• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >YOLO-Based Simultaneous Target Detection and Classification in Automotive FMCW Radar Systems
【2h】

YOLO-Based Simultaneous Target Detection and Classification in Automotive FMCW Radar Systems

机译：汽车FMCW雷达系统中基于YOLO的同时目标检测和分类

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes a method to simultaneously detect and classify objects by using a deep learning model, specifically you only look once (YOLO), with pre-processed automotive radar signals. In conventional methods, the detection and classification in automotive radar systems are conducted in two successive stages; however, in the proposed method, the two stages are combined into one. To verify the effectiveness of the proposed method, we applied it to the actual radar data measured using our automotive radar sensor. According to the results, our proposed method can simultaneously detect targets and classify them with over 90% accuracy. In addition, it shows better performance in terms of detection and classification, compared with conventional methods such as density-based spatial clustering of applications with noise or the support vector machine. Moreover, the proposed method especially exhibits better performance when detecting and classifying a vehicle with a long body.
机译：本文提出了一种使用深度学习模型（特别是您一次看（YOLO））和预处理的汽车雷达信号同时检测和分类对象的方法。在传统方法中，汽车雷达系统中的检测和分类是分两个连续的阶段进行的;然而，在所提出的方法中，两个阶段被合并为一个。为了验证该方法的有效性，我们将其应用于使用我们的汽车雷达传感器测量的实际雷达数据。根据结果​​，我们提出的方法可以同时检测目标并以90％以上的精度对目标进行分类。此外，与传统方法（例如基于噪声的应用程序的基于密度的空间聚类或支持向量机）相比，它在检测和分类方面表现出更好的性能。此外，当检测和分类具有长车身的车辆时，所提出的方法尤其表现出更好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号