一种基于改进Complex-YOLO的3D点云目标检测方法.pdf

一种基于改进YOLO算法的伪装目标检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801169 A (43)申请公布日 2021.05.14 (21)申请号 202110097503.5 (22)申请日 2021.01.25 (71)申请人中国

2023-06-05 约1.79万字 15页立即下载

一种基于改进YOLO-V5s的多目标检测与跟踪方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882351 A (43)申请公布日 2022.08.09 (21)申请号 202210335536.3 G06T 7/277 (2017.01) (22)申请日 2022.03.

2023-05-14 约9.16千字 9页立即下载

一种基于yolo v3改进的小目标检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819010 A (43)申请公布日 2021.05.18 (21)申请号 202110101307.0 (22)申请日 2021.01.26 (71)申请人奥特酷智能科技（南京）有限公司

2023-06-03 约7.18千字 9页立即下载

基于点云的3D目标检测方法研究.pdf 基于点云的3D目标检测方法研究摘要近年来，随着自动驾驶领域的不断发展，传统的基于图像的2D目标检测算法已经无法满足该领域的需要，因此，基于激光雷达点云的三维目标检测算法受到了广泛关注，原因是激光点云很好地保留了三维场景中目标的几何信息、深度特征等，能够实现在三维场景中直接对目标进行检测。针对图像中目标的形状和尺度多变的问题，对基于可变形卷积运算的图像特征提取方法展开了研究，实现了对图像目标特征的自适应提取。针对图像特征缺乏目标的各种尺度信息、空间分布信息、与目标检测任务不兼容的问题，本文对多尺度注意力、空间注意力、通道注意力展开了研究，实现了对图像特征的信息优化。针对点云特征

2025-05-21 约10.09万字 67页立即下载

一种基于YOLO v5的改进目标检测系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882276 A (43)申请公布日 2022.08.09 (21)申请号 202210463011.8 (22)申请日 2022.04.28 (71)申请人哈尔滨理工大学

2023-05-16 约8.33千字 7页立即下载

一种基于YOLO v3的多尺度目标检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801183 A (43)申请公布日 2021.05.14 (21)申请号 202110115719.X (22)申请日 2021.01.28 (71)申请人哈尔滨理工大学地址

2023-06-03 约1.31万字 13页立即下载

基于改进的YOLO v3车辆检测方法.pptx 基于改进的YOLOv3车辆检测方法汇报人：2024-01-27 目录CONTENTS引言YOLOv3算法原理基于改进的YOLOv3车辆检测方法改进方法详述结论与展望 01引言交通安全问题日益严重01随着汽车保有量不断增长，交通事故频发，对人民生命财产安全造成严重威胁。因此，发展高效的车辆检测技术对于提高道路交通安全具有重要意义。智能交通系统的发展需求02车辆检测是智能交通系统（ITS）的核心技术之一，对于实现交通拥堵缓解、智能导航、自动驾驶等功能具有重要作用。YOLOv3算法的广泛应用03YOLOv3算法作为一种优秀的目标检测算法，具有速度快、准确率高、可移植性强等优点，在车辆检测领域具有广

2024-07-03 约3.4千字 26页立即下载

基于改进YOLO的道路场景目标检测技术研究.pdf 摘要随着汽车保有量的持续增加，交通安全问题逐渐成为社会关注的焦点。在此背景下，自动驾驶技术作为解决交通安全难题的关键技术之一，已经获得了国家及企业层面的广泛重视和深入研究。在自动驾驶任务的实现过程中，道路环境中 目标的准确检测是实现任务的基础。尽管目前基于视觉的目标检测算法得到了迅猛的发展，但在复杂的道路场景下，这些算法面临着检测精度低和实时性差的挑战，特别是对于密集小目标和被遮挡目标的检测准确性尚未达到自动驾驶所需的水平。鉴于此，本文基于深度学习目标检测技术，对自动驾驶环境下的道路场景 目标检测算法进行了深入研究，主要工作内容如下：（1）针对道路场景中目标检测精度较低，实时性较

