期刊导航
期刊开放获取
河南省图书馆
退出
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
4
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
基于改进YOLOv5s模型的车辆及行人检测方法
1
作者
董恒祥
潘江如
+2 位作者
董芙楠
郭鸿鑫
赵晴
《北华大学学报(自然科学版)》
CAS
2024年第2期244-254,共11页
针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法。针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;...
针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法。针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;改进特征金字塔结构,增加横向特征图传递,并使用CSP stage替换C3_F特征提取网络,使其获得更多的语义信息和图形信息;改进后处理NMS算法,优化冗余边界框剔除方法,筛选出高质量检测结果。试验结果表明:改进YOLOv5s模型算法的Precision、Recall、mAP@0.5和mAP@0.5:0.95指标均优于Faster-RCNN、YOLOv3-tiny和YOLOv8s算法,与原YOLOv5s模型算法相比Precision下降了0.4%,但Recall、mAP@0.5和mAP@0.5:0.95提高了3.4%、2.1%和6.0%,分别达到了86.1%、92.9%和70.0%,对小目标和遮挡目标的检测效果明显提高,证明此改进方法有效解决了对小目标和遮挡目标检测精度低以及误检、漏检问题。
展开更多
关键词
智能交通系统
交通安全
YOLOv5s模型
小目标
遮挡目标
特征金字塔
后处理NMS算法
下载PDF
职称材料
基于YOLOv5s模型的边界框回归损失函数研究
2
作者
董恒祥
潘江如
+2 位作者
董芙楠
赵晴
郭鸿鑫
《现代电子技术》
北大核心
2024年第3期179-186,共8页
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率...
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。
展开更多
关键词
车辆检测
边界框回归损失函数
目标尺度
YOLOv5s
CIoU
SIoU
Focal-EIoU
WIoU
下载PDF
职称材料
基于QPSO改进LSTM发动机怠速预测的FPID控制
3
作者
赵晴
潘江如
+1 位作者
董恒祥
郭鸿鑫
《现代电子技术》
北大核心
2024年第8期75-82,共8页
以北京现代伊兰特G4GD发动机为试验台,将电控系统故障作为实验变量,测得规定时间内双传感器组合发生故障时的发动机怠速,并选原车ECU较难控制的6种组合怠速故障进行分析。基于量子粒子群算法(QPSO)对长短时记忆神经网络(LSTM)隐含层节...
以北京现代伊兰特G4GD发动机为试验台,将电控系统故障作为实验变量,测得规定时间内双传感器组合发生故障时的发动机怠速,并选原车ECU较难控制的6种组合怠速故障进行分析。基于量子粒子群算法(QPSO)对长短时记忆神经网络(LSTM)隐含层节点、训练次数与学习率进行寻优预测,将预测结果与多种神经网络进行对比,并通过均方根误差(RMSE)评价指标进行判断。使用Origin数据拟合将预测输出结果进行数值拟合,之后输入Matlab中使用Simulink搭建控制单元模型,由模糊常量-积分-微分(FPID)控制器对输出结果进行怠速控制。结果表明:基于量子粒子群算法改进的长短时记忆神经网络预测效果最好;模糊常量-积分-微分控制器对怠速的控制可有效缩短电子控制单元(ECU)的控制时间,无超调,且可有效调节至规定怠速。
展开更多
关键词
发动机怠速
量子粒子群优化算法
长短时记忆神经网络
模糊PID控制
故障分析
时间序列预测
下载PDF
职称材料
新能源汽车充电设施行业现状与发展趋势分析
被引量:
8
4
作者
董恒祥
潘江如
+1 位作者
赵晴
郭鸿鑫
《时代汽车》
2022年第10期128-129,132,共3页
汇集环境保护和能源节约功能的新能源汽车在当今时代越发受到重视,逐渐成为汽车产业未来发展的主要方向。基于此,本文首先介绍了我国新能源汽车市场以及充电设施行业现状,然后对目前新能源汽车充电桩存在的问题进行了分析,最后针对今后...
