bhj5787的专栏

随着智慧高速的建设，监控摄像头已经成为道路基础设施的重要组成部分，平均每公里部署一个摄像头。这些摄像头除了用于卡扣、交通事件检测等专用场景外，大部分用于日常监控。然而，视频数据属于非结构化数据，且体量巨大，仅靠存储无法充分发挥其价值。视频能见度检测技术便是将这些海量的视频数据转化为可利用的信息，为交通管理带来新的价值。

基于视频能见度检测的预警告警系统可以有效提高高速公路的安全性，减少交通事故的发生。该系统具有广阔的应用前景，可以推广应用于高速公路、隧道、桥梁等交通设施。基于视频能见度检测的预警告警系统可以有效降低此类事故的发生风险。系统可以检测出当前的能见度，并在能见度低于预设阈值时向驾驶员发出警告，提醒驾驶员注意安全。系统架构：预警告警系统可以分为三个部分：视频采集模块、能见度检测模块和预警告警模块。视频采集模块：负责采集道路图像。预警告警模块：负责根据能见度检测结果发出警告。能见度检测模块：负责计算当前的能见度。

Pytorch的基本使用流程总结为七个步骤，方便理解。这里省去了部分细节。PS: 内容纯属个人理解，难免有错误，告知即改！第一步 ： 定义module模块 ，即定义网络generator = GeneratorDRRN()第二步： 定义优化器，并告知优化器，模型的哪些参数需要学习optim_generator = optim.Adam(generator.parameters(), lr=opt.generatorLR)第三步： 定义损失函数：content_crite

经典网络架构VGG16googleNetResNetResNet参考资料查看超分重建.md对应章节DenseNetDenseBlock是DenseNet的内部单元，DenseNet由多个DenseBLock通过Transition来连接起来bottleneck 就是减少channels数量，通常采用Conv1*1来实现Bottleneck Layer是指在DenseBlock中，...

原文网址：http://www.tuicool.com/articles/Vb6fy2bDeep Learning源代码收集-持续更新…zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09 收集了一些Deep Learning的源代码。主要是Matlab和C++的，当然也有python的。放在这里，后续遇到新的会持续更新。