、中、高层特征组成最终的高层输出特征,以丰富交通信号灯的特征表示;最后,基于多尺度的检测和结果融合,完成交通信号灯的准确检测与识别。实验证明,本文提出的轻量级YOLOv3模型应用于交通信号灯公开数据集LaRa时,平均精度均值达到87.21%,漏检率仅为6.24%。与其他轻量级YOLOv3模型相比,本文的模型也有着更高的平均精度均值和更低的漏检率,并且模型大小仅为YOLOv3的1/8,检测速度却是YOLOv3的3倍。

高考数学“数列”试题分析与教学建议——以2016-2019年全国Ⅱ卷文科试题为例

数列既是高中数学知识中的重要内容之一,也是未来学习高等数学的重要基础之一.它作为一种特殊的函数,在高考中经常与其它数学知识交互联系,并以选择、填空、解答题形式出现.命题人依据《普通高中数学课程标准(2017版)》的要求,在近几年把数列当作热门考点进行命题,以考查学生'四基''四能'、数学思想、数学联系的掌握程度.本文对2016-2019年高考文科数学全国Ⅱ卷中数列试题的特点进行分析,并提出了一些教学建议.

基于改进YOLOv4的交通信号灯倒计时数字检测与识别

交通信号灯倒计时数字的快速检测和准确识别可以提高驾驶的安全性,减少交通事故的发生。针对目标检测算法在交通信号灯倒计时数字检测与识别中准确率较低、漏检率较高的问题,提出一种基于改进YOLOv4的交通信号灯倒计时数字检测与识别算法。首先将YOLOv4的主干网络CSPDarkNet53替换为CSPResNet50vd,并将CSPResNet50vd中stage4的3×3标准卷积替换为可变形卷积。实验表明,改进的YOLOv4算法达到79.34%的mAP和9.59%的漏检率。相较于YOLOv4,mAP提高2.58%,漏检率降低1.84%,检测速度提升了22.65%,有效地提高了识别准确率和检测速度、降低了漏检率。