目标检测综述文章：Deep Learning for Generic Object Detection: A Survey
2022-10-04 21:05:38
4.56MB
1
MOEA-D-SDSS
基于自组织分解的多目标优化及其在耐撞性设计中的应用，应用软计算。
2022-10-03 21:01:59
1012KB
1
提出了一种新的基于核的自适应目标跟踪方法，以提高复杂背景下目标跟踪的鲁棒性和准确性。 尺度不变特征变换（SIFT），颜色和运动特征的三个核函数的线性加权组合用于表示跟踪目标的概率分布。 外观和运动功能相结合，以增强目标区域的位置稳定性和准确性。 跟踪窗口的大小可以根据相应SIFT对的仿射变换参数进行实时调整。 为了更好地提取特征，还根据场景自适应地调整了三个核函数的权重。 实验表明，该算法能够在不同场景下成功跟踪运动目标。 此外，它可以处理目标姿态，比例，方向，视图和照明变化，并且其性能优于经典的Camshift算法，基于SIFT的方法和基于颜色SIFT的方法。
2022-10-01 02:01:46
463KB
1
我国作为世界上最大的葡萄生产国和消费国,葡萄产业已经成为很多地方脱贫致富的支柱产业,但是葡萄病害影响葡萄品质和果实产量,因此快速而精准地识别葡萄病害类型及病害程度是增产增收的重要保障。数据集收集自plant_village，在其基础上用voc格式进行标注，葡萄叶片病害数据集，可用于目标检测，使用数据增强技术完成对搜集的病害样本图片进行扩充,建立了葡萄病害叶片的数据集。传统的依靠人工进行病害识别、诊断并进行决策的生产方式效率低下且劳动成本高昂,迫切需要实现病害的智能化诊断。作为信息技术的核心之一,人工智能技术为实现农业信息化和智能化提供了重要支撑,随着深度学习技术的快速发展,农业领域中的农作物病虫害识别、检测、分割与计数等研究均取得了一定的进展,对实现病虫害的精准防治、减少经济损失及生物育种等具有重要意义。
2022-09-30 16:05:15
39.36MB
1
YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测（单目标检测）、梅西目标检测（单目标检测）、足球和梅西同时目标检测（两目标检测）。本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入探究。
购课后可加入白勇老师课程学习交流QQ群：957519975除本课程《YOLOv3目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：《YOLOv3目标检测实战：交通标志识别》《YOLOv3目标检测：原理与源码解析》《YOLOv3目标检测：网络模型改进方法》
敬请关注并选择学习！
2022-09-30 11:14:46
11.02MB
1
适用于SAR雷达成像初学者，可以通过其文档及matlab程序了解，SAR成像的原理及基础,文档包含了典型的成像模型及基本理论。
2022-09-28 14:45:18
622KB
1