典型文献
基于DeepLabv3+的鸣笛监测系统定位误差检测
文献摘要：
用传统方法检测鸣笛监测系统的定位误差容易受声相云图中复杂背景干扰且效率低下,提出了一种基于DeepLabv3+的定位误差检测方法.首先定义了横向定位误差和纵向定位误差,然后采用轻量级的主干网络并增加通道注意力机制,对Deep-Labv3+网络结构进行改进,预测出鸣笛声源和伪彩图的中心像素坐标;其次根据现场安装信息建立坐标系转换模型,结合几何推导法获得对应的世界坐标,从而得到定位误差;最后开展了鸣笛监测系统的动静态定位误差室外实验.结果表明:改进DeepLabv3+网络的平均交并比为87.82％,较原始算法提升了3.66％,对鸣笛声源和伪彩图的分割效果更好,检测精度满足鸣笛监测系统的现场定位误差检测要求.
文献关键词：
误差检测;声源定位;鸣笛监测系统;深度学习;DeepLabv3+
中图分类号：
作者姓名：
周云;郑慧峰;姚润广;朱勤丰
作者机构：
中国计量大学计量测试工程学院,浙江 杭州310018
文献出处：
引用格式：
[1]周云;郑慧峰;姚润广;朱勤丰-.基于DeepLabv3+的鸣笛监测系统定位误差检测)[J].传感技术学报,2022(08):1086-1092
A类：
鸣笛监测系统,Labv3+
B类：
DeepLabv3+,系统定位,定位误差,误差检测,云图,复杂背景,背景干扰,轻量级,主干网络,通道注意力机制,预测出,笛声,伪彩,彩图,心像,像素坐标,现场安装,坐标系转换,转换模型,世界坐标,动静态,平均交并比,分割效果,检测精度,现场定位,检测要求,声源定位
AB值：
0.289576
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