汇集环境保护和能源节约功能的新能源汽车在当今时代越发受到重视,逐渐成为汽车产业未来发展的主要方向。基于此,本文首先介绍了我国新能源汽车市场以及充电设施行业现状,然后对目前新能源汽车充电桩存在的问题进行了分析,最后针对今后充电设施行业的发展趋势进行了探索。
展开更多
关键词
新能源汽车
充电设施行业
现状
发展趋势
下载PDF
职称材料
题名
基于改进YOLOv5s模型的车辆及行人检测方法
1
作者
董恒祥
潘江如
董芙楠
郭鸿鑫
赵晴
机构
新疆农业大学交通与物流工程学院
新疆工程学院控制工程学院
出处
《北华大学学报(自然科学版)》
CAS
2024年第2期244-254,共11页
文摘
针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法。针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;改进特征金字塔结构,增加横向特征图传递,并使用CSP stage替换C3_F特征提取网络,使其获得更多的语义信息和图形信息;改进后处理NMS算法,优化冗余边界框剔除方法,筛选出高质量检测结果。试验结果表明:改进YOLOv5s模型算法的Precision、Recall、mAP@0.5和mAP@0.5:0.95指标均优于Faster-RCNN、YOLOv3-tiny和YOLOv8s算法,与原YOLOv5s模型算法相比Precision下降了0.4%,但Recall、mAP@0.5和mAP@0.5:0.95提高了3.4%、2.1%和6.0%,分别达到了86.1%、92.9%和70.0%,对小目标和遮挡目标的检测效果明显提高,证明此改进方法有效解决了对小目标和遮挡目标检测精度低以及误检、漏检问题。
关键词
智能交通系统
交通安全
YOLOv5s模型
小目标
遮挡目标
特征金字塔
后处理NMS算法
Keywords
intelligent transportation system
traffic safety
YOLOv5s model
small objects
occluded objects
feature pyramid
post-processing NMS algorithm
分类号
U495 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于YOLOv5s模型的边界框回归损失函数研究
2
作者
董恒祥
潘江如
董芙楠
赵晴
郭鸿鑫
机构
新疆农业大学交通与物流工程学院
新疆工程学院控制工程学院
出处
《现代电子技术》
北大核心
2024年第3期179-186,共8页
文摘
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。
关键词
车辆检测
边界框回归损失函数
目标尺度
YOLOv5s
CIoU
SIoU
Focal-EIoU
WIoU
Keywords
vehicle inspection
bounding box regression loss function
object scale
YOLOv5s
CIoU
SIoU
Focal⁃EIoU
WIoU
分类号
TN911.1-34 [电子电信—通信与信息系统]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于QPSO改进LSTM发动机怠速预测的FPID控制
3
作者
赵晴
潘江如
董恒祥
郭鸿鑫
机构
新疆农业大学交通与物流工程学院
新疆工程学院控制工程学院
出处
《现代电子技术》
北大核心
2024年第8期75-82,共8页
文摘
以北京现代伊兰特G4GD发动机为试验台,将电控系统故障作为实验变量,测得规定时间内双传感器组合发生故障时的发动机怠速,并选原车ECU较难控制的6种组合怠速故障进行分析。基于量子粒子群算法(QPSO)对长短时记忆神经网络(LSTM)隐含层节点、训练次数与学习率进行寻优预测,将预测结果与多种神经网络进行对比,并通过均方根误差(RMSE)评价指标进行判断。使用Origin数据拟合将预测输出结果进行数值拟合,之后输入Matlab中使用Simulink搭建控制单元模型,由模糊常量-积分-微分(FPID)控制器对输出结果进行怠速控制。结果表明:基于量子粒子群算法改进的长短时记忆神经网络预测效果最好;模糊常量-积分-微分控制器对怠速的控制可有效缩短电子控制单元(ECU)的控制时间,无超调,且可有效调节至规定怠速。
关键词
发动机怠速
量子粒子群优化算法
长短时记忆神经网络
模糊PID控制
故障分析
时间序列预测
Keywords
fuel engine idle
quantum particle swarm optimization algorithm
long short-term memory neural network
fuzzy PID control
fault analysis
time series prediction
分类号
TN876-34 [电子电信—信息与通信工程]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
新能源汽车充电设施行业现状与发展趋势分析
被引量:
8
4
作者
董恒祥
潘江如
赵晴
郭鸿鑫
机构
新疆农业大学
出处
《时代汽车》
2022年第10期128-129,132,共3页
文摘
汇集环境保护和能源节约功能的新能源汽车在当今时代越发受到重视,逐渐成为汽车产业未来发展的主要方向。基于此,本文首先介绍了我国新能源汽车市场以及充电设施行业现状,然后对目前新能源汽车充电桩存在的问题进行了分析,最后针对今后充电设施行业的发展趋势进行了探索。
关键词
新能源汽车
充电设施行业
现状
发展趋势
Keywords
new energy vehicles
charging facilities industry
status quo
development trend
分类号
F42 [经济管理—产业经济]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv5s模型的车辆及行人检测方法
董恒祥
潘江如
董芙楠
郭鸿鑫
赵晴
《北华大学学报(自然科学版)》
CAS
2024
0
下载PDF
职称材料
2
基于YOLOv5s模型的边界框回归损失函数研究
董恒祥
潘江如
董芙楠
赵晴
郭鸿鑫
《现代电子技术》
北大核心
2024
0
下载PDF
职称材料
3
基于QPSO改进LSTM发动机怠速预测的FPID控制
赵晴
潘江如
董恒祥
郭鸿鑫
《现代电子技术》
北大核心
2024
0
下载PDF
职称材料
4
新能源汽车充电设施行业现状与发展趋势分析
董恒祥
潘江如
赵晴
郭鸿鑫
《时代汽车》
2022
8
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