雷达目标检测

经典目标检测YOLO系列(三)YOLOv3算法详解

经典目标检测YOLO系列(三)YOLOv3算法详解不论是YOLOv1，还是YOLOv2，都有一个共同的致命缺陷：小目标检测的性能差。
undo_try·2024-01-29 06:10

基于PaddleDetection目标检测labelme标注自动获取

在百度的PaddleDetection项目的基础上实现目标检测labelme标注的自动获取，需要先训练一个模型，然后通过这个模型去标注，最后用labelme进行微调from__future__importabsolute_importfrom
Dandelion_2·2024-01-29 06:06

【YOLO系列算法俯视视角下舰船目标检测】

YOLO系列算法俯视视角下舰船目标检测数据集和模型YOLO系列算法俯视视角下舰船目标检测YOLO系列算法俯视视角下舰船目标检测可视化结果数据集和模型数据和模型下载：YOLOv6俯视视角下舰船目标检测+训练好的舰船目标检测模型
stsdddd·2024-01-29 06:04

C#简单使用Yolov5的Onnx格式模型进行目标检测

背景最近要离职了，同事需要了解一下C#如何使用yolov5系列onnx格式模型进行目标检测，由于其对C#不熟练，可能会影响公司后续的开发进度，所以趁着还在，赶紧把手尾搞好。
氷凌公子·2024-01-29 06:33

经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现

经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现我们在之前实现YOLOv2的基础上，加入了多级检测及FPN，快速的实现了YOLOv3的网络架构，并且实现了前向推理过程。
undo_try·2024-01-29 06:33

python 之pyecharts画图：最全地图，词云图，世界地图，省份图，区县图

e0b2851672cdPython强大的pyecharts绘画优美图形:https://www.jianshu.com/p/96fe420ddd76pyecharts绘画优美图形：仪表盘-漏斗图-关系图-水球-极坐标-雷达
stay_foolish12·2024-01-29 03:16

YOLOv8-Seg改进：分层特征融合策略MSBlock | YOLO-MS ,超越YOLOv8与RTMDet，即插即用打破性能瓶颈

t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1）手把手教你如何训练YOLOv8-seg；2）模型创新，提升分割性能；3）独家自研模块助力分割；1.原理介绍摘要：作者旨在为目标检测社区提供一种高效且性能卓越的目标检测器
会AI的学姐·2024-01-28 23:00

Cesium材质特效

文章目录0.引言1.视频材质2.分辨率尺度3.云4.雾5.动态水面6.雷达扫描7.流动线8.电子围栏9.粒子烟花10.粒子火焰11.粒子天气0.引言现有的gis开发方向较流行的是webgis开发，其中Cesium
cacrle·2024-01-28 19:43

在小目标检测上，普通卷积和扩张卷积哪个更具备优势？

在小目标检测上，普通卷积和扩张卷积哪个更具备优势？问题解答：在小目标检测任务上，扩张卷积相对于普通卷积可能具备一些优势，尤其是由于扩张卷积在感受野和多尺度特征捕获方面的性质。
神笔馬良·2024-01-28 19:15

基于深度学习的目标检测入门：Faster R-CNN，YOLO，SSD

在学习深度学习的过程中，经常弹出不同的算法名称，同样是做目标检测的，每篇论文给出了不同的方式，这些算法之间到底有什么区别？目标检测算法有哪些？
Real_man·2024-01-28 18:48

目标检测系列5——Faster R-CNN2（代码实现）

参考黑马程序员教程(1)train.py#trainimportosimporttensorflowastffromtensorflowimportkerasimportnumpyasnpimportmatplotlib.pyplotaspltfromdetection.datasetsimportcoco,data_generatorfromdetection.models.detectorsi
晓码bigdata·2024-01-28 16:19

ROS目标跟随（路径规划、雷达、slam、定位）

ROS目标跟随（路径规划、雷达、地图、定位）最终效果展示一、总体launch文件1、打开已有地图2、组合小车的各个部分2.1惯性矩阵设置2.2小车底盘2.3摄像头2.4雷达2.5为机器人模型添加传动装置以及控制器
海风-·2024-01-28 14:26

ROS目标跟随（路径规划、slam、定位、雷达）——接上文，改善跟随的位置

确保进行跟随的小车始终在身后最终效果代码改进最终效果ROS目标跟随改进版代码改进这里给出上一篇博客的链接：https://blog.csdn.net/m0_71523511/article/details/135610191使用上一篇的launch文件创建机器人时，ros会自动创建一个坐标系相对关系发布节点：/tf,通过观察此节点发布的信息，我发现可以通过监听里程计坐标系:/robot2/odom
海风-·2024-01-28 14:26

