楼燚(yì)航的blog URL

最新推荐文章于 2019-07-24 10:55:43 发布
转载 最新推荐文章于 2019-07-24 10:55:43 发布 · 2k 阅读 · 1

本文详细介绍了使用FastRCNN训练自定义数据集的过程，包括数据读取接口的修改、训练和检测步骤。涉及Caffe深度学习框架的应用，特别关注了内存数据层的选择、自定义损失函数的添加以及不同层的理解，如Pooling、Neuron、Conv等。同时，还探讨了Caffe源码解析，涵盖数据层、层的基本类、SyncedMem和Blob的概念，以及梯度下降、随机梯度下降和批量梯度下降方法的对比。最后，提供了Caffe CNN特征可视化的实现和Python特征抽取技术。
部署运行你感兴趣的模型镜像
[置顶]Fast RCNN 训练自己的数据集（3训练和检测）
摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ "https://github.com/YihangLou/fast rcnn train another dataset" 这是我在github上修改的几个... 阅读全文
posted @ 2015-10-24 13:33 楼燚航的blog 阅读(3573) 评论(6)  编辑
[置顶]Fast RCNN 训练自己数据集 (2修改数据读取接口)
摘要: Fast RCNN训练自己的数据集 （2修改读写接口） 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ "https://github.com/YihangLou/fast rcnn train anot... 阅读全文
posted @ 2015-10-23 00:14 楼燚航的blog 阅读(4525) 评论(22)  编辑
Caffe Python MemoryDataLayer Segmentation Fault
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ 因为利用Pyhon来做数据的预处理比较方便，因此在data_layer选择上，采用了MemoryDataLayer,可以比较方便的直接用Python 根据set_ 阅读全文
posted @ 2016-03-26 16:16 楼燚航的blog 阅读(179) 评论(0)  编辑
Caffe 单独测试添加的layer
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ 一般我们在使用Caffe的时候，可能需要根据自己的任务需求添加一些自定义的Loss，当然这个Loss可以根据自己的需要来添加。比如在这里我添加的是triplet_ 阅读全文
posted @ 2016-03-10 10:33 楼燚航的blog 阅读(387) 评论(0)  编辑
Caffe源码解析7：Pooling_Layer
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ Pooling 层一般在网络中是跟在Conv卷积层之后，做采样操作，其实是为了进一步缩小feature map，同时也能增大神经元的视野。在Caffe中，pool 阅读全文
posted @ 2016-02-23 21:31 楼燚航的blog 阅读(580) 评论(0)  编辑
Caffe源码解析6：Neuron_Layer
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ NeuronLayer，顾名思义这里就是神经元，激活函数的相应层。我们知道在blob进入激活函数之前和之后他的size是不会变的，而且激活值也就是输出 $y$ 只 阅读全文
posted @ 2016-02-19 14:16 楼燚航的blog 阅读(400) 评论(0)  编辑
Caffe源码解析5：Conv_Layer
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ Vision_layer里面主要是包括了一些关于一些视觉上的操作，比如卷积、反卷积、池化等等。这里的类跟data layer一样好很多种继承关系。主要包括了这几... 阅读全文
posted @ 2016-01-23 23:30 楼燚航的blog 阅读(667) 评论(1)  编辑
Caffe源码解析4： Data_layer
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ data_layer应该是网络的最底层，主要是将数据送给blob进入到net中，在data_layer中存在多个跟data_layer相关的类 BaseDat... 阅读全文
posted @ 2016-01-23 13:10 楼燚航的blog 阅读(618) 评论(0)  编辑
Caffe源码解析3：Layer
摘要: 转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang loves baiyan/ layer这个类可以说是里面最终的一个基本类了，深度网络呢就是一层一层的layer，相互之间通过blob传输数据连接起来。首先layer必须要实现一个forwa... 阅读全文
