[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。 |