国产汽车雷达行业研究宝典

文章大纲中国汽车雷达产业发展现状·概念界定·中国汽车雷达产业发展历史中国汽车雷达国产机会分析·中国汽车雷达国产化驱动力·中国汽车雷达国产化难点中国汽车雷达国产化建议·中国汽车雷达国产化关键：产品定制化与服务差异化
驭势资本·2024-01-28 13:46

【GitHub项目推荐--计算机视觉工具箱】【转载】

通过EasyCV你可以快速体验最新的图像自监督学习和Transformer技术，并且EasyCV还包含一些常见的计算机视觉的任务，比如图像分类、目标检测等等。
旅之灵夫·2024-01-28 11:29

《合成孔径雷达成像算法与实现》Figure5.18

clcclearcloseall距离向参数R_eta_c=20e3;%景中心斜距Tr=25e-6;%发射脉冲时宽Kr=0.25e12;%距离向调频率Fr=7.5e6;%距离向采样率Nrg=256;%距离线采样点数Bw=abs(Kr*Tr);%距离信号带宽方位向参数Delta_f_dop=80;%多普勒带宽Fa=104;%方位向采样率Naz=256;%距离线数；theta_sq_c=[0,22.8]
76岁拄拐敲代码·2024-01-28 10:38

《合成孔径雷达成像算法与实现》Figure5.19

clcclearcloseall距离向参数R_eta_c=20e3;%景中心斜距Tr=25e-6;%发射脉冲时宽Kr=0.25e12;%距离向调频率Fr=7.5e6;%距离向采样率Nrg=256;%距离线采样点数Bw=abs(Kr*Tr);%距离信号带宽方位向参数Delta_f_dop=80;%多普勒带宽Fa=104;%方位向采样率Naz=256;%距离线数；theta_sq_c=[0,22.8]
76岁拄拐敲代码·2024-01-28 10:38

开个新坑《合成孔径雷达成像算法与实现》

2022下半年到现在，一直在学习仿真《合成孔径雷达成像算法与实现》这本书，因为期末考试和其他的一些杂货，到现在应该是这本书的前八章都仿真出来了，但是我感觉有很多细节和知识点掌握的并不是很好，最近师兄让我复现一篇双基成像的论文的时候
76岁拄拐敲代码·2024-01-28 10:08

《合成孔径雷达成像算法与实现》Figure5.16

clcclearcloseall距离向参数R_eta_c=20e3;%景中心斜距Tr=25e-6;%发射脉冲时宽Kr=0.25e12;%距离向调频率Fr=7.5e6;%距离向采样率Nrg=256;%距离线采样点数Bw=abs(Kr*Tr);%距离信号带宽方位向参数Delta_f_dop=80;%多普勒带宽Fa=104;%方位向采样率Naz=256;%距离线数；theta_sq_c=[0,22.8]
76岁拄拐敲代码·2024-01-28 10:08

合成孔径雷达成像——算法与实现图【2.8】仿真

T=1;BW=150;k=BW/T;h=figure();N_0=length(t_0);设置初始参数，带宽在书中给出，为150Hz，h=figure()是为了后面将所有的图在一张图中显示。p0_0=t_0+2;p0_max_0=max(max(p0_0));p_0=p0_0./p0_max_0;信号幅度修正，这里加的2这里的数越大，产生的图像斜率越大。dt=1/400;t=0:dt:T;fs=1
秋天雨998·2024-01-28 10:37

合成孔径雷达成像——算法与实现图【2.2】仿真与解析

下面先分开解决每段问题：M=256;%矩阵高度N=256;%矩阵宽度top=M/8+1;bottom=M*7/8;left=N/8+1;right=N*7/8;theta=-pi/12;%扭曲或旋转角度alphax=-0.2;%x轴扭曲常数alphay=0;首先对参数进行设置，准备建立一个正方形矩阵，中间部分为一个元素均为1的正方形矩阵，其他元素为零，1矩阵的长宽为大矩阵的3/4，然后设定旋转角度
秋天雨998·2024-01-28 10:36

合成孔径雷达成像——算法与实现图【2.6】仿真

T=1;dt=1/400;t=0:dt:1;fs=1/dt;f0=15;ft=100;BW=75;%带宽75Hzk=BW/T;%斜率为带宽时间比N=length(t);先对确定各个参数，其中带宽书中给出，图的形状为cos(at+bt^2)然后再乘一个削减系数，复数情况为exp(1i*)函数。s1=cos(2*pi*(f0.*t+0.5*k*t.^2)).*p;s2=exp(1i*2*pi*((f0
秋天雨998·2024-01-28 10:36

