您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. drost2010CVPR中文翻译版.pdf

  2. Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ;原网页为:http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法
  3. 所属分类:机器学习

    • 发布日期:2019-07-16
    • 文件大小:1048576
    • 提供者:qq_28250697
  1. 基于分层光流的煤矿井下运动目标跟踪算法

  2. 针对煤矿井下视频序列高噪声、运动目标繁多、目标交错等特点,提出了一种基于分层光流法的矿井运动目标跟踪算法。首先对相邻两帧视频序列采用帧差法确定多个初始目标跟踪模版;然后采用SUSAN角点检测提取模版内的特征点;最后运用改进的分层光流法进行目标检测和跟踪,并在跟踪过程中对模版进行更新。该算法实现了煤矿井下多目标运动物体的稳定跟踪,并能解决目标部分遮挡问题。实验和仿真结果证实了该算法的有效性。
  3. 所属分类:其它

    • 发布日期:2020-05-04
    • 文件大小:1007616
    • 提供者:weixin_38625416
  1. 西门子 BERO传感器详细产品资料.pdf

  2. 西门子 BERO传感器详细产品资料pdf,BERO系列接近开关是不含机械磨损部件的无触点式电子开关,其优异的性能确保在各种恶劣环境下的稳定、可靠和准确应用。使用 Q-Sense,可方便而快速实现直到传感器级 的工厂范围内的通讯 IQ Sense Q- Sense的突出特点 Q-Sense为将传感器智能地集成进自动化系·传感器和PLC之间的智能通讯 统中提供了一种全新的概念。正象集成到我·传感器的参数和诊断数据可以在整个工厂 们的全集成自动化平台中的所有产品和系统范围内获得 样, Q-Sense装
  3. 所属分类:其它

    • 发布日期:2019-10-13
    • 文件大小:10485760
    • 提供者:weixin_38744435
  1. 基于盲波束成形的异步CDMA信号伪码估计.pdf

  2. 基于盲波束成形的异步CDMA信号伪码估计pdf,基于盲波束成形的异步CDMA信号伪码估计1162010,46(5) Computer Enginecring and Applications计算机工程与应用 SNR (GCG) 1.5 (17) 1.0 g EGCC GI 0.5 当噪声方差σ远大于信号功率的时候C=(1o2)1,SNB要v pMLo。算法同时利用了扩频增益和天线阵列增益,在低信噪 -1.0 1.0 比条件下具有良好的性能。 1.5 020406080100120 0204060
  3. 所属分类:其它

    • 发布日期:2019-10-13
    • 文件大小:1048576
    • 提供者:weixin_38744435
  1. 中南大学计算机学院梁毅雄老师授课-数字图像处理-考试要点答案整理

  2. 中南大学计算机学院梁毅雄老师授课考试要点答案整理。此文档受众:中南大学!计算机学院!梁毅雄老师授课学生!数字图像处理!中南大学计算机学院梁毅雄老师授课考试重点整理 2019.07.03 Canny边绿检测算法 基本原理 图象边缘检测必须满足两个条件:一能有效地抑制噪声;二必须尽量精确确 定边缘的位置。 从数学上表达了三个准则[信噪比准则(低错误率)、定位精度准则、单边缘 响应准则」,并寻找表达式的最佳解 属于先平滑后求导的方法 步骤 1)使用高欺滤波器,以平滑图像,滤除噪声。 2)计算图像中每个
  3. 所属分类:讲义

    • 发布日期:2019-07-04
    • 文件大小:5242880
    • 提供者:sinat_31857633
  1. 基于SURF的特征点匹配 识别多个物体 论文 代码

  2. 通过特征点的提取和匹配,在拥有多个物体的图像集合中找到并标识目标物体。要求尽管尺度变化或平面内旋转,以及少量的平面外旋转和遮挡,它仍可以检测物体。
  3. 所属分类:互联网

    • 发布日期:2020-05-22
    • 文件大小:4194304
    • 提供者:weixin_40695571
  1. 2.在目标检测算法中,two stage的算法比one stage在检测小物体上更有效,此说法你同意么,为什么?()

  2. 基本同意。要说明这个问题主要从感受野的角度去看,one stage的方法,对于SSD,其采取多个特征图进行分类,但由于依赖网络中比较深的层(特征层),感受野很大,因而小物体检测不准确。同样,对于YOLO,由于在方法设计中就把原图分块,即设定了最后用于判断的特征图尺寸,其感受野也很大,因而对小物体判断也不准确。相对于one stage方法要求同时分离前景和背景以及做出分类,two stage 的方法由于proposal的存在可以先用简单的结构分出前景和背景(此时感受野小,特征图分辨率高),再通过深
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:39936
    • 提供者:weixin_38714910
  1. 基于改进的特征提取网络的目标检测算法

  2. 针对目标检测准确率低,物体位置不精准的缺点,设计了一种基于改进的特征提取网络的目标检测算法。首先将训练集进行数据增强;其次设计了一种双通道网络,用于目标检测算法Faster R-CNN的特征提取;最后在算法的预测部分,对非极大值抑制(NMS)机制进行了改进,并采用加权平均方法获取存在多个相近的预测框的位置。在VOC 2007和VOC 2012数据库上进行实验,表明本文算法比经典的目标检测算法效果要好,准确率达到79.1%,提升了3%~4%,验证了本文算法的有效性。
  3. 所属分类:其它

    • 发布日期:2021-01-26
    • 文件大小:3145728
    • 提供者:weixin_38614287
  1. 基于改进深度神经网络的纱管分类

  2. 针对纺织厂实际生产中采用人工分类纱管费时费力不够智能化等问题,提出了基于改进深度卷积神经网络的分类方法。先基于AlexNet模型框架对原有网络结构进行改进,卷积层全部使用3×3大小卷积核,且多个卷积核串联使用,提取物体更抽象高级特征。再融合滑动平均、L2正则化等方法提升泛化能力,采用L_ReLU激活函数避免部分神经元出现“死亡”现象。最后将检测样本输入训练好的神经网络,实现纱管分类。实验结果表明:该方法的识别率达到88.2%,较传统分类方法识别率提升15个百分点左右,相比于其他神经网络模型具有识
  3. 所属分类:其它

    • 发布日期:2021-01-26
    • 文件大小:2097152
    • 提供者:weixin_38712908