[1] 关晓斌, 李战明. 基于SIFT公司和HOG公司特征融合的视频车辆检测算法[J] ●●●●。计算机与数字工程, 2021, 49(6): 1113-1117.
GUAN X B，LI Z M.基于视频SIFT和HOG特征融合的车辆检测算法[J]。计算机与数字工程，2021，49（6）：1113-1117。
[2] 张凯, 李华文. 一种基于支持向量机和HOG公司特征的视频车辆识别算法[J] ●●●●。电子世界, 2019(7): 74-75.
张凯，李海伟.一种基于SVM和HOG特征的视频车辆识别算法[J]。《电子世界》，2019（7）：74-75。
[3] 魏相站, 邵丽萍, 周骅. 基于改进的更快的RCNN模型在车辆类型检测中的应用[J] ●●●●。智能计算机与应用, 2020, 10(7): 97-100.
WEI XZ，SHAO L P，ZHOU Y.改进的Faster RCNN模型在车型检测中的应用[J]。智能计算机与应用，2020，10（7）：97-100。
[4] 曹磊, 王强, 史润佳, 等. 基于改进注册零售编号的更快的RCNN网络合成孔径雷达检测[J] ●●●●。东南大学学报(自然科学版), 2021, 51(1): 87-91.
曹磊，王强，史瑞杰，等.基于快速RCNN中改进RPN的SAR图像车辆目标检测方法[J]。东南大学学报（自然科学版），2021，51（1）：87-91。
[5] 赵宇航, 左辰煜, 朱俊杰, 等. 基于YOLO V3公司的无人机航拍车辆检测方法[J] ●●●●。电子世界, 2020(13): 110-111.
赵玉华，邹春英，赵建杰，等.基于YOLO V3的无人机检测方法[J]。电子世界，2020（13）：110-111。
[6] 宋世奇, 李旭, 祝雪芬, 等. 基于改进固态硬盘城市[J] ●●●●。传感器与微系统, 2021, 40(1): 114-117.
宋世清，李霞，朱晓峰，等。基于改进SSD的城市道路车辆航拍检测方法[J]。传感器和微系统技术，2021，40（1）：114-117。
[7] 范江霞, 张文豪, 张丽丽, 等. 改进YOLOv5型的无人机影像车辆检测方法[J] ●●●●。遥感信息, 2023, 38(3): 114-121.
范俊X，张文海，张丽丽，等.基于YOLOv5的无人机图像车辆检测方法[J]。遥感信息，2023，38（3）：114-121。
[8] 赵倩, 杨一聪. 多重金字塔的轻量化遥感车辆小目标检测算法[J] ●●●●。电子测量技术, 2023, 46(13): 88-94.
赵强，杨永川.多金字塔轻型遥感车小目标检测算法[J]。电子测量技术，2023，46（13）：88-94。
[9] 张利丰, 田莹. 改进YOLOv8公司的多尺度轻量型车辆目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(3): 129-137.
张立发，田毅.改进的YOLOv8多尺度轻型车辆目标检测算法[J]。计算机工程与应用，2024,60（3）：129-137。
[10]孙庆. 基于变压器和BiFPN公司测试[D] ●●●●。西安: 长安大学, 2023
SUN Q.基于Transformer和BiFPN的轻型车辆检测算法研究[D]。西安：长安大学，2023年。
[11] 张河山, 范梦伟, 谭鑫, 等. 基于改进约洛克斯的无人机航拍图像密集小目标车辆检测[J] ●●●●。吉林大学学报(工学版): 1-13[2023-12-28]. https://doi.org/10.13229/j.cnki.jdxbgxb。
20230779
张海生，范敏伟，谭X，等.基于改进YOLOX的无人机航空图像中密集小目标车辆检测[J]。吉林大学学报（工程科学版）：1-13[2023-12-28]。https://doi.org/10.13229/j.cnki.jdxbgxb.20230779。
[12] 戴杰，齐浩，熊毅，等.可变形卷积网络[C]//2017 IEEE国际计算机视觉会议，2017:764-773。
[13] ZHU X Z，HU H，LIN S，et al.可变形ConvNets V2:更多可变形，更好的结果[C]//2019 IEEE/CVF计算机视觉和模式识别（CVPR）会议，美国加利福尼亚州长滩，2019年6月15日至20日。纽约：IEEE出版社，2019:9300-9308。
[14] 王文华，戴继发，陈Z，等。国际图像：利用可变形卷积探索大规模视觉基础模型[J]。arXiv:2211.057782022年。
[15] LAU K W，PO L M，UR REHMAN Y A.大型可分离内核注意力：重新思考CNN中的大型内核注意力设计[J]。arXiv:2309.014392023年。
[16] 肖杰斯？赵T？姚义堂，等。用于微小目标检测的上下文增强和特征细化网络[C]//作为2022年国际LR会议论文正在审查中。
[17] 戴霞，陈毅，肖斌，等.动态头：统一目标检测头与注意[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2021:7373-7382。
[18] REDMON J，DIVVALA S，GIRSHICK R，et al.你只看一次：统一的实时目标检测[C]//IEEE计算机视觉和模式识别会议论文集，2016:779-788。
[19] REDMON J，FARHADI A.YOL9000:更好、更快、更强[C]//IEEE计算机视觉和模式识别会议论文集，2017:7263-7272。
[20] 雷德蒙J，FARHADI A.YOLOv3：渐进式改进[J]。arXiv:1804.027672018年。
[21]BOCHKOVSKIY A，WANG C Y，LIAO H Y M.YOLOv4：目标检测的最佳速度和精度[J]。arXiv:2004.109342020年。
[22] 王鹏飞, 黄汉明, 王梦琪. 改进YOLOv5型的复杂道路目标检测算法[J] ●●●●。计算机工程与应用, 2022 , 58(17): 81-92.
王鹏飞，黄海明，王敏清.基于改进YOLOv5的复杂道路目标检测算法[J]。计算机工程与应用，2022，58（17）：81-92。
[23]WANG C Y，BOCHKOVSKIY A，LIAO H Y M.YOLOv7:可训练的免费行李为实时目标探测器设置了新的最先进技术[C]//IEEE/CVF计算机视觉和模式识别会议记录，2023:7464-7475。
[24] 刘卫光, 刘东, 王璐. 可变形卷积网络研究综述[J] ●●●●。中国，2023, 17(7): 1549-1564.
刘伟光，刘迪，王磊。可变形卷积网络综述[J]。计算机科学与技术前沿杂志，2023，17（7）：1549-1564。
[25] 赵珊, 郑爱玲, 刘子路, 等. 通道分离双注意力机制的目标检测算法[J] ●●●●。计算机科学与探索, 2023, 17(5): 1112-1125.
赵S，郑阿乐，刘振林，等.基于信道分离双注意机制的目标检测算法[J]。计算机科学与技术前沿杂志，2023，17（5）：1112-1125。
[26] 赵振兵, 王帆帆, 刘良帅, 等. 基于注意力特征融合YOLOv5型模型的无人机输电线路航拍图像金具检测方法[J] ●●●●。电测与仪表, 2023, 60(3): 145-152.
赵Z B，王F F，刘L S，等。基于注意力特征融合YOLOv5模型的输电线路图像拟合检测方法[J]。电气测量与仪表，2023，60（3）：145-152。 |
