点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 车道线检测深度学习
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
深度学习 caffe总结.doc
深度学习相关的理论知识以及算法的caffe实现等,了解了深度学习在车道线检测上的应用。同时,学习了车道线检测中经常使用的ICP算法、RANSAN算法、EKF算法等。
所属分类:
深度学习
发布日期:2018-01-08
文件大小:228352
提供者:
lianshengan
车道线检测国外现状
车道线检测深度学习车道线检测深度学习深度学习车道线间测
所属分类:
机器学习
发布日期:2018-06-23
文件大小:20480
提供者:
m0_38026629
VPGNet源码
2017年的新论文里的代码实现,车道线检测,使用了深度学习,caffe框架
所属分类:
深度学习
发布日期:2018-07-12
文件大小:9437184
提供者:
u013263891
利用c++实现车道线识别.pdf
本篇文章是在学习C++的时候做的小项目,对目前的方法进行了稍微的改动,效果还可以。目前车道线检测方面的方法主要包括:基于Hough变换、基于透视变换、基于机器学习和深度学习。其中第一种方法是根据车道线与周围环境的物理特征差异进行图像的处理,从而检测到车道线,该方法复杂度较低,实时性较高,但易受到道路环境的干扰,而且Hough变换的直线检测特质导致了该方法在道路曲率较大时的检测误差较大。本文是利用c++和Hough变换实现对车道线的检测。
所属分类:
C++
发布日期:2019-08-06
文件大小:475136
提供者:
qq_14813425
detector.py
代码利用深度学习成功实现了车辆检测和车道线检测
所属分类:
Python
发布日期:2019-09-18
文件大小:14336
提供者:
qq_14813425
车道线检测.xmind
【视觉CV】车道线检测 项目+源代码 博客地址:https://blog.csdn.net/zzx188891020
所属分类:
深度学习
发布日期:2020-05-13
文件大小:160768
提供者:
zzx188891020
基于深度学习的车道线检测与识别.caj
基于深度学习的辅助驾驶系统中行人检测跟踪研究.caj 基于深度学习的辅助驾驶系统中行人检测跟踪研究.caj
所属分类:
其它
发布日期:2019-10-11
文件大小:3145728
提供者:
lulu_god
Python视觉实战项目31讲.pdf
本手册中主要涉及以下几部分,首先是对 OpenCV中自带的基本函数进行介绍。其次是OpenCV的实战项目,一方面是基于实际项目利用OpenCV实现特定对象的检测,例如车道线检测、路面的坑洼检测、等;另一方面是基于OpenCV实现图像增强,例如利用OpenCV消除运动所引起的图像模糊等。最后是OpenCV与深度学习等其他相结合实现图像分割、人脸检测、运动检测等难度较大的问题。
所属分类:
互联网
发布日期:2020-10-14
文件大小:78643200
提供者:
qq_42722197
2月19 基于深度学习的车道线检测
基于深度学习的车道线检测 相比于haugh方法,DL方法性能提升角度: ROI区域的选择 图像处理过程的参数 处理速度(Haugh变换可能只有4.5-6帧/秒,要想实时,只能丢帧近似处理) 机器学习的子类——深度学习 近来,机器学习的发展产生了一个新的方向,即“深度学习”。 深度学习,就是传统的神经网联发展到了多隐藏层的情况。 2006年,Geoffrey Hinton在科学杂志《Science》上发表了一篇文章,论证了两个观点: 1.多隐层的神经网络具有优异的特征学习能力,学习得到的
所属分类:
其它
发布日期:2021-01-06
文件大小:4194304
提供者:
weixin_38669881
Self-Driving-Car-Nanodegree---Udacity:Udacity提供的自动驾驶汽车纳米度-源码
自驾车工程师纳米学位Udacity Ian Whittal P.Eng的课程工作 纳米级将计算机视觉和深度学习应用于汽车问题,包括检测车道线,预测转向角等。 接下来,您将学习传感器融合,将其用于过滤来自传感器阵列的数据以感知环境。 整个自动驾驶汽车工程师纳米学位计划的基本内容我们将介绍Carla,Udacity自动驾驶汽车以及控制她的机器人操作系统。 您将结合在整个Nanodegree计划的过程中所学到的知识,在真正的自动驾驶汽车Carla的虚拟版本上运行代码。 第1部分计算机视觉,深度学习
所属分类:
其它
发布日期:2021-03-13
文件大小:220200960
提供者:
weixin_42135754