Resumen

Los sistemas de percepción de seguridad basados en 5G-V2X se han convertido en una parte indispensable de la construcción de ciudades inteligentes. Sin embargo, la velocidad de detección de los modelos tradicionales de aprendizaje profundo es lenta, y las características de baja latencia de las redes 5G no pueden ser completamente utilizadas. Con el fin de mejorar la capacidad de percepción de seguridad basada en 5G-V2X, aumentar la velocidad de detección en la percepción de vehículos, se propone un modelo de percepción de vehículos. En primer lugar, se adopta un método de extracción de características adaptativas para mejorar la expresión de características a pequeña escala y mejorar la capacidad de extracción de características de objetivos a pequeña escala. Luego, mediante la mejora del método de fusión de características, se fusiona la información superficial capa por capa para resolver el problema de pérdida de características. Finalmente, se introduce un método de mejora de atención para aumentar la capacidad de predicción del punto central y resolver el problema de la oclusión del objetivo. Los resultados experimentales muestran que

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Sistemas de percepción de seguridad; 5g-v2x; Modelos de aprendizaje profundo; Percepción de vehículos; Extracción de características; Mejora de la atención
• Keywords:Security perception systems; 5g-v2x; Deep learning models; Vehicle perception; Feature extraction; Attention enhancement