简介:道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.
简介:低密度奇偶校验码(LowDensityParityCheckcodes,LDPCcodes)和极化码(Polarcodes),是国际移动通信标准化组织3GPP在5G(5th-Generation)增强移动宽带场景的信道编码技术方案中,分别作为数据信道和控制信道的编码方案.LDPC码编码复杂度较高、硬件资源需求较大以及存在错误平层,而极化码具有线性编码复杂度以及瀑布式下降曲线,基于二者的级联系统可以大大改善彼此的缺点.首先我们研究分析了现有的级联系统,其次详细介绍了级联系统的实现方法,最后就级联系统研究中现存问题进行了分析,并探讨了其未来发展趋势.
简介:软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.