posted @ 2016-01-22 23:48 楼燚航的blog 阅读(529) 评论(0)  编辑
Caffe源码解析2：SycedMem
摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ 看到SyncedMem就知道，这是在做内存同步的操作。这类个类的代码比较少，但是作用是非常明显的。文件对应着syncedmem.hpp,着syncedmem.c... 阅读全文
posted @ 2016-01-22 10:58 楼燚航的blog 阅读(461) 评论(1)  编辑
Caffe源码解析1：Blob
摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ 首先看到的是Blob这个类，Blob是作为Caffe中数据流通的一个基本类，网络各层之间的数据是通过Blob来传递的。这里整个代码是非常规范的，基本上条件编译，命... 阅读全文
posted @ 2016-01-21 21:24 楼燚航的blog 阅读(897) 评论(0)  编辑
梯度下降、随机梯度下降和批量梯度下降

摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ 这几种方法呢都是在求最优解中经常出现的方法，主要是应用迭代的思想来逼近。在梯度下降算法中，都是围绕以下这个式子展开： $$\frac {\partial}{\p...阅读全文



Caffe CNN特征可视化
摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ 以下部分代码是根据caffe的python接口，从一次forword中取出param和blob里面的卷积核 和响应的卷积图。 输入的测试图像 第一层的卷积... 阅读全文
posted @ 2016-01-15 22:40 楼燚航的blog 阅读(690) 评论(0)  编辑
Caffe 抽取CNN网络特征 Python
摘要: Caffe Python特征抽取 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ Caffe大家一般用到的深度学习平台都是这个，关于Caffe的训练通常一般都可以通过一些命令来执行，但是在deploy阶段，如... 阅读全文
posted @ 2015-12-26 19:43 楼燚航的blog 阅读(779) 评论(1)  编辑
Caffe fine-tuning 微调网络
摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ 目前呢，caffe，theano,torch是当下比较流行的Deep Learning的深度学习框架，楼主最近也在做一些与此相关的事情。在这里，我主要介绍一下如何... 阅读全文
posted @ 2015-12-11 13:38 楼燚航的blog 阅读(1087) 评论(0)  编辑
libsvm Minist Hog 手写体识别（源码文件）
摘要: 以上是我上一篇文章中的代码实现，里面分别用了opencv中的SVM和LibSVM，opencv的SVM用起来更方便，但貌似内部其实也是基于Libsvm，同样的参数训练出来的结果是一致的，里面有Libsvm的调用过程，如果用libsvm需要在工程里面添加libsvm的源码文件分别是svm.h和svm.... 阅读全文
posted @ 2015-11-26 17:01 楼燚航的blog 阅读(172) 评论(0)  编辑
libsvm Minist Hog 手写体识别
摘要: 统计手写数字集的HOG特征 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/这篇文章是模式识别的小作业，利用svm实现Minist数据集手写体识别，在这里我实现了opencv中的svm和libsvm两个版本，供大... 阅读全文
posted @ 2015-11-26 16:51 楼燚航的blog 阅读(488) 评论(0)  编辑
DPM（voc-release5） Matlab模型文件 Mat转XML
摘要: （转载请注明作者和出处 楼燚(yì)航的blog ：http://www.cnblogs.com/louyihang loves baiyan/ 未经允许请勿用于商业用途） 由于目前DPM模型训练的代码没有C++版本，至少我没看见opencv ccv conrib等一些库中都没有看到相关训练的部... 阅读全文
posted @ 2015-11-15 00:54 楼燚航的blog 阅读(285) 评论(1)  编辑
DPM检测模型 训练自己的数据集 读取接口修改
摘要: （转载请注明作者和出处 楼燚(yì)航的blog ：http://www.cnblogs.com/louyihang loves baiyan/ 未经允许请勿用于商业用途） 本文主要是针对上一篇基于DPM的VOC release5的版本，matlab的版本进行训练。 训练自己的数据集主要是修改pa... 阅读全文
