检索结果-南通市图书馆

基于C/S和B/S结合模式的实验室信息管理系统的设计

引用

微电子学与计算机 2006年第8期23卷 187-189页

作者：彭月平张娟子袁涛武警工程学院西安交通大学陕西西安710049

简述了高校建立实验室信息管理系统的必要性;分析和提出了基于C/S和B/S结合模式的实验室信息管理系统的总体结构;并对系统功能模块设计和关键问题解决方法也进行了分析和讨论。

关键词： B/S C/S 实验室软件体系结构

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

针对弱小无人机目标的轻量级目标检测算法

引用

激光与光电子学进展 2022年第8期59卷 99-110页

作者：蒋镕圻叶泽聪彭月平谢郭蓉杜衡武警工程大学研究生大队陕西西安710086 武警工程大学信息工程学院陕西西安710086 新疆大学建筑工程学院乌鲁木齐新疆830000

为解决无人机“滥用”带来的安全隐患,针对现有基于深度学习的无人机目标检测算法复杂度较高,导致模型训练耗时长、占用计算资源大、输入图像尺寸受限、检测速度慢等问题,提出了一种轻量级无人机目标检测(DTD-YOLOv4-tiny)算法。所提算... 详细信息

为解决无人机“滥用”带来的安全隐患,针对现有基于深度学习的无人机目标检测算法复杂度较高,导致模型训练耗时长、占用计算资源大、输入图像尺寸受限、检测速度慢等问题,提出了一种轻量级无人机目标检测(DTD-YOLOv4-tiny)算法。所提算法以YOLOv4-tiny为基础,通过K-means++聚类算法对Anchor box进行优化,并增加52×52尺寸特征图的检测头,拓展了算法对小目标的适用范围,再结合ShuffleNetv2轻量化骨干网络,使用reorg_layer下采样和sub-pixel上采样的方式,分别对YOLOv4-tiny算法的Backbone、Neck和Head进行优化,最终得到的模型大小仅为1.4 MB,浮点运算量(GFLOPs)仅为1.1的DTD-YOLOv4-tiny轻量级检测算法。实验结果表明,DTD-YOLOv4-tiny检测模型在不限制图像输入尺寸的同时,保证了较低的运算资源占用和高的检测实时性,同时降低参数量后的算法在面对原始大尺寸图像时也可以保持准确性。在Drone-vs-Bird 2017数据集上使用960×540尺寸的图像作为输入时,所提算法的平均精度(AP)@50值达到95%,在RTX2060显卡上的检测速度达到113 frame/s;在TIB-Net数据集上使用1920×1080尺寸的图像作为输入时,所提算法的AP@50值达到85.1%,在RTX2080Ti显卡上的检测速度达到119 frame/s。

关键词：图像处理弱小无人机目标 DTD-YOLOv4-tiny 轻量级检测模型实时目标检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于粗糙集的多类人群异常行为识别算法

引用

科学技术与工程 2021年第11期21卷 4524-4533页

作者：彭月平蒋镕圻徐蕾武警工程大学信息工程学院西安710086

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法。该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以... 详细信息

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法。该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以及帧间混乱程度五个运动特征量,利用粗糙集从中学习以获取决策规则,再对正常、四散、同向加速跑、突然聚集和群殴这五类人群行为进行分类,并定量对比分析本文算法和其他同类算法处理同一视频集的分类效果。结果表明:与随机森林法等其他同类算法相比,该算法不仅能够有效检测出人群异常行为,还能准确地对五类人群行为进行分类,其识别准确率和覆盖率均有明显提升。

关键词：人群异常行为粗糙集特征量分类

来源：

维普期刊数据库

同方期刊数据库评论