摘要：受道路病害特征不明显、与背景对比度低等复杂因素的影响,基于传统数字图像处理技术的识别算法精度低。而现有深度学习目标检测算法参数量大,不适合移动端实时检测。为了更高效、准确地识别道路病害,提出一种基于YOLOv5的改进算法。该算法致力于实现道路检测的实时性和精确度之间的平衡,通过引入轻量级Ghost模块用更少的参数生成更多的特征图,减少模型参数;将基于CSP结构中的C3Ghost模块重新设计成一种新型的InceptionGhost模块,实现从不同尺度进行特征提取,保障模型精度。通过在骨干网络添加CBAM注意力机制进一步加强特征提取能力。由于采集到的样本分布不均匀,使用Focal-EIoU损失函数改善样本数量不平衡的问题,提高模型的鲁棒性。实验结果表明,改进后的算法较原有的YOLOv5s模型,mAP@0.5提高了2.5百分点,同时参数量压缩了36.6%,检测速度提高了16.9%;并通过与目前先进算法和其他改进算法的对比表明,该算法在精度和参数量方面显示出明显的优越性。

摘要：为推动汽车产业高质量发展,实现汽车产业的数字化、智能化,利用信息技术深度赋能传统汽车行业,设计一款面向数字化转型车企、顾客的,将车企与消费者有机联系的高效率数字化服务系统,具有重要的现实意义。文中基于主流的SSM框架开发技术,设计并实现了满足新型车企和顾客使用的DTC(直面消费者模式)数字化系统。该系统旨在提供全面的汽车服务和数字业务支持功能,针对使用对象分为车企端和顾客端,依托便捷实时的互联网平台,解决了传统4S店销售模式效率低下,内部汽车、人员管理繁琐,市场灵活性差以及汽车消费者看车、选车困难,难以掌握最新汽车市场情况等问题。经过试运行发现,该系统能出色地满足了车企与消费者的实际需要,对于帮助实现车企数字化转型和提高消费者购车满意度,具有很强的实用价值。