一、首先围绕烟雾检测问题，对其基本内容、理论研究与系统开发进行综述；接着对深度卷积神经网络，以及深度目标检测网络进行了详细介绍。二、研究基于改进 Mobile Net V2-SSD 的烟雾视频检测算法：首先提出新型重构金字塔结构，以提升小型烟雾目标的检测精度；然后提出基于烟雾先验特征的候选框参量设定方法，以快速准确的定位烟雾目标；接着引入了基于 SE-Net 模块的特征增强抑制机制，以有效提高特征表达能力；最后通过在雾检的准确率。三、研究基于改进 3D 残差稠密网络的烟雾视频检测算法：首先提出基于先验评分算法的疑似烟雾区域定位，以实现烟雾目标的实时定位；然后提出轻量化 3D 实现烟雾目标的精准检测；接着提出基于烟雾时变特征的动态检测策略，以实现实时性和精准性的最佳折中；最后通过实验对比，本文算法在检测率和准确率等方面都有提升。四、开发并实现了基于深度神经网络的烟雾视频检测系统：首先阐述了系统的需求和架构，然后介绍了系统开发的软件环境与硬件资源，阐明了该系统的具体实现流程；最后展示了对烟雾视频检测的实际运行效果。

_基于三相电流残差的功率管多管开路故障诊断.PDF

光谱残差SR模型 显著性检测 matlab代码 可直接运行

城市道路中车辆检测与识别对于提升交通安全，发展智能化交通具有非常重要的意义。传统的检测方式依赖于人工提取的特征，已难以适用于复杂多变的交通场景，存在识别精确度低、时间复杂度高等缺陷。深度学习模型可以自动提取有用特征，泛化能力强，但难以对相似型车辆进行更加精细的分类，为此提出一种基于残差网络的小型车辆目标检测算法。算法将传统卷积神经网络的连接形式改为一种基于局部连接和权值共享的残差连接模式，同时更改网络结构控制参数数量，将图片不同层次的特征融合计算，应用感兴趣区域池化层规格化前层特征，最后经过分类层和回归层得到目标框的置信度以及修正参数。实验表明，改进模型能够在保证时间效率的前提下增强网络的学习能力，提高平均精度，在相似小型车辆的检测问题上取得了良好的检测结果。

实现了位图的子窗口显示，并且模拟JPEG-LS预测机制，将预测残差显示

HEVC残差系数编解码代码详解，对HM中涉及的代码进行详细介绍

何凯明大神的残差网络，必须要看，必须要看，必须要看！！！

利用迭代残差插值的彩色图像去马赛克！

判断计算是否收敛，没有一个通用的方法。通过残差值判断的方法，对一些问题或许很有效，但在某些问题中往往会得出错误的结论。因此，正确的做法是，不仅要通过残差值，也要通过监测所有相关变量的完整数据，以及检查流入与流出的物质和能量是否守恒的方法来判断计算是否收敛。

文中对三频组合特性进行了系统性的研究,通过搜索得出(0,1,-1)、(1,-8,7)、(4,-8,3)等三频组合都有相对较好的特性。在研究了传统的伪距减相位组合周跳探测算法基础上,对于组合探测值的选择原则进行了深入探究,放宽了整数空间到整数空间的这一严格原则,并且给出了证明,从而拓展了该方法中周跳探测组合观测值的数量。