《合成孔径雷达成像算法与实现》Figure5.17

clcclearcloseall距离向参数R_eta_c=20e3;%景中心斜距Tr=25e-6;%发射脉冲时宽Kr=0.25e12;%距离向调频率Fr=7.5e6;%距离向采样率Nrg=256;%距离线采样点数Bw=abs(Kr*Tr);%距离信号带宽方位向参数Delta_f_dop=80;%多普勒带宽Fa=104;%方位向采样率Naz=256;%距离线数；theta_sq_c=[0,22.8]
76岁拄拐敲代码·2024-01-28 10:06

Image Enhancement Guided Object Detection in Visually Degraded Scenes

Abstract目标检测准确率在视觉退化场景下降严重。一个普遍的解决方法就是对退化图像进行增强然后再执行目标检测。
暗魂b·2024-01-28 09:21

经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程

经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程和之前实现的YOLOv2一样，根据《YOLO目标检测》(ISBN:9787115627094)一书，在不脱离YOLOv3的大部分核心理念的前提下
undo_try·2024-01-28 09:50

iou的cpu和gpu源码实现

本专栏主要是深度学习/自动驾驶相关的源码实现,获取全套代码请参考简介IoU（IntersectionoverUnion）是一种测量在特定数据集中检测相应物体准确度的一个标准，通常用于目标检测中预测框（boundingbox
zwhdldz·2024-01-28 09:10

【Deepsort-yolov5实现无人机视觉检测和跟踪】

无人机视觉检测1.1训练无人机数据集1.2无人机检测结果2.Deepsort跟踪2.1算法原理2.2无人机跟踪实现2.3无人机运动轨迹可视化2.4目标质心点保存2.5目标重识别模型要注意的问题3.飞机目标检测无人机视觉检测和跟踪系列数据集一数据集二数据集三数据集四数据集五数据集六数据集七数据集八无人机视频段
XTX_AI·2024-01-28 08:41

PCIe总线多功能同步采集卡：满足高动态范围应用需求

导语：在现代科技领域中，无线通信、雷达/声纳、超声、图像成像等应用都对高精度的数据采集和处理有着严格的需求。为满足这些需求，PCIe总线多功能同步采集卡应运而生。
阿尔泰1999·2024-01-28 01:59

YOLOv3测试和训练

参考文章：学习YOLO系列的个人总结_boss-dog的博客-CSDN博客windows操作系统上运行ultralytics/yolov3进行目标检测_itsgoodtobebad的专栏-CSDN博客0
weixin_42103837·2024-01-27 23:33

深度学习有效改进|增强模块|卷积、注意力机制、损失函数等

深度学习|增强模块|卷积、注意力机制、损失函数等前言本系列主要分享深度学习领域前沿技术，多数为目标检测技术和分割技术，欢迎大家收藏关注。
今天炼丹了吗·2024-01-27 21:26

Faster R-CNN原理

R-CNN->FastR-CNN->FasterR-CNN一、R-CNN（RegionwithCNNfeature)R-CNN是利用深度学习进行目标检测的开山之作。
酸酸甜甜我最爱·2024-01-27 21:12

FPN结构

在FasterR-CNN中就用到FPN结构了，FPN结构对网络的好处在于：针对目标检测任务，cocoAP(IoU从0.5~0.95的均值)提升2.3个点，pascalAP提升3.8个点。
酸酸甜甜我最爱·2024-01-27 21:42

交并比（Intersection over union）

来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。
双木的木·2024-01-27 20:33

Docker容器中的OpenCV：轻松构建可移植的计算机视觉环境

简介和应用领域：构建Docker镜像部署分享Docker容器1.打包Docker镜像:2.上传到Docker镜像仓库:3.在其他机器上部署并运行容器:前言计算机视觉是一门涉及图像和视频处理的领域，可以应用于目标检测
鸭鸭渗透·2024-01-27 19:40

激光三角测距原理详述

激光三角测距法作为低成本的激光雷达设计方案，可获得高精度、高性价比的应用效果，并成为室内服务机器人导航的首选方案，本文将对激光雷达核心组件进行介绍并重点阐述基于激光三角测距法的激光雷达原理。
小海聊智造·2024-01-27 19:33

nav02 学习03 机器人传感器

机器人的传感器类似人的感官，眼睛和嗅觉等等常用传感器的示例包括激光雷达、雷达、RGB摄像头、深度摄像头、IMU和GPS。为了标准化这些传感器的消息格式并允许供应商之间更轻松地进行互操
小海聊智造·2024-01-27 19:00

