公共文化服务平台

赵勇: 作品数：14 被引量：39H指数：3; 供职机构：北京大学信息工程学院更多>>; 发文基金：国家自然科学基金贵州省科学技术基金深圳市科技计划项目更多>>; 相关领域：自动化与计算机技术电子电信天文地球更多>>

合作作者

Viterbi Decoder ACS单元中路径度量值存储空间的优化被引量：1: 2007年; ACS单元的设计及路径度量(PM)值的存储是Viterbi Decoder硬件实现的重要部分之一。介绍了一种码率为1/2的硬判决Viterbi Decoder的ACS部分的硬件实现方法。采用了一种全新的设计与存储方式,即原位运算旋转地址的方式,极大地节省了在ACS运算过程中用以存储路径度量值的RAM空间,大量的实验证明,设计的译码器在资源消耗上有较大优势。; 郭正伟赵勇; 关键词：卷积码 VITERBI DECODER 幸存路径

基于像素注意力的双通道立体匹配网络: 2020年; 针对现有立体匹配算法在弱纹理、重复纹理、反射表面等病态区域误匹配率高的问题,提出一种基于像素注意力的双通道立体匹配卷积神经网络PASNet,该网络包括双通道注意力沙漏型子网络和注意力U型子网络。首先,通过双通道注意力沙漏型子网络提取输入图像的特征图;其次,通过关联层得到特征图的代价矩阵;最后,利用注意力U型子网络对代价矩阵进行代价聚合,输出视差图。在KITTI数据集上的实验结果表明,所提出的网络能有效解决病态区域误匹配率高等问题,提升立体匹配精度。; 桑海伟徐孩熊伟程左羽赵勇; 关键词：双通道

基于区域感知的多尺度目标检测算法: 2023年; 针对目标检测网络主分支层的特征信息易丢失、不同尺度的特征表达能力不平衡等问题,提出一种基于区域感知的多尺度目标检测算法。在YOLOv5的基础上采用数据增强、改进的边框损失和非极大值抑制方法,构建1个更强健的基线模型,沿着通道方向使用全局最大池化、全局平均池化、卷积等操作设计通道信息增强模块,并分别作用于骨干网络的每个主分支层,使得各个检测头在特征融合过程中也不会丢失主分支层的关键特征,以强化模型对重点区域的感知能力。利用加权特征融合方法融合不同尺度的特征信息,平衡不同尺度的输入特征对输出特征的表达能力,进而提高模型对多尺度目标的感知能力,通过调整模型的通道和深度,设计4种不同规模的网络结构。实验结果表明,相比YOLOv5s,该算法在Pascal VOC、MS COCO、Global Wheat、Wider Face、Motor Defect 5个数据集上的平均精度均值分别提高5.48、3.00、1.94、0.70和1.95个百分点。同时,该算法的平均精度均值最高为50.7%,分别比YOLOv4和Dynamic Head的最大模型提高7.2和3.0个百分点。; 黄路李泽平杨文帮赵勇张嫡; 关键词：目标检测

基于RFID智能感知摄像机的溯源系统被引量：2: 2019年; 近年来,食品安全案件屡有发生,亟需采用透明、安全、可信的食品安全溯源系统。然而现有的溯源系统高额的视频监测储存和传输费用,限制了溯源平台的推广。设计基于RFID具备联动功能的智能感知摄像机,采用自修复机制改进基于RFID的LANDMARC定位算法,精准定位每一只牲畜的活动区域;利用联动摄像头定量采集牲畜活动信息,建立牲畜活动信息;通过GPRS将采集的照片上传到服务器,极大降低视频存储和传输成本。同时将摄像头的功耗降到最低,使其能在野外用太阳能板为系统供电。用户可以通过扫描二维码查询牲畜档案信息,极大降低绿色健康畜产品溯源成本,推动溯源系统的广泛应用。; 桑海伟赵勇; 关键词：RFID

基于AdaBoost算法的Linux病毒检测研究被引量：3: 2018年; 根据机器学习中分类和集成学习理论,设计一种高性能的Linux病毒检测方法。通过训练得到若干基分类器,然后将基分类器的分类结果进行整合,以获得最终检测结果。该方法以ELF文件特征为样本特征、BP神经网络为基分类器,用AdaBoost算法进行基分类器的训练和整合。对AdaBoost算法的基分类器权重计算及基分类器整合部分进行改进,使之更适用于病毒检测问题。实验结果表明,该方法的病毒检测效果优于Avria Linux和FPROT方法。; 吴恋马敏耀黄一峰赵勇; 关键词：病毒检测 ADABOOST算法 BP神经网络 D-S证据理论

