Loading...
机构名称:
¥ 1.0

摘要这项研究提出了一种创新的视频监视中人行人检测方法,利用Yolov5的功率(您只看一次版本5)与基于光感知融合的功能提取相结合。所提出的方法旨在在不同的照明条件下提高行人检测系统的准确性和效率。yolov5以其实时对象检测功能而闻名,与一种新型的特征提取技术集成,该技术融合了来自多个光感知传感器的信息。这种融合策略允许模型在不同的照明方案中适应和稳健。实验结果证明了所提出的方法的优越性,实现了出色的性能。Yolov5与基于光感知的特征提取的融合,展示了行人检测中有希望的进步,以解决现实监视环境中动态照明条件带来的挑战。关键字:行人检测,视频监视,Yolov5,光感知融合,特征提取

使用YOLO V5与

使用YOLO V5与PDF文件第1页

使用YOLO V5与PDF文件第2页

使用YOLO V5与PDF文件第3页

使用YOLO V5与PDF文件第4页

使用YOLO V5与PDF文件第5页

相关文件推荐

2023 年
¥1.0
2024 年
¥1.0
2020 年
¥3.0
2021 年
¥2.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
1900 年
¥1.0
2022 年
¥1.0
2025 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2020 年
¥1.0
2023 年
¥1.0
2021 年
¥2.0
2020 年
¥1.0
2025 年
¥2.0
2024 年
¥2.0
2015 年
¥1.0
2024 年
¥2.0
2021 年
¥1.0
2023 年
¥1.0
2020 年
¥1.0
1900 年
¥8.0
2018 年
¥26.0
2018 年
¥6.0
2022 年
¥1.0