基于YOLOv5s微光环境下的多模态识别网络OA
Multimodal Recognition Network in Low Light Environment Based on YOLOv5s
近些年来,在目标检测以及图像分割等领域涌现了许多先进的算法.在能见度较差的微光场景下如夜晚、大雾天气等场景中,视频图像具有像素声高、对比度低、无彩色信息等特点,算法的检测性能受到明显限制.与目前主流的RGB相机相比,毫米波雷达对上述复杂环境具有一定的免疫能力,可以在不利条件下辅助RGB相机进行目标检测工作.以单阶段目标检测器中实时性较高的YOLOv5s为基础,结合毫米波雷达的特性,提出了用于微光环境下目标检测的多模态识别网络.与现有的传感器融合方…查看全部>>
In recent years,many advanced algorithms have emerged in the fields of object detection and image segmentation.However,in low light scenarios with poor visibility,such as night and foggy weather,video images have the characteristics of high pixel noise,low contrast and no color information,which significantly limits the detection performance of the algorithm.Meanwhile,compared with mainstream RGB cameras,the millimeter wave radar has certain immunity to the …查看全部>>
吴学礼;赵俊棋;刘雨涵;甄然
河北科技大学电气工程学院,河北石家庄 050018||河北省生产过程自动化工程技术研究中心,河北石家庄 050018河北科技大学电气工程学院,河北石家庄 050018河北科技大学电气工程学院,河北石家庄 050018河北科技大学电气工程学院,河北石家庄 050018||河北省生产过程自动化工程技术研究中心,河北石家庄 050018
计算机与自动化
多模态识别网络毫米波雷达目标检测YOLOv5s微光场景
multimodal recognition networkmillimeter wave radarobject detectionYOLOv5slow light scene
《无线电工程》 2024 (7)
1602-1613,12
国家自然科学基金(62003129)河北省重点研发计划项目(19250801D)National Natural Science Foundation of China(62003129)Key R&D Plan Projects in Hebei Province(19250801D)
评论