基于计算机视觉的自动驾驶算法研究综述被引量：6: 2016年; 从基于传统特征和基于深度学习两方面对自动驾驶技术进行了综述。首先论述了基于传统特征的自动驾驶技术,如道路与车道线的检测、前车检测、行人检测和防撞系统等,由于识别目标种类繁多,基于传统特征的目标检测遇到了很难超越的瓶颈;接着阐述了基于深度学习的自动驾驶算法,采用卷积神经网可以直接学习和感知路面及道路上的车辆,可大幅度提升自动驾驶算法的性能;最后总结全文,并展望了未来的研究方向,即整合传统特征和深度学习特征,进一步提升深度驾驶的拟人化和实用化水平。; 张贵英向函赵勇; 关键词：自动驾驶计算机视觉

基于融合FPN和Faster R-CNN的行人检测算法被引量：15: 2019年; 针对多尺度行人检测的问题,本文提出一种基于融合特征金字塔网络(Feature pyramidnetworks,FPN)和Faster R-CNN(Faster region convolutional neural network)的行人检测算法。首先,对FPN和区域建议网络(Region proposal networks,RPN)进行融合;然后,对FPN和Fast R-CNN进行融合;最后,在Caltech数据集、KITTI数据集和ETC数据集上分别对融合FPN和Faster R-CNN的行人检测算法进行训练和测试。该算法在Caltech数据集、KITTI数据集和ETC数据集上的mAP(meanAverage Precision)分别达到69.72%,69.76%和89.74%。与Faster R-CNN相比,该算法不仅提高了行人检测精度,而且在多尺度行人检测的问题上也获得了较为满意的检测效果。; 王飞王林张儒良赵勇王全红; 关键词：FASTER

应用于行人检测的HLBP与CHLBP纹理特征被引量：3: 2018年; 根据CSLBP(center-symmetric local binary pattern)和Uniform LBP(local binary pattern)特征描述行人局部纹理互补性的特点,提出将二者级联的组合特征用于行人检测:基于灰度图像的纹理特征(hybrid local binary pattern,HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern,CHLBP)。实验结果表明,当FPPW=10–4时,HLBP特征的检测率为93.96%,与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%,基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比,该特征提高了行人检测精度,降低了误检率,检测性能得到较大幅度的提升。; 程如中张永军李晶晶汪国平雷凯赵勇; 关键词：行人检测

基于FPGA的GPS相关器改进方案: 2008年; 在GPS芯片或者其他信号处理芯片中,经常需要做移动相位进行相关的运算,用硬件来实现这样的运算是相当耗资源的,但有时候也不可避免。基于此,在传统的采取循环移位寄存器存储数据并且移位来进行相关运算的基础上提出一种新的方案,考虑到FPGA有大量现成的Block RAM可以利用,所以采用Block RAM来存储数据并且通过改变Block RAM地址来进行相关运算,理论和实践证明,该方法达到了同样的目的并且更加经济有效,节省了大量资源。; 张丹赵勇; 关键词：FPGA BLOCK RAM GPS

基于RDM-YOLOv3的头部检测被引量：2: 2022年; 现有的通用检测方法在小目标检测上仍存在漏检率较高的问题。为了提高头部的检测率,在YOLOv3基础上提出了ResNet DenseNet MDC(Mixed Dilated Convolution)YOLOv3(RDMYOLOv3)目标检测网络。首先改进了YOLOv3的特征提取网络DarkNet53,提出了一种基于ResNet和DenseNet的特征提取网络RDNet,以提取更多的语义信息。然后,使用不同膨胀率的空洞卷积对特征层进行采样,构建混合空洞卷积结构,提高对小目标的敏感度。使用RDMYOLOv3与其他方法在Brainwash数据集和HollywoodHeads数据集上进行对比实验,AP(Average Precision)值分别达到了93.1%和86.8%。所提方法的实验结果优于其他方法,对小目标的检测性能显著提升。; 刘竣文张永军李智赵勇冉新宇崔忠伟牛梦佳; 关键词：机器视觉卷积神经网络

赵勇

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

赵勇

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