针对YOLOv3算法实时目标检测性能不佳的缺陷,提出了一种适应实时目标检测的改进网络结构以及视频目标检测的新方法。首先,提出的k-means-threshold(k-thresh)方法弥补了k-means算法对聚类中心初始位置十分敏感的问题,在包括三个类别的数据集中进行聚类分析选择合适的锚框;然后,将4倍下采样和8倍下采样特征图拼接融入第三个检测层,以提高对目标的检测精度,将YOLOv3算法的平均准确率均值提高了2%;最后,通过摄像头捕捉图像和前期得到的优秀检测数据来预测新图像的目标以及加入了重新检测阈值,以提高视频检测流畅度。实验结果表明:所提基于改进的YOLOv3网络在检测精度上得以提高,实时性也有所提高,在30 min的实时检测中最大帧率达到64.26 frame/s,相比原始YOLOv3算法,实时检测速度提高了4倍左右。

在连续变量量子密钥分发(CV-QKD)多维数据协调中,协调效率和密钥传输距离取决于低密度奇偶校验(LDPC)码的纠错性能。在本研究中构造了一种拥有重复累积(RA)码中累积结构的高码率双边类型LDPC码(TET-LDPC),这种双边类型LDPC码在多维数据协调中相比于普通LDPC码可以得到更好的协调性能。经仿真结果可知,在信噪比为1.68 dB时,本文构造的码长为2×105的TET-LDPC的协调效率仍然可以达到98.48％,并得到了17.35 kb／s的安全密钥率。