posted @ 2015-11-15 00:43 楼燚航的blog 阅读(576) 评论(4)  编辑
DPM检测模型 VoC-release 5 linux 下编译运行
摘要: （转载请注明作者和出处 楼燚(yì)航的blog ：http://www.cnblogs.com/louyihang loves baiyan/ 未经允许请勿用于商业用途） DPM目前使非神经网络方法里面较好的目标检测程序，作者呢也是Fast RCNN的作者 Ross Girshick，真的是牛人... 阅读全文
posted @ 2015-11-12 13:11 楼燚航的blog 阅读(660) 评论(0)  编辑
opencv 3.0 DPM Cascade 检测 （附带TBB和openMP加速）
摘要: opencv 3.0 DPM cascade contrib模块 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ 在opencv3.0 中 加入DPM检测的C++代码，目前开源的DPMC++代码不多，在2.4... 阅读全文
posted @ 2015-10-27 09:10 楼燚航的blog 阅读(993) 评论(8)  编辑
Fast RCNN 训练自己的数据集（3训练和检测）
摘要: 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ "https://github.com/YihangLou/fast rcnn train another dataset" 这是我在github上修改的几个... 阅读全文

Fast RCNN 训练自己数据集 (2修改数据读取接口)
摘要: Fast RCNN训练自己的数据集 （2修改读写接口） 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ "https://github.com/YihangLou/fast rcnn train anot... 阅读全文
posted @ 2015-10-23 00:14 楼燚航的blog 阅读(4526) 评论(22)  编辑
Fast RCNN 训练自己数据集 (1编译配置)
摘要: FastRCNN 训练自己数据集 (1编译配置) 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang loves baiyan/ "https://github.com/YihangLou/fast rcnn train another ... 阅读全文
posted @ 2015-10-16 16:35 楼燚航的blog 阅读(3663) 评论(21)  编辑
Linux与Windows 解压乱码 UTF8BOM读取问题
摘要: Linux 与 Windows 文件乱码问题 这几天需要在linux下用CNN跑数据，但是把数据和数据列表list上传到linux下时却出现了不少乱码的问题。将这两天碰到的编码问题简单的总结一下。 1.解压乱码问题 如果直接把windows下压缩的压缩包通过ftp，这里我用的是xftp传输到lin... 阅读全文
posted @ 2015-10-09 16:20 楼燚航的blog 阅读(323) 评论(0)  编辑
RCNN (Regions with CNN) 目标物检测 Fast RCNN的基础
摘要: Abstract: 贡献主要有两点1：可以将卷积神经网络应用region proposal的策略，自底下上训练可以用来定位目标物和图像分割 2：当标注数据是比较稀疏的时候，在有监督的数据集上训练之后到特定任务的数据集上fine tuning可以得到较好的新能，也就是说用Imagenet上训练好的模型... 阅读全文
posted @ 2015-09-26 01:11 楼燚航的blog 阅读(2286) 评论(2)  编辑
车脸检测 Adaboost 检测过程
摘要: 上一节中我介绍了如何使用Opencv自带的opencv_traincascade.exe来做训练，接下来介绍如何使用训练生成的cascade.xml模型文件来检测车脸。首先需要说明的是我这里的训练数据是卡口数据是在监控下面的照片，主要为了截取卡口摄像头拍摄下的照片的车脸部分，如下图是待检测图像：这里... 阅读全文
posted @ 2015-08-30 21:43 楼燚航的blog 阅读(798) 评论(0)  编辑
Adaboost 卡口车辆检测训练
摘要: 之前做了SVM的车脸检测，主要是针对车脸，接下来尝试利用Adaboost和Haar进行车脸的检测。我利用的主要是opencv中的cascade，其已经把Adaboost相关的算法做成了exe，直接调用就可以了，不像SVM中我们可能需要再调用。如果需要对boost源码进行修改，可以利用Cmake将生成... 阅读全文
posted @ 2015-08-29 21:38 楼燚航的blog 阅读(605) 评论(2)  编辑
Hog SVM 车辆 行人检测
