亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

MS-YOLO: Object Detection Based on YOLOv5 Optimized Fusion Millimeter-Wave Radar and Machine Vision

人工智能 雷达 计算机视觉 计算机科学 目标检测 传感器融合 极高频率 帧速率 雷达成像 模式识别(心理学) 电信
作者
Yunyun Song,Zhen Xie,Xinwei Wang,Yingquan Zou
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:22 (15): 15435-15447 被引量:32
标识
DOI:10.1109/jsen.2022.3167251
摘要

Millimeter-wave radar and machine vision are both important means for intelligent vehicles to perceive the surrounding environment.Aiming at the problem of multisensor fusion, this paper proposes the object detection method of millimeter-wave radar and vision fusion.Radar and camera complement each other, and radar data fusion in machine vision network can effectively reduce the rate of missed detection under insufficient light conditions, and improve the accuracy of remote small object detection.The radar information is processed by mapping transformation neural network to obtain the mask map, so that radar information and visual information in the same scale.A multi-data source deep learning object detection network (MS-YOLO) based on millimeter-wave radar and vision fusion was proposed.Homemade datasets were used for training and testing.This maximized the use of sensor information and improved the detection accuracy under the premise of ensuring the detection speed.Compared with the original YOLOv5 (the fifth version of the You Only Look Once) network, the results show that the MS-YOLO network meets the accuracy requirements better.Among the models, the large model of MS-YOLO has the highest accuracy with an mAP reaching 0.888.The small model of MS-YOLO has good accuracy and speed, and the mAP reaches 0.841 while maintaining a high frame rate of 65 fps.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
orixero应助科研通管家采纳,获得10
10秒前
CharlotteBlue应助Wei采纳,获得10
38秒前
Wednesday Chong完成签到 ,获得积分10
46秒前
发文章发布了新的文献求助100
54秒前
严剑封完成签到,获得积分10
1分钟前
万能图书馆应助Wei采纳,获得10
1分钟前
这个手刹不太灵完成签到 ,获得积分10
2分钟前
小蘑菇应助科研通管家采纳,获得10
4分钟前
完美世界应助科研通管家采纳,获得30
4分钟前
落后从阳完成签到 ,获得积分10
4分钟前
mathmotive完成签到,获得积分10
5分钟前
李剑鸿应助科研通管家采纳,获得10
6分钟前
6分钟前
Ameng发布了新的文献求助10
6分钟前
Ameng完成签到,获得积分10
6分钟前
焚心结完成签到 ,获得积分10
7分钟前
不安嵩完成签到,获得积分20
7分钟前
8分钟前
不安嵩发布了新的文献求助30
8分钟前
韩学冲完成签到 ,获得积分10
8分钟前
从容芮完成签到,获得积分0
11分钟前
CharlotteBlue应助迷糊的橙子采纳,获得30
11分钟前
14分钟前
侯小菊发布了新的文献求助10
14分钟前
hx完成签到,获得积分20
15分钟前
这不是我本名完成签到,获得积分0
16分钟前
xiewuhua完成签到,获得积分10
16分钟前
顾矜应助侯小菊采纳,获得10
17分钟前
黑蚊子多完成签到 ,获得积分10
17分钟前
lixuebin完成签到 ,获得积分10
17分钟前
w1x2123完成签到,获得积分10
20分钟前
YYYYYYYYY完成签到,获得积分10
20分钟前
21分钟前
zeer0707发布了新的文献求助10
21分钟前
21分钟前
风起云涌龙完成签到 ,获得积分0
22分钟前
23分钟前
四氧化三铁完成签到,获得积分10
23分钟前
yanhua发布了新的文献求助10
23分钟前
郑牛牛发布了新的文献求助10
23分钟前
高分求助中
Teaching Social and Emotional Learning in Physical Education 900
Gymnastik für die Jugend 600
Chinese-English Translation Lexicon Version 3.0 500
Electronic Structure Calculations and Structure-Property Relationships on Aromatic Nitro Compounds 500
マンネンタケ科植物由来メロテルペノイド類の網羅的全合成/Collective Synthesis of Meroterpenoids Derived from Ganoderma Family 500
[Lambert-Eaton syndrome without calcium channel autoantibodies] 440
Plesiosaur extinction cycles; events that mark the beginning, middle and end of the Cretaceous 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2384351
求助须知:如何正确求助?哪些是违规求助? 2091281
关于积分的说明 5257866
捐赠科研通 1818169
什么是DOI,文献DOI怎么找? 906953
版权声明 559082
科研通“疑难数据库(出版商)”最低求助积分说明 484248