- 博客(2008)
- 收藏
- 关注
RSS订阅
原创 数模应用-MATLAB基础知识精讲系列文章目录介绍（持续补充ing）
本专栏以MATLAB基础知识讲解为主，相信有很多刚入门的理工科小伙伴，对于MATLAB这个软件还不是很熟悉，在这里给各位学弟学妹们一个小建议：大学期间数模竞赛如果有机会尽量去参加，一方面是对自己所学知识的一次检验，另外，如果能在比赛中获得好名次的话，对你之后的求职升学等方面都会有很大助力！本专栏的进阶版参见博主的这个专栏，里面详细列举了各类算法的算法原理、应用案例及多种编程语言的代码实现，配合基础篇一起学习能达到事半功倍的效果哦。
2022-10-08 09:03:23
856
原创 数学建模-MATLAB算法精讲系列文章目录介绍（持续补充ing）
结合实际案例，从算法背景开始一步步到最终代码实现，本系列文章主要以matlab代码为主，为照顾学习其他编程语言的小伙伴，大部分算法会附带python、Java、C++、R语言等市面上主流代码，满足各层面的用户学习。部分内容参见网络文献，如有侵权，请联系博主删除本专栏中涉及的MATLAB基础知识讲解篇详见文章内容主要包括算法背景、算法原理、算法优缺点、算法伪代码、算法的应用场景、算法的应用案例、算法的拓展以及多语言实现算法的代码化。
2022-08-30 09:26:54
2681
原创 目标检测YOLO实战应用案例100讲-基于无人机探测视频的车辆 目标检测方法研究（续）
通过对采集的无人机探测视频进行每5帧抽取一张图片的操作，共获得9143 张无人机车辆目标检测数据，同时经过数据增强处理又获得5424张数据集。 无人机探测视频车辆目标检测数据集的构建需要获取图像中目标的位置以 及类别信息，通过观察无人机拍摄的数据集，最终确定将car，van，truck和bus 这四个种类的目标进行检测。如图3-7所示是部分样本数据集的示意图，car 类 别主要包括客车、汽车、商务车，van类别主要是面包车、货运箱车等，bus 类 别主要是公交车、大型巴车等，truck 类别主要是货车和
2025-04-03 00:30:00
14
原创 目标检测YOLO实战应用案例100讲-无人驾驶车辆在复杂环境下的目标检测（续）
在SSD算法中一共有5层不同大小的特征层用来检测，每一层特征层中采用了4种 或者6种尺度的锚框，并且每一层的锚框大小会线性的增加，分别为30、60、111、162、 213、264，共有5776个小尺度锚框，2916个中尺度锚框，40个大尺度锚框，在多种尺度 的检测层上设置不同大小的锚框，这种设置方法相对于Faster R-CNN显得更加合理。在目标检测任务中，主要分为了目标的分类和定位，其中分类的好坏直接决定了检测 结果，只有对目标完成正确的分类，定位才有意义，因此分类对于目标检测任务是至关重 要的。
2025-04-02 00:30:00
15
原创 目标检测YOLO实战应用案例100讲-基于深度学习的交通标志小目标检测与识别研究（续）
TT-100K数据集虽然规模较大、数据质量较高及所含种类也较多，但并非完 美，正因其分类种类多达221种，导致数据集中各种类的出现频率分布相差悬殊， 出现最多的交通标志出现超过2500次，而最少的只出现一次，还有很多类别出 现不到10次，还有部分种类缺乏样本。TT100K出现频率大于100的类别和对 应数量统计如图3.8所示。 在实际研究中常采用出现频率最高的若干个类别或出现频率超过100的45 个类别进行研究，因为出现频率过少的类别不适合用深度学习的方法进行检测训 练。如果使用原始TT-100K数据集的全
2025-04-01 00:30:00
30
原创 目标检测YOLO实战应用案例100讲-基于孤立森林算法的高光谱遥感图像异常目标检测（续）
圣地亚哥机场数据集（San Diego Airport data set，SD-Airport）：第一个数据 集由美国加利福尼亚州圣地亚哥机场区域的机载可见光/红外成像光谱仪 (Airborne Visible/Infrared Imaging Spectrometer，AVIRIS)获取。该数据集空间分辨 率约为3.5m/pixel，光谱分辨率为10nm。它包含224个光谱波段，波长范围为370-2510nm。
2025-03-31 08:49:32
200
原创 目标检测YOLO实战应用案例100讲-跨模态、多级别融合的RGB-D显著目标检测方法研究（续）
在第二章介绍了本研究的跨模态特征融合方法，第二章对于多级别特征的融合， 使用的是与基线模型baseline相同的方法：相邻级别的特征中，高级特征进行上采 样到与低级特征相同的尺度，再将高级特征通过降维得到与低级特征相同的通道数 量，最后对二者进行特征叠加，如此自顶向下的进行多级别的特征融合。本章主要 介绍本研究在特征层面的另一发现，并基于此发现引出的本文的第二个创新点：多 级别特征的融合方法。另外，在网络最深层，本文设计了一个新的模块来获取大的 感受野，对于大尺度目标能够增加更多语义信息，提升检测效果。骨
2025-03-26 00:30:00
66
原创 目标检测YOLO实战应用案例100讲-小麦麦穗的目标检测与杂草分类识别研究(续)
本章的全球小麦穗检测数据集（http://www.global-wheat.com/）是公开数据集。该数据集是由多个国家共同构建的，并且是第一个从田间光学图像中检测麦穗的 大规模数据集。该数据集中包含了4700张高分辨率RGB图像和19万株从世界 各地几个国家收集的不同生长阶段、不同基因型的标记小麦。在户外野外图像中 准确检测小麦头部是一项视觉挑战。浓密的小麦植株经常重叠，风会使麦穗发生 摇晃，使得拍摄的照片变得模糊。这两种情况都使检测农作物小麦麦穗变得困难。
