您当前的位置：
首页 >
文章列表页 >
复杂天气条件下基于YOLO-CGT的自动驾驶车辆检测
信息科学 | 更新时间：2026-09-11
上一篇|下一篇

    • 复杂天气条件下基于YOLO-CGT的自动驾驶车辆检测

    • Autonomous vehicle detection in complex weather based on YOLO-CGT

    • “研究团队提出改进YOLOv8算法YOLO-CGT，"通过在YOLOv8结构中引入多项改进，显著提升了在复杂环境下的检测稳定性"，平均检测精度达81.4%，为自动驾驶安全运行提供保障。”
    • 伍锡如 ，郝家琦 ，赵一波 ，何佳融 ，葛舒雅 ，梁诗意 ，吴思明
    • 光学精密工程 2025年33卷第19期 页码：3135-3149

    • DOI： 10.37188/OPE.20253319.3135     

      中图分类号：
    • CSTR： 32169.14.OPE.20253319.3135     

    • 修回：2025-06-27 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 13 ) 表( 7 )

  • 参考文献

  • 出版信息

  • 数据统计

701

浏览量

982

下载量

2

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

改进YOLOv8的风机叶片多尺度缺陷检测
自适应特征的轻量化路面裂缝检测方法
基于三分支网络的实时图像语义分割
融合Mamba的多尺度遥感图像实例分割网络
融合全局信息与双域注意力机制的光学遥感飞机目标检测

相关作者

朱广
顾晨
张永华
张旭
丁郑阳
史艳琼
徐立云
朱路

相关机构

安徽建筑大学 机械与电气工程学院
同济大学 机械与能源工程学院
华东交通大学 信息与软件工程学院
天津理工大学 天津市先进机电系统设计与智能控制重点实验室
天津理工大学 机电工程国家级实验教学示范中心