摘要: #####HOG SVM 车辆检测 近期需要对卡口车辆的车脸进行检测，首先选用一个常规的检测方法即是hog特征与SVM，Hog特征是由dalal在2005年提出的用于道路中行人检测的方法，并且取的了不错的识别效果。在人脸检测方面目前主流的方法，先不考虑复杂的深度学习，大多采用Haar和Adaboo... 阅读全文
posted @ 2015-07-19 12:40 楼燚航的blog 阅读(1060) 评论(3)  编辑
LeetCode 3 Longest Substring Without Repeating Characters 解题报告
摘要: LeetCode 第3题3 Longest Substring Without Repeating Characters 首先我们看题目要求：Given a string, find the length of the longest substring without repeating char... 阅读全文
posted @ 2015-06-07 23:57 楼燚航的blog 阅读(236) 评论(0)  编辑
LeetCode 2 Add Two Sum 解题报告
摘要: #LeetCode 2 Add Two Sum 解题报告LeetCode第二题 Add Two Sum 首先我们看题目要求：You are given two linked lists representing two non-negative numbers. The digits are sto... 阅读全文
posted @ 2015-05-24 00:10 楼燚航的blog 阅读(260) 评论(0)  编辑
视频标注工具
摘要: #视频标注工具由于实验室里面需要做CDVA的标准，CDVA（compact descriptor for video analysis），主要是基于CDVS中的紧凑视觉描述子来做视频分析，之前是紧凑视觉描述子主要应用在图像检索领域。需要制作新的数据集，对视频帧进行标注，所以根据网上一个博主的标注工具... 阅读全文

LeetCode 1 Two Sum 解题报告
摘要: #LeetCode 1 Two Sum 解题报告偶然间听见leetcode这个平台，这里面题量也不是很多200多题，打算平时有空在研究生期间就刷完，跟跟多的练习算法的人进行交流思想，一定的ACM算法积累可以对以后在对算法中优化带来好处。Ok，今天是我做的第一题Add Two Sum。题目要求Give... 阅读全文
posted @ 2015-04-25 11:30 楼燚航的blog 阅读(329) 评论(2)  编辑
Ubuntu 14.04 LTS Server 无法挂载光盘 启动initramfs等问题
摘要: 今天需要在戴尔R410服务器上装64位的Linux，师兄给了个14.04的server 64位镜像。一开始打算用U盘安装，用软碟通烧写镜像之后，在服务器端设置从U盘启动，但是安装到一半出现了光盘无法挂载的现象，如图所示： ![](http://images.cnitblog.com/blog2015... 阅读全文
posted @ 2015-04-21 19:22 楼燚航的blog 阅读(577) 评论(2)  编辑
Linux的交叉编译 及configure配置
摘要: 这两天需要把一个CDVS的工程代码从Linux 平台上移植到ARM平台上，花了两天才搞定，之前很早申请的博客，到现在还没有技术文章会，以后决定凡是花两三天才搞定的东西都会把解决过程发到这里，很多东西靠百度什么的不太好使，必要的时候确实Google更好用。想想也是，在百度上搜，很多都是迄今为止中国程序... 阅读全文



您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

Bán Cây Xạ Đen Hòa Bình-crx插件
04-01
语言:English 和平的黑色辐射被称为一种癌症医学。 所以什么是黑色无线电，地址销售黑色辐射 泰国儿子提供黑色辐射，也称为奖品，董特瑞。 在Hoa Binh山区收集，确保了最好的物质。 黑色辐射适用于肝炎，肝炎，高肝...
react-native：HướngdẫnhọcReact-Native chongườimớibắtđầu，nếubạnthấyổnthìcho starnhé
02-05
QuađónhằmgiúpcácbạncócáchnhìntổngquáthơnvàdễngtìmhiểuvấnđềkhimớichậpchữngbướcchânvàolậptrìnhvớiReact-Native P / S：BAI越南楚YEU DUA TREN TAI代替chính丁字裤CUA阵营天然
楼燚(yì)航的blog
baidu_40840693的博客
07-24 647
RCNN (Regions with CNN) 目标物检测 Fast RCNN的基础 https://www.cnblogs.com/louyihang-loves-baiyan/p/4839869.html opencv 3.0 DPM Cascade 检测 （附带TBB和openMP加速） https://www.cnblogs.com/louyihang-loves-baiyan/p/...
