车祸事故项目 道路交叉口经常发生交通事故。 一个能够在发生事故时发出警告的系统是对事故做出快速响应的必要条件。 我们的项目能够检测到尤其在道路交叉口发生的“ T”形事故。 在项目中，通过查看被检测对象的坐标相交来进行事故检测。 Darknet YOLO V3用于事故检测。 通过查看汽车，摩托车，自行车和公共汽车的坐标来进行事故检测。 该算法在白天碰撞视频期间在单车道道路上的“ T”形碰撞中正常工作。 该项目是在Ubuntu 18.04操作系统上开发的。 在您自己的计算机上运行项目 在计算机上安装 。 将将Darknet构建后创建的“ darknet.so”文件粘贴到项目目录中，并将文件名更改为“ libdarknet.so”。 创建虚拟环境（Python 3.6） 上传所需的库可在requirements.txt 。 在项目目录中时， pip install -r requirem

运用ADAMS／CAR软件建立了某皮卡车双横臂独立悬架模型，在理论验证的基础上揭示了该悬架的运动规律。实验结果证明：将下控制臂与车架前安装点下调20 mm，可使悬架的抗点／抬头性能、悬架刚度和侧倾角刚度得到明显改善。

模仿学习赛车 这个精益的存储库具有从头开始训练和评估赛车Tensorflow模型所需的所有工具！ 实际上，仅需5集（不到5分钟）即可生成足够的数据以使模型能够胜任！ 注意：上面显示的游戏玩法是在5集训练模型后得出的。 使用更多的训练数据，它可以表现得更好！ 此外，它还具有像素化功能，因此您可以看到模型在播放时所看到的效果（96 x 96）。

AX3272_SDK_CAR_V202 Appotech SDK Buildwin 您所不知道的隱型冠軍，全球每10個人，就有1人的隨身裝置內含AppoTech晶片。AppoTech集團橫跨兩岸三地，以藍牙音訊及快閃記憶體控制晶片切入物聯網訊息交換中心。

car-board-reg 基于CNN的车牌号识别 博客链接 【CNN——基于CNN的车牌号识别】 数据集介绍 车牌构成 为简化实验，在该实验中默认车牌字符已经得到划分，因此车牌识别可以分解为三个区域的字符识别任务（多分类任务），共实现7个字符的识别。 例如：京A·F0236 其中第一部分 京 表示车牌所在的省市,后面紧跟的A是发牌单位,间隔符·后面的5个字符就是序号。 省市Province： ("皖", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", "苏", "浙", "京", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", "桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", "新") 发牌单位Area： ("A","B","C","D","E","F","G","H","

共8178张 训练集：测试集 为9：1 即 7275：903 主要为中小目标、密集目标，可作为小目标车辆训练检测 由于上传文件大小限制原因，内含网盘链接与提取码，请自行下载

共100多张高清图片和对应的图像xml汽车坐标

DeepGTAV：GTAV的插件，可将其转变为基于视觉的自动驾驶汽车研究环境

二手车价格预测 探索具有随机森林和正则化的二手车价格预测模型。 我使用R进行数据可视化，数据插补和模型选择。 涉及的主要软件包是Hmisc，ggplot2，randomForest和glmnet。 我们正在寻求使用随机Forst和正则化技术的特征选择和预测算法。 方法是随机森林，山脊，套索和弹性网回归。 事实证明，弹性模型可以大幅度减少维数，并保持良好的预测能力。

GT by Citroen Race Car赛车图纸-SW、STEP格式.zip