改进的YOLOv3算法对伪装目标检测

针对现有算法对伪装目标检测效率较低的问题,提出了一种基于改进YOLOv3网络的伪装目标检测算法。该算法在现有数据集下,对算法的先验框进行重聚类;依据Darknet53多次利用残差块的特点,将残差网络的级联方式由单级跳连改为多级跳连,改善误差在网络中的回传效果;在网络中添加了注意力模块,增加有用特征的检测权重。实验结果表明,与原始算法相比,改进后的算法模型具有较低的损失值且平均精度均值提高了约4.35%。     

基于标签分组和码分多址的帧时隙ALOHA算法

针对经典ALOHA算法识别效果差的缺点,提出了一种基于标签分组和码分多址的帧时隙ALOHA(G-CD-FSA)算法。该算法先对大量标签进行合理分组,控制标签响应的数量,再利用帧时隙ALOHA算法对标签进行识别,最后利用码分多址技术对碰撞时隙中的标签进行区分。在分组过程中,提出了以吞吐率为标准的分组准则。仿真实验中将该算法与已有ALOHA算法及其改进算法作比较,结果表明,该算法吞吐率高、识别相同数量的标签所需总时隙数量和碰撞时隙数量少,具有一定的实际应用价值。