NN优化方法对照：梯度下降、随机梯度下降和批量梯度下降
aoe41606的博客
03-25 468
1.前言 这几种方法呢都是在求最优解中常常出现的方法，主要是应用迭代的思想来逼近。在梯度下降算法中。都是环绕下面这个式子展开： 当中在上面的式子中hθ(x)代表。输入为x的时候的其当时θ參数下的输出值，与y相减则是一个相对误差。之后再平方乘以1/2，而且当中...
caffe的相关链接记录
OPPOA113的专栏
08-23 631
转自:http://blog.youkuaiyun.com/u010402786/article/details/51262004 本来想自己详细写caffe源码的各个部分解析，后在网上看到很多大牛都写的非常好，于是我就将这些链接整理一下，方便查看。  　　 Caffe版本 　　由于各个版本的不同，可能源码稍微有些不同，常用的版本有以下几个：  　　  1.最原始的最开始版本：伯克
Fast RCNN 训练自己的数据集（3训练和检测）
weixin_30755393的博客
10-24 836
转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/ https://github.com/YihangLou/fast-rcnn-train-another-dataset 这是我在github上修改的几个文件的链接，求星星啊，求星星啊（原谅我那么不要脸~~） 在之前两篇文章中我介绍了怎么编译Fast RCNN，和...
Fast RCNN 训练自己数据集 (1编译配置)
凌风探梅的专栏
05-03 5107
Fast RCNN 训练自己数据集 (1编译配置) FastRCNN 训练自己数据集 (1编译配置) 转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/ https://github.com/YihangLou/fast-rcnn-train-another-dataset 这是我在g
汉字编码之GBK编码（附完整码表）
热门推荐
郭晓东的专栏
03-04 83万+
继续字符编码的学习。今天介绍一下GBK(汉字内码扩展规范)，GB 2312 GB18030。引用网友的话可以概括一下： GBK和UTF8的区别：GBK就是在保存你的帖子的时候，一个汉字占用两个字节。。外国人看会出现乱码，此为我中华为自己汉字编码而形成之解决方案。 UTF8就是在保存你的帖子的时候，一个汉字占用3个字节。。但是外国人看的话不会乱码，此为西人为了解决多字节字符而形成之解决方案。 GBK编码是GB2312编码的超集，向下完全兼容GB2312。 GB18030编码向下兼容GBK和GB2312， GB
解放碑的yìe（夜）晚作文.doc
01-17
解放碑的yìe（夜）晚作文.doc
汉字拼音 hàn zì pīn yīn.zip
02-28
在IT行业中，尤其是在编程和汉字处理领域，"汉字拼音 hàn zì pīn yīn.zip" 这个主题涉及到的关键技术是将汉字转换为其对应的汉语拼音，这是JavaScript编程中一个重要的应用。汉语拼音是汉字的一种音译方式，主要...
精选资源
Calibrì-开源
05-29
Calibri' 是一个 Java 程序，它利用 Calimero 库在 EIB/KNX 总线上读写电报。 Calibri 的尝试是通过在数据库上表示电报，将整个 BUS 系统抽象给开发人员。
caffe学习（5）视觉层
Yan_Joy的博客
11-06 909
上一篇是数据层，这一篇是视觉层（Vision Layers）。参考官网和网友博客。 Vision Layers Caffe学习系列(3)：视觉层（Vision Layers)及参数，denny402 Caffe源码解析5：Conv_Layer，楼燚航的blog 视觉层通常将图像作为输入，产生其他图像作为输出。图像输入可以是灰度图（通道C=1），RGB图（通道C=3）。同样图像也具有二
语音分离基于平均谐波结构建模的无监督单声道音乐声源分离（Matlab代码实现）
01-01
【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离（Matlab代码实现）内容概要：本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法，并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模，利用音源间的频率特征差异，实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据，属于无监督学习范畴，适用于单通道录音场景下的语音与音乐分离任务。文中强调了算法的可复现性，并附带完整的仿真资源链接，便于读者学习与验证。; 适合人群：具备一定信号处理基础和Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师；尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标：①用于音乐音频中人声与伴奏的分离，或不同乐器之间的分离；②支持无监督条件下的语音处理研究，推动盲源分离技术的发展；③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议：建议读者结合提供的Matlab代码与网盘资料同步运行调试，重点关注谐波建模与频谱分解的实现细节，同时可扩展学习盲源分离中的其他方法如独立成分分析（ICA）或非负矩阵分解（NMF），以加深对音频信号分离机制的理解。
