基于深度学习的复杂场景下车牌定位与识别

针对光照昏暗、天气异常等复杂场景下的车牌识别效果不佳的问题,本文提出了一种基于深度学习的复杂场景下车牌定位与识别方法。方法基于YOLOv5的网络结构进行车牌定位,并设计了LPCRNet网络对定位车牌进行精确识别。将该方法应用于一个复杂场景下的标准数据集进行训练和测试,通过与其他方法的实验结果对比表明,本文方法在识别效率与准确性上都取得了更好的效果。

病证结合中医辩证诊疗辅助平台设计与实现

中医证候分类研究是中医辩证施治研究的核心问题之一,病证结合是将西医的病与中医的证候进行关联分析,辅助中医进行疾病诊断。在充分分析中医辩证诊疗需求的基础上,采用软件工程敏捷开发方式进行病证结合中医辩证诊疗辅助平台的设计与架构。开发实现的诊疗辅助平台以临床信息采集模块为基础,以数据分析模块为核心,以专家临床经验分析和个体辅助诊疗为扩展应用,为中医辅助诊疗提供了一个新的手段与途径。

基于SSD多模态多尺度特征融合的行人检测算法

针对行人检测算法在复杂光照场景以及多尺度情况下检测效果较差的问题,提出了一种基于SSD多模态多尺度特征融合的行人检测算法CMMSNet。该算法使用ResNet作为SSD算法的主干特征提取网络,分别提取可见光图像和红外图像两种模态的特征,在多尺度的特征层上使用注意力机制对两种模态的特征进行加权融合,使用多尺度特征融合层进行行人检测。在KAIST数据集上的实验结果表明,CMMSNet在复杂光照场景以及多尺度情况下具有良好的鲁棒性,行人检测效果显著提升。