基于OpenCV和Dlib的深度学习人脸识别技术实践与应用

在算法层面,图像处理、目标检测、语义分割等多个领域的技术不断突破,准确率与效率持续提升。
技术狂潮AI·2024-01-27 19:25

即时启动使用SPI NOR Flash的优势

由于ADAS功能的复杂化正在推动智能传感器的普及，如前置摄像头、成像雷达，
EVERSPIN·2024-01-27 17:56

【数据可视化技术】可视化组件与Echarts示例

目录一、ECharts使用准备（一）获取ECharts（二）引入ECharts（三）图表绘制二、Echarts示例（一）柱状图（二）折线图（三）饼状图（四）散点图（五）热力图（六）桑基图（七）雷达图由于
Francek Chen·2024-01-27 16:09

深度学习中图像分类、目标检测、语义分割、实例分割哪个难度大，哪个检测精度容易实现，哪个速度低。请按照难度、精度容易实现程度、速度排名。

问题描述：深度学习中图像分类、目标检测、语义分割、实例分割哪个难度大，哪个检测精度容易实现，哪个速度低。请按照难度、精度容易实现程度、速度排名。
神笔馬良·2024-01-27 15:48

qwt的极坐标画雷达方向图

qwt的极坐标画天线方向图请先看这位博主的专业文章，上面有权威讲解方向图曲线方程：matlab，引用博主的公式f=3e10;lamda=(3e8)/f;beta=2.*pi/lamda;n=2;t=0:0.01:2*pi;d=lamda/4;W=beta.*d.*cos(t);z1=((n/2).*W)-n/2*beta*d;z2=((1/2).*W)-1/2*beta*d;F1=sin(z1).
mengzhi啊·2024-01-27 14:39

毫米波雷达半精度浮点存储格式分析

作者：英飞凌汽车电子生态圈英飞凌技术专家钱伟喆雷达信号处理需要使用大量内存进行中间结果和最终结果的保存，而内存大小直接影响处理芯片的成本。
WPG大大通·2024-01-27 13:25

Hands-On 基于加特兰 CAL77S244-AB 的短距雷达方案SOC 简介

简介大联大世平集团针对于车用77Ghz毫米波雷达，推出了基于加特兰CAL77S244-AB的短距雷达方案。本方案应用在车身短距雷达系统，最大探测距离可达80米。
WPG大大通·2024-01-27 13:25

目标检测中目标的尺寸差异大会存在什么问题？

问题描述：目标检测中目标的尺寸差异大会存在什么问题？问题解答：目标检测中目标的尺寸差异大可能会引发一些问题，这些问题可能包括：定位问题：尺寸差异大的目标可能导致模型在定位目标位置时出现困难。
神笔馬良·2024-01-27 13:54

目标检测类不平衡会存在什么问题？

问题描述：目标检测类不平衡会存在什么问题？问题解答：目标检测中的类别不平衡指的是不同类别的目标在数据集中的样本数量差异较大。
神笔馬良·2024-01-27 13:23

目标检测中类不平衡问题的解决方案分为两种方法:修正模型本身和直接处理数据。请解释一下修正模型本身和直接处理数据这两种方法的定义和特点。

问题描述：目标检测中类不平衡问题的解决方案分为两种方法:修正模型本身和直接处理数据。请解释一下修正模型本身和直接处理数据这两种方法的定义和特点。
神笔馬良·2024-01-27 13:52

提高多旋翼无人机的悬停控制精度

要提高多旋翼无人机的悬停控制精度，可以从以下几个方面进行优化：优化传感器配置：选用高精度的传感器，如激光雷达、红外传感器等，可以提供更准确的姿态和位置信息。
道亦无名·2024-01-27 11:37

[C#]winform部署yolov5实例分割模型onnx

【官方框架地址】https://github.com/ultralytics/yolov5【算法介绍】YOLOv5实例分割是目标检测算法的一个变种，主要用于识别和分割图像中的多个物体。
FL1623863129·2024-01-27 07:24

[C#]winform部署yolov7+CRNN实现车牌颜色识别车牌号检测识别

【官方框架地址】https://github.com/WongKinYiu/yolov7.git【框架介绍】Yolov7是一种目标检测算法，全称YouOnlyLookOnceversion7。
FL1623863129·2024-01-27 07:54

[C++]使用纯opencv部署yolov8旋转框目标检测

【官方框架地址】https://github.com/ultralytics/ultralytics【算法介绍】YOLOv8是一种先进的对象检测算法，它通过单个神经网络实现了快速的物体检测。其中，旋转框检测是YOLOv8的一项重要特性，它可以有效地检测出不同方向和角度的物体。旋转框检测的原理是通过预测物体的边界框和旋转角度来实现的。在YOLOv8中，神经网络不仅预测了物体的边界框位置，还预测了物体
FL1623863129·2024-01-27 07:49
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他