XJTU_Ironboy

作  者：XJTU_Ironboy时  间：2018年12月联系方式：tzj19970116@163.com本文结构：摘要介绍2.1 大致框架2.2 测试评价指标2.3 相关比赛介绍2.4 相关数据集介绍基于图像处理和机器学习算法3.1 滑动窗口3.2 提取特征 3.1.1 Harr特征 3.1.2 SIFT(尺度不变特征变换匹配算法) 3.1.3 HOG(方向梯度...

作   者：XJTU_Ironboy时   间：2018年11月联系方式：tzj19970116@163.com本文结构：摘要介绍2.1 大致框架2.2 测试评价指标2.3 相关比赛介绍2.4 相关数据集介绍基于图像处理和机器学习算法3.1 滑动窗口3.2 提取特征 3.1.1 Harr特征 3.1.2 SIFT(尺度不变特征变换匹配算法) 3.1....

作   者：XJTU_Ironboy时   间：2018年11月联系方式：tzj19970116@163.com1. 摘要   随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。本文主要系统性地介绍...

论文原文：SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks for Real-Time Object Detection for Autonomous Driving 源代码下载：https://github.com/BichenWuUCB/squeezeDet 论文翻译：XJTU_Ironboy

论文原文：SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks for Real-Time Object Detection for Autonomous Driving 源代码：https://github.com/BichenWuUCB/squeezeDet 论文翻译：XJTU_Ironboy

论文原文：SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks for Real-Time Object Detection for Autonomous Driving 源代码：https://github.com/BichenWuUCB/squeezeDet 论文翻译：XJTU_Ironboy