排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
由于无人机视角下的背景复杂,识别的目标多为远距离小目标,因此容易导致漏检及误检问题。为了实现无人机视角下对行人及车辆高精度识别,提出了以YOLOv7网络模型为基础的ST-YOLOv7算法,主干网络中融合了Swin Transform模块,构建复杂背景与小目标的全局关系,融入SENet通道注意力机制,为不同通道的特征分配不同权重,增强小目标特征的捕捉,在头部网络中,加入了YOLOv5网络中的C3模块,增加网络的深度和感受野,提高特征提取的能力,增加了1个小目标检测层,进一步提升对小目标识别的精度。实验证明:ST-YOLOv7网络模型在自制的航拍数据集中对行人的识别精度高达83.4%,对数据集中的车辆的识别精度达到了89.3%。均优于YOLOv5和YOLOv7目标检测算法,以较小的效率损失取得了较高精度。 相似文献
4.
5.
6.
基于Fluent软件中的6DOF动网格和重叠网格技术对超空泡射弹不同角度入水进行数值模拟仿真,研究了射弹入水角度对射弹的超空泡特性影响。仿真结果表明:射弹两侧空泡形态不对称,与左侧空泡相比,右侧空泡尺寸较小;射弹入水以后,入水角为15°时,偏航角、滚转角的波动范围更小,相对入水角为5°时,其入水稳定性更好;入水角度对射弹流动稳定阶段的滚转力矩、偏航力矩及俯仰力矩影响非常小,且入水后俯仰力矩处于持续增加状态。 相似文献
1