瞿绍军
- 作品数：29 被引量：132H指数：6
- 供职机构：湖南师范大学更多>>
- 发文基金：湖南省教育厅科研基金国家自然科学基金湖南省大学生研究性学习与创新性实验计划项目更多>>
- 相关领域：自动化与计算机技术文化科学电子电信更多>>
- 信息家电及远程管理系统的研究被引量：2
- 2010年
- 通信、计算机与家用电器产业的进一步融合，使得数字化，智能化和网络化的信息家电迅速发展，并成为人们的需求。该文就是在这种背景下提出的一套对信息家电的模拟以及远程控制的方案，利用XML语言来描述信息家电，通过数据库实现家电信息数据与远程端客户端之间的交互。分析了家庭中网络设备和信息家电本身的安全机制等。利用身份认证，权限管理，访问控制，审计跟踪实现了不同层次的安全策略。
- 袁成林蔣于亭肖锦文瞿绍军
- 关键词：信息家电XML家庭网络权限
- 基于YOLOv5的雾霾天气下交通标志识别模型被引量：27
- 2022年
- 针对雾霾、雨雪等恶劣天气下小型交通标志识别精度低、漏检严重的问题,提出一种基于YOLOv5的雾霾天气下交通标志识别模型。首先,对YOLOv5的结构进行优化,采用逆向思维,通过削减特征金字塔深度、限制最高下采样倍数来解决小目标难以识别的问题,并通过调整残差模块的特征传递深度来抑制背景特征的重复叠加;其次,引入数据增强、K-means先验框、全局非极大值抑制(GNMS)等机制到模型;最后,在中国交通标志数据集TT100K上验证改进YOLOv5模型在面对恶劣天气时的检测能力,并对精度下降最显著的雾霾天气下的交通标志识别展开了重点研究。实验结果表明,改进YOLOv5模型的F1-score达0.92150,平均精度均值@0.5(mAP@0.5)达95.3%,平均精度均值@0.5:0.95(mAP@0.5:0.95)达75.2%,且所提模型在恶劣天气下仍能进行交通标志的高精度识别,每秒检测帧数(FPS)达到50,满足实时检测的需求。
- 尹靖涵瞿绍军瞿绍军胡玄烨秦晓雨华璞靖
- 关键词：目标检测交通标志识别
- 一种基于yolov3-tiny的航拍车辆检测方法
- 本发明公开了一种基于yolov3‑tiny的航拍车辆检测方法，包括获取原始的航拍图像数据；将获取的原始的航拍图像数据转换为xml文件数据；构建改进型yolov3‑tiny航拍车辆检测网络；采用得到的xml文件数据训练构建...
- 瞿绍军鲁博贺禧
- 文献传递
- 信息家电交互模型的研究
- 2009年
- 该文从信息家电之间的动态组网、自动发现、资源共享和协同服务出发，设计了信息家电从加入网络，发现其它设备和服务，调用服务．直至退出网络的信息家电交互模型。通过该交互模型，信息家电之间可实现透明的连接；统一的设备和服务发现机制；统一的设备和服务访问控制机制：标准的数据资源共享机制等。
- 瞿绍军刘宏
- 关键词：信息家电家庭网络交互模型
- 城市街道语义分割方法及自动驾驶方法
- 本发明公开了一种城市街道语义分割方法，包括获取原始训练数据集；构建基础语义分割网络并添加基于像素的注意力模块和基于图像不同层级的注意力模块，得到基于图像不同层级注意力和像素注意力的基础语义分割网络并训练得到基于图像不同层...
- 瞿绍军欧阳柳刘义亮
- 文献传递
- 让《几何画板》生动起来被引量：8
- 2005年
- 瞿绍军刘宏刘先锋
- 关键词：《几何画板》教学辅助软件多媒体教学
- 以学科竞赛为载体,培养大学生创新能力——以大学生程序设计竞赛为例被引量：31
- 2010年
- 以大学生程序设计竞赛为依据,提出以学科竞赛为载体,推动课程体系和实践教学的改革,建立以竞赛驱动的课程体系和考核体系,达到培养大学生的创新能力、团队合作精神和使用计算机解决实际问题的能力的人才培养模式。
- 瞿绍军
- 关键词：学科竞赛教学改革
- 基于JavaRMI技术信息家电远程控制设计与实现被引量：2
- 2007年
- 本文针对家庭网络分布式环境,探讨基于XML语言描述信息家电基本信息的方法,实现了基于JSP＋JavaBean＋Servlet发布信息家电信息,并自动形成远程的控制界面,同时利用JavaRMI技术实现远程对信息家电的控制,这对于信息家电远程控制的实际应用具有重要意义。
- 唐赞玉刘宏瞿绍军
- 关键词：XML信息家电JAVARMI
- 语义分割网络构建方法、语义分割方法及自动驾驶方法
- 本发明公开了一种语义分割网络构建方法，包括构建短期连接单元；堆叠得到编码器；构建像素级注意力模块；进行上采样构建解码器；结合编码器和和解码器得到语义分割网络；构建细节引导模块用于对语义分割网络进行训练；完成语义分割网络的...
- 瞿绍军欧阳柳付都
- 融合BiFPN和改进Yolov3-tiny网络的航拍图像车辆检测方法被引量：17
- 2021年
- 航拍车辆检测能够从航拍图像中检测出车辆的位置和种类信息,可以为与车辆相关的应用问题提供重要信息支撑.为满足实际运用的要求,需要保证目标检测算法的速度与精度.通常精度较高的深度学习目标检测模型速度较慢,而速度优势明显的简单网络结构算法精度难以满足实际需求.针对这一需求与特性,提出了一种航拍图像车辆目标检测算法,在牺牲微量速度的情况下极大提升检测精度.选择Yolov3-tiny的主干网作为主干网,同时引入BiFPN特征金字塔结构与主干网结合以增进多层次特征的融合,提出一种新的上采样结构,替换原有网络中的上采样结构.在vedai数据集上进行实验,与Yolov3相比,每秒检测帧(fps)与检测精度(map)分别提升了73%、6%.与Yolov3-tiny相比,虽然fps下降了5%,帧数减少2帧,但map提升了9.6%,与ssd、mobilenetv3、efficientnet相比,无论是检测精度还是检测速度都具有明显优势,提出方法的map达到了87.6%.本文所提出的Bi-Yolov3-tiny模型与上采样结构综合了轻量级网络和复杂结构网络的优点,使得航拍图像车辆检测的效果更加精准的同时也保持了较快的速度.
- 鲁博瞿绍军
- 关键词：车辆检测目标检测
