公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于HMC5983磁阻传感器的乘用车底部地磁场分布特性的实验研究被引量：8: 2017年; 为解决城市车辆拥有量大、停车位资源稀少、居民停车难等问题,基于地磁测量的停车位检测与管理是当前研究的热点问题。车辆对地磁场的扰动及其地磁场的变化特点,是解决该问题的基础和关键问题。本文通过磁阻传感器完整测试了不同车型底部及其周围地磁场三轴分量的分布与变化情况,并通过MATLAB软件分别绘制出不同车辆底部及其周围地磁场变化的三维图,直观地显示了车辆不同位置对周围地磁场的扰动情况,其结果对研究停车位检测具有重要参考价值。; 赵东亮李凤郑毅刘守印; 关键词：磁阻传感器 ZIGBEE

基于HMC5983磁阻传感器的乘用车底部地磁场分布特性的实验研究被引量：3: 2016年; 为解决城市车辆拥有量大、停车位资源稀少、居民停车难等问题,基于地磁测量的停车位检测与管理是当前研究的热点问题。车辆对地磁场的扰动及其地磁场的变化特点,是解决该问题的基础和关键问题。本文通过磁阻传感器完整测试了不同车型底部及其周围地磁场三轴分量的分布与变化情况,并通过MATLAB软件分别绘制出不同车辆底部及其周围地磁场变化的三维图,直观地显示了车辆不同位置对周围地磁场的扰动情况,其结果对研究停车位检测具有重要参考价值。; 赵东亮李凤郑毅刘守印; 关键词：磁阻传感器

自动驾驶环境感知多任务去耦-融合算法: 2024年; 自动驾驶车辆在行驶过程中,需要对行人和车辆同时完成目标检测、实例分割和目标跟踪三个任务。提出一种基于深度学习的环境感知模型同时对三个任务进行多任务学习。首先,通过卷积神经网络对连续帧图像提取时空特征;然后,通过注意力机制对时空特征进行去耦再融合,充分利用任务间的相关性,实现不同任务对时空特征的差异化选择;最后,为平衡不同任务间的学习速率,使用动态加权平均的方式对模型进行训练。在KITTI数据集上的实验结果表明,所提模型在目标检测方面,比CenterTrack模型F1得分提高了0.6个百分点;在目标跟踪方面,比TraDeS(Track to Detect and Segment)模型多目标跟踪精度(MOTA)提高了0.7个百分点;在实例分割方面,比SOLOv2(Segmenting Objects by LOcations version 2)模型AP_(50)和AP_(75)分别提高了7.4和3.9个百分点。; 廖存燚郑毅刘玮瑾于欢刘守印; 关键词：自动驾驶环境感知目标检测目标跟踪多任务学习

基于长短时记忆网络的人体姿态检测方法被引量：20: 2018年; 针对在循环神经网络(RNN)网络结构下较为遥远的历史信号无法传递至当前时刻的问题,长短时记忆(LSTM)网络作为RNN的一种变体被提出,在继承RNN对时间序列优秀的记忆能力的前提下,LSTM克服了这种时间序列的长期依赖问题,并在自然语言处理与语音识别领域有较好的表现。对于人体行为动作中也存在作为时间序列的长期依赖问题与使用传统滑窗算法采集数据时造成的无法实时检测的问题,将LSTM扩展应用到人体姿态检测,提出了基于LSTM的人体姿态检测方法。通过目前智能手机中一般都带有的加速度传感器、陀螺仪、气压计和方向传感器实时采集的时序数据,制作了包含3 336条带有人工标注数据的人体姿态数据集,对行走、奔跑、上楼梯、下楼梯和平静五种日常持续性行为姿态与跌倒、起立、坐下和跳跃这四个突发行为姿态进行预测分类。对比LSTM网络与该研究领域内常用的浅层学习算法、深度学习全连接神经网络与卷积神经网络,实验结果表明,所提方法使用端对端的深度学习的方法相比基于所制作数据集的人体姿态检测算法模型的正确率提高了4.49个百分点,验证了该网络结构的泛化能力且更适合姿态检测。; 郑毅李凤张丽刘守印; 关键词：多传感器时序数据

基于文本筛选和改进BERT的长文本方面级情感分析被引量：9: 2020年; 方面级情感分析旨在分类出文本在不同方面的情感倾向。在长文本的方面级情感分析中,由于长文本存在的冗余和噪声问题,导致现有的方面级情感分析算法对于长文本中方面相关信息的特征提取不够充分,分类不精准;而在方面分层为粗粒度和细粒度方面的数据集上,现有的解决方案没有利用粗粒度方面中的信息。针对以上问题,提出基于文本筛选和改进BERT的算法TFN+BERT-Pair-ATT。该算法首先利用长短时记忆网络(LSTM)和注意力机制相结合的文本筛选网络(TFN)从长文本中直接筛选出与粗粒度方面相关的部分语句;然后将部分语句按次序进行组合,并与细粒度方面相结合输入至在BERT上增加注意力层的BERT-Pair-ATT中进行特征提取;最后使用Softmax进行情感分类。通过与基于卷积神经网络(CNN)的GCAE(Gated Convolutional Network with Aspect Embedding)、基于LSTM的交互式注意力模型(IAN)等经典模型相比,该算法在验证集上的相关评价指标分别提高了3.66%和4.59%,与原始BERT模型相比提高了0.58%。实验结果表明,基于文本筛选和改进BERT的算法在长文本方面级情感分析任务中具有较大的价值。; 王昆郑毅方书雅刘守印; 关键词：情感分析

海港码头冷藏集装箱仪表盘类型与温度示数识别方法研究: 2023年; 针对码头上人工巡检冷藏集装箱费时费力的问题,提出了一种基于YOLOv4-tiny算法的集装箱温度识别方法。通过两步检测的方法,第一步,检测仪表盘类别与位置,裁剪下仪表盘区域;第二步,检测裁剪区域上的数字,并通过仪表盘类型选择不同组合算法,将数字组合成温度,解决了不同仪表盘温度排列不同以及数字小目标检测困难的问题。针对仪表盘检测与数字检测任务的难度差异,在保证各个任务精度的基础上,通过减少模型参数量,提升推理速度。同时在模型网络中加入注意力机制,使网络更加关注主要特征,提升模型识别准确率。实验表明,改进后的仪表盘检测模型和数字模型在测试集上分别达到了99.84%和98.64%的检测精度,且在树莓派上达到了2.4FPS的检测帧数。; 李重阳廖存燚郑毅刘守印

面向城区的基于图去噪的小区级RSRP估计方法: 2024年; 移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异,经过校正后的模型只适用于对应小区,且小区内的RSRP估计精度低。针对上述问题,将RSRP估计问题转化为图去噪问题,并通过图像处理与深度学习技术得到小区级无线传播模型,不仅能实现小区整体的RSRP估计,且能适用于相似环境小区。首先,通过随机森林回归器逐点预测每个接收点的RSRP,得到整个小区的RSRP估计图;然后,将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图,提出基于条件生成对抗网络(CGAN)的图去噪RSRP估计方法,通过电子环境地图反映小区的环境信息,有效地降低不同小区的RSRP。实验结果表明,在无实测数据的跨小区RSRP预测场景下,所提方法预测RSRP的均方根误差(RMSE)为6.77 dBm,相较于基于卷积神经网络的RSRP估计方法EFsNet下降2.55 dBm;在同小区RSRP预测场景下,相较于EFsNet,模型参数量减小80.3%。; 郑毅廖存燚张天倩王骥刘守印; 关键词：无线传播模型

全选清除导出

共1页<1>

郑毅

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

郑毅

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