python餐厅点餐系统（代码+数据库+LW）
01-01
摘 要 如今社会上各行各业，都喜欢用自己行业的专属软件工作，互联网发展到这个时候，人们已经发现离不开了互联网。新技术的产生，往往能解决一些老技术的弊端问题。因为传统餐厅点餐信息管理难度大，容错率低，管理人员处理数据费工费时，所以专门为解决这个难题开发了一个餐厅点餐系统，可以解决许多问题。 餐厅点餐系统实现的功能包括菜品类型管理，菜品信息管理，轮播图管理以及对已完成，未支付，已取消，已支付，已退款等状态的订单进行管理等功能。该系统采用了Mysql数据库，Python语言等技术进行编程实现。 餐厅点餐系统可以提高餐厅点餐信息管理问题的解决效率，优化餐厅点餐信息处理流程，保证餐厅点餐信息数据的安全，它是一个非常可靠，非常安全的应用程序。 关键词：餐厅点餐系统；Mysql数据库；Python语言
【智能汽车技术】基于线控与域控的智能底盘系统架构：新能源汽车滑板底盘创新形态及实车测试验证
01-01
内容概要：本文系统介绍了新能源汽车领域智能底盘技术的发展背景、演进历程、核心技术架构及创新形态。文章指出智能底盘作为智能汽车的核心执行层，通过线控化（X-By-Wire）和域控化实现驱动、制动、转向、悬架的精准主动控制，支撑高阶智能驾驶落地。技术发展历经机械、机电混合到智能三个阶段，当前以线控转向、线控制动、域控制器等为核心，并辅以传感器、车规级芯片、功能安全等配套技术。文中还重点探讨了“智能滑板底盘”这一创新形态，强调其高度集成化、模块化优势及其在成本、灵活性、空间利用等方面的潜力。最后通过“2025智能底盘先锋计划”的实车测试案例，展示了智能底盘在真实场景中的安全与性能表现，推动技术从研发走向市场验证。; 适合人群：汽车电子工程师、智能汽车研发人员、新能源汽车领域技术人员及对智能底盘技术感兴趣的从业者；具备一定汽车工程或控制系统基础知识的专业人士。; 使用场景及目标：①深入了解智能底盘的技术演进路径与系统架构；②掌握线控技术、域控制器、滑板底盘等关键技术原理与应用场景；③为智能汽车底盘研发、系统集成与技术创新提供理论支持与实践参考。; 阅读建议：建议结合实际车型和技术标准进行延伸学习，关注政策导向与行业测试动态，注重理论与实车验证相结合，全面理解智能底盘从技术构想到商业化落地的全过程。
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型（Matlab代码实现）
最新发布
01-01
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型（Matlab代码实现）内容概要：本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型（Matlab代码实现）》的技术资源，重点围绕电力系统中连锁故障的传播路径展开研究，提出了一种N-k多阶段双层优化模型，并结合故障场景筛选方法，用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现，具备较强的工程应用价值和学术参考意义，适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向，涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域，展示了广泛的仿真与复现能力。; 适合人群：具备电力系统、自动化、电气工程等相关背景，熟悉Matlab编程，有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标：①用于电力系统连锁故障建模与风险评估研究；②支撑高水平论文（如EI/SCI）的模型复现与算法验证；③为电网安全分析、故障传播防控提供优化决策工具；④结合YALMIP等工具进行数学规划求解，提升科研效率。; 阅读建议：建议读者结合提供的网盘资源，下载完整代码与案例进行实践操作，重点关注双层优化结构与场景筛选逻辑的设计思路，同时可参考文档中提及的其他复现案例拓展研究视野。
BUUCTF(Misc)解题过程[源码]
01-01
本文详细介绍了在BUUCTF(Misc)题目中解决FLAG问题的步骤。首先通过WinHex检查图片文件头和十六进制匹配情况，查找flag字符串或隐藏文件。若未找到，则使用StegSolve进行图像隐写分析，包括LSB隐写和图片叠加等方法。随后发现文件头为50 4b，将其保存为zip文件，但文件损坏。通过foremost文件分离成功获取文件，最终在WinHex中查看未知文件类型，得到flag{dd0gf4c3tok3yb0ard4g41n~~~}。整个过程展示了从图片中提取隐藏信息的多种技术手段。
计及需求侧响应日前、日内两阶段鲁棒备用优化(Matlab代码实现）
01-01
计及需求侧响应日前、日内两阶段鲁棒备用优化(Matlab代码实现）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值