2024-11-28 约10.2万字 79页立即下载

2025-05-25 约2.51万字 40页立即下载

2025-05-28 约3.16万字 52页立即下载

基于注意力机制和图像特征融合的3D点云目标检测方法.docx PAGE 1- 基于注意力机制和图像特征融合的3D点云目标检测方法 一、1.基于注意力机制和图像特征融合的3D点云目标检测方法概述 (1)随着自动驾驶、机器人视觉等领域的快速发展，3D点云目标检测成为了一个重要的研究方向。传统的3D点云目标检测方法主要依赖于基于深度学习的模型，但这些方法在处理复杂场景和遮挡问题时常面临挑战。近年来，基于注意力机制和图像特征融合的3D点云目标检测方法逐渐受到关注。这类方法通过引入注意力机制，能够有效地聚焦于点云中的重要特征，从而提高检测的准确性和鲁棒性。 (2)注意力机制是一种模拟人类视觉注意力的计算模型，它能够自动学习到图像中的关键区域，并在目标检测中起到关键

2025-01-23 约2.25千字 4页立即下载

基于改进YOLO v7的核桃外部缺陷检测方法研究.docx 基于改进YOLOv7的核桃外部缺陷检测方法研究一、引言随着机器视觉技术的发展，自动检测农产品表面缺陷的方法已经成为一个重要的研究领域。其中，核桃作为常见的坚果类农产品，其表面缺陷的检测更是具有实际应用价值。近年来，基于深度学习的目标检测算法在农产品检测领域取得了显著的成果，其中YOLO（YouOnlyLookOnce）系列算法以其高效、准确的性能被广泛使用。本文提出了一种基于改进YOLOv7的核桃外部缺陷检测方法，旨在提高核桃表面缺陷检测的准确性和效率。二、相关研究综述在农产品表面缺陷检测领域，传统的方法主要依赖于人工视觉或简单的图像处理技术，这些方法在面对复杂多变的农产品表面缺陷时，

2025-04-24 约4.57千字 9页立即下载

基于改进型YOLO v3的绝缘子异物检测方法.pptx 基于改进型YOLOv3的绝缘子异物检测方法;引言 YOLOv3算法原理及缺陷分析改进型YOLOv3算法设计实验数据集与评估指标实验结果与分析结论与展望;引言;;;主要工作内容：本文提出了一种基于改进型YOLOv3的绝缘子异物检测方法。首先，对原始YOLOv3算法进行了分析和研究，针对绝缘子异物检测任务的特点和需求，对算法进行了改进和优化。然后，构建了绝缘子异物检测数据集，并对数据集进行了预处理和增强操作。接着，使用改进后的YOLOv3算法对数据集进行训练和测试，并对实验结果进行了分析和评估。最后，将本文方法与其他方法进行对比实验，验证了本文方法的有效性和优越性。;;YOLOv3算法原理

2024-05-31 约小于1千字 32页立即下载

基于改进YOLO网络的公路路面病害检测方法研究.pdf 基于改进YOLO网络的公路路面病害检测方法研究摘要随着我国基础设施的不断完善，道路交通系统逐年稳步发展，逐渐形成了一个庞大的交通网络系统。与此同时，随着道路使用频率的增加，道路养护问题也受到了越来越多的关注。快速、准确地检测道路损坏目标，可以帮助道路部门或有关道路养护机构及时修复路面，从而保证道路安全。本文利用部分公开数据集RDD2020以及自行耗时四个月采集的公路路面病害数据集进行训练和测试，并对如何提高复杂环境下公路路面病害检测精度进行了研究，具体研究内容如下：首先，为了提高后续实验中YOLO训练后模型的精度和鲁棒性，本文使用多种数据增强技术对公路路面病害数据集进行增强，

2025-05-22 约9.21万字 71页立即下载

基于点云补全和特征提取的3D目标检测研究.docx 基于点云补全和特征提取的3D目标检测研究一、引言在计算机视觉领域，三维（3D）目标检测是一项具有挑战性的任务。近年来，随着深度学习技术的发展，特别是点云处理技术的发展，3D目标检测技术在自动驾驶、机器人视觉、虚拟现实等领域的应用日益广泛。点云补全和特征提取是3D目标检测中的关键技术，本文将重点研究这两项技术，并探讨其在实际应用中的效果。二、点云补全技术点云补全技术是针对点云数据缺失或部分信息丢失的情况下，利用算法恢复完整点云数据的技术。在3D目标检测中，点云补全能够提供更完整的物体信息，提高目标检测的准确度。本文采用基于深度学习的点云补全方法。首先，通过深度神经网络对缺失部分的点云数

2025-02-20 约4.79千字 10页立即下载