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:[篇名]Long-termtransitionofautomotivetechnologyfromviewpointof“motorfan”roadtest,[篇名]Mitigatingeffectondriverworkloadbylanetraceassist,[篇名]Modellingvehicledynamicsforvirtualexperimentation,roadtestsupportinganddynamiccontrol,[篇名]TechniqueforMeasuringDriver'sAttentionLevelbyUsingEvent-RelatedPotentials,[篇名]Theeffectofturbulenceonpeakandaveragepressuresonacardoor,[篇名]TheFirstJapaneseFCBustobeTestedontheRoad,[篇名]TheFordMotorCompanyspin-torsionalNVHtestfacility-2,[篇名]Torque-givenControlofSwitchedReluctanceMotorDriveSuitableforElectricVehicle。
简介:针对单一特征步态识别率低的问题,提出一种将步态能量图(GaitEnergyImage,GEI)中动态部分和Gabor小波特征融合的步态识别算法.首先,通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图,再进一步从步态轮廓图计算得到步态能量图,并从中分割出动态部分.然后,利用Gabor小波从步态能量图的动态部分中提取不同角度的信息,将两步态特征融合在一起,对融合后得到的特征向量用改进的KPCA方法进行降维.最后,将降维后的融合特征向量输入到基于多分类的支持向量机(SupportVectorMachine,SVM)中,从而完成步态的分类和识别.经过在中国科学院自动化研究所CASIA步态数据库上进行实验,取得了很好的识别效果,实验结果表明,与单一特征的步态识别方法相比,融合后算法的识别率提高了约10%.
简介:摘要:我国城市化建设和我国交通工程的快速发展,沥青混凝土道路施工技术是主要施工技术。市政道路作为缓解交通压力的重要组成部分,对人们的高效出行、提高交通运输效率具有较大影响。市政道路工程路面施工中,受到地质条件与各种不确定自然因素的影响。现阶段,我国在市政道路工程方面的研究日益成熟,在一定程度上提高了路面施工质量。然而,受到部分技术因素影响,传统的市政道路工程路面施工方法仍然存在较大的不足,例如施工过程较复杂;在施工过程中对周边的居民产生了不利影响;在降雨、降雪天气时,路面抗滑性能较差,存在一定的安全风险;道路路面的使用性能与使用寿命得不到保障等。沥青混凝土施工技术能够有效地改善上述问题,采用统一施工的方式,既能提高道路路面的耐磨性,同时也能提高路面的抗压性,且后续养护管理工作简单,为路面结构的完整性提供了保障。