基于Conv-Attention-MLP 的新能源汽车电池异常检测方法陈旭东 何宏*周焱平湖南工程学院计算机与通信学院  湖南湘潭  411104摘要： 在新能源汽车电池异常信号的检测方面，针对传统异常检测方法对多个维度电池数据检测精度低、泛化性差等问题，提出一种融合了卷积（Conv ）、自注意力机制（Attention ）和多层感知机（Multilayer Percept...

第28卷第5期中国惯性技术学报V ol.28 No.5 2020年10月Journal of Chinese Inertial Technology Oct. 2020 文章编号：1005-6734(2020)05-0586-09                        &...

基于改进VGG模型的低照度道路交通标志识别摘要：随着当今社会的迅速发展,智能驾驶系统和无人驾驶汽车逐步进入人们的现实生活,交通标志识别作为其中的关键部分,有着非常高的研究价值。交通标志是由政府在机动车道路上设置的用来警示和限制驾驶人员的图形类标志牌。对于无人驾驶汽车来说,只有当无人驾驶汽车能够准确的识别出交通标志牌上图案的内容,计算机才能够根据当前的环境做出最安全且符合交通规则的判断和行为。因此通...

交通标志识别算法的对比与分析作者：钟玲 于雅洁 张志佳 靳永超来源：《软件工程》2016年第01期        摘 要：交通标志识别作为典型的机器视觉应用，已有多种机器视觉算法得到广泛的应用。卷积神经网络能够避免显式的人工特征提取过程，因此本文引入卷积神经网络为交通标志进行识别研究，并与BP神经网络、支持向量机进行对比实验，通过对实验结果的理解与分析，可以...

Image & Multimedia Technology  •图像与多媒体技术Electronic Technology & Software Engineering  电子技术与软件工程• 65【关键词】车牌号码识别 字符识别 深度学习 卷积神经网络1 引言随着我国现代化和城市化水平的不断进步，人们的生活水平日益提高。近年来，我国机动车的保有量得到快速增长...

基于卷积网络的摩托车画像模型研究近年来，随着深度学习的进展，卷积神经网络（Convolutional Neural Networks，CNNs）在图像识别、人脸识别等领域取得了广泛应用。在交通工具识别领域，CNNs也得到了迅速发展。本文将介绍基于卷积神经网络的摩托车画像模型的研究，并探讨其应用前景。一、介绍摩托车作为一种重要的交通工具，其车型多样、形态丰富。在实际应用中，准确的摩托车识别可用于许多...

• 65•交通标志识别是智能交通系统的一个重要研究方向，也是未来无人驾驶发展的关键一环。特别是针对存在外部因素影响的情况下，比如光照、遮挡等，一个准确性高、鲁棒性强的交通标志识别系统急需出现，可以有效的减少交通事故的发生，保障人身安全和社会财产。本文介绍了交通标志识别技术的发展背景，交通标志相关数层输出自己想要的结果，图1所示为卷积神经网络示意图。利用卷积神经网络来进行交通标志识别也取得了丰硕的成...

基于3D CNN-DDPG端到端无人驾驶控制李国豪【摘 要】文中基于希望直接应用低成本可见光摄像头解决无人驾驶中的刹车、油门和转向控制的问题为目的,采用了深度卷积神经网络和深度确定性策略梯度强化学习结合的方法.通过加入三维卷积神经网络,学习出连续的车辆摄像头视觉感知视频图像帧中的时序属性特征,使得智能体能够利用时序特性更平稳和安全得控制车辆.在开源无人驾驶仿真平台TORCS上进行实验,得出三维卷积...

（三）Pytorch 常⽤迁移学习深度模型结构⽬录SqueezeNet压缩策略1. 将 卷积替换成  卷积：通过这⼀步，⼀个卷积操作的参数数量减少了9倍；2. 减少 卷积的通道数：⼀个卷积的计算量是 （其中 ， 分别是输⼊Feature Map和输出Feature Map的通道数），作者降低  ， 值以减少参数数量；3. 将降采样后置：作者认为较⼤的Feature Map含有更...

详述⽬标检测最常⽤的三个模型：FasterR-CNN、SSD和YOLO最近做⼀些关于Faster R-CNN、SSD和YOLO模型选择和优化的项⽬，之前只了解Faster R-CNN系列⽬标检测⽅法，于是抽空梳理⼀下这⼏个检测模型。先上两张简单的精确度和运算量的对⽐图，有个粗略的了解，虽然图中缺了YOLO，参考价值仍然很⼤：下⾯开始分别详述吧~Faster R-CNN架构传统⽬标检测⽅法⼤致分为如...