2025-03-25 00:30:00
32
原创 MATLAB基础应用精讲-【数模应用】基于 PRISM 模型的无人机目标搜索与避碰(附MATLAB、C++和python代码实现)
随着无人机的发展，无人机避障问题一直是无人机应用中的热点和难点问题。在 对避障问题的研究与探索中， 形成了许多比较成熟的理论方法，例如可视图法、栅格 法与人工势场法等等，其中最著名的是向量场直方图方法， 也就是VFH算法。于是 采用VFH算法和路径规划相结合的方法实现无人机沿着预定路径前进中的避障问题。采用激 光雷达来获取机器人周围环境信息，并用仿真验证所做的避障设计是可以实现 的。
2025-03-24 00:30:00
30
原创 目标检测YOLO实战应用案例100讲-基于元学习和通道剪枝的轻量级遥感图像目标检测方法（续）
在这一章节中，我们将详细地介绍基于元学习的自动化通道剪枝方法，通过 我们剪枝方法得到的子网络可以满足不同浮点运算量的限制约束。我们将N表示如图4-1所示，我们的通道剪枝方法可以分为两个步骤，首先是训练权重生 成元网络，该网络是一种通过输入随机初始化的网络编码向量后可以自动生成子 网络权重的权重生成模型，每一个网络编码向量都代表了一种特定的子网结构， 元网络会为每一个子网结构生成其相对应的权重。
2025-03-24 00:30:00
70
原创 目标检测YOLO实战应用案例100讲-基于特征增强的多感受野小目标检测算法在海思平台的应用(续)
可以证明在对小目标的检测上，本文改进。表4.1展示了不同层的嵌入方式在三种基线下的top-1 error对比情况，对于 ResNet-50、ResNet-101、ResNet-152，底层的嵌入方式均取得了较好的效果，具 体来讲，在底层（Conv1层）嵌入FA-block使得ResNet-50的top-1 error从24.7%减少到22.6%，这个错误率甚至相对于ResNet-101的23.5%更小，而ResNet-101 网络的计算量几乎是加入了FA-block的ResNet-50网络的两倍。
2025-03-23 00:30:00
45
原创 MATLAB算法实战应用案例精讲-【数模应用】模拟退火算法求解全局最大值最小值问题（附MATLAB、python和Java代码实现）
模拟退火算法(SA)来源于固体退火原理，是一种基于概率的算法。模拟退火算法从某一较高初温出发，伴随温度参数的下降，寻找目标函数的全局最优解。模拟退火算法属于贪心算法的一种，但引入了随机因素，在每次迭代是会有一定的概率接收恶化解，因此会有一定的可能性跳出局部最优解，搜索到全局最优解。
2025-03-23 00:30:00
38
原创 目标检测YOLO实战应用案例100讲-基于卷积神经网络的昆虫 生长阶段小目标检测方法研究（续）
基于卷积神经网络的目标检测技术首先要求收集大量的样本图片，然后把这些图 片标注出目标的位置，生成文件，作为训练数据，以此来训练模型。目标检测技术的 关键步骤，一部分是需要利用学习模型进行相关生物信息的比较，另一部分是从大量 实验数据中提取特征并形成训练数据，使用训练数据来训练模型，得到识别模型来保 证系统的准确性。利用改进的YOLOv3模型对样本数据集进行训练，如果数据集的 数量不够，将直接影响训练的好坏。
2025-03-22 00:30:00
33
原创 MATLAB基础应用精讲-【数模应用】模拟退火算法求解全局最大值最小值问题（附C++、MATLAB和python代码实现）
模拟退火算法(Simulated Annealing，SA)的思想最早由Metropolis等人于1953年提出：Kirkpatrick于1983年第一次使用模拟退火算法求解组合最优化问题。模拟退火算法是一种基于MonteCarlo迭代求解策略的随机寻优算法， 其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。其目的在于为具有NP(Non-deterministic Polynomial) 复杂性的问题提供有效的近似求解算法，它克服了其他优化过程容易陷入局部极小的缺陷和对初值的依赖性。
2025-03-22 00:30:00
33
原创 目标检测YOLO实战应用案例100讲-基于超分辨率增强网络的小目标检测系统的研究与实现（续）
由超分辨率模块生成的超分辨率图像SR已经对小目标的细节信息进行了补偿，可 在实际场景中，图像背景的颜色、噪声等也可能会影响检测器对小目标边缘的界定，从 而导致检测精度的下降。正因如此，本文拟对小目标的边缘再进行一次增强。为了防止 在边缘增强的同时对图像的非边缘部分产生影响，尽可能完美的提取图像边缘就显得尤 为重要。换言之，一个优秀的边缘检测算法将有效的提升模型的边缘增强效果。为了有效的抑制噪声和精准的定位图像中的边缘路径，本文分别对Sobel算子[26]、 Laplace算子[27]以及Canny算子[2
2025-03-21 00:30:00
42
原创 MATLAB基础应用精讲-【数模应用】基于动态扰动和惯性权重的改进布谷鸟算法求解目标问题（附MATLAB、C++和python代码实现）
单目标优化是通过改变一组自变量来最小化或最大化一个目标函数的问题。在实际应用中，我们经常需要解决单目标优化问题，例如参数优化、函数逼近等。布谷鸟算法（Cuckoo Search Algorithm）是一种启发式优化算法，模拟了布谷鸟的寄生习性以及布谷鸟蛋的扩散策略。它具有全局搜索能力和较好的收敛性，因此被广泛应用于优化问题。然而，传统的布谷鸟算法存在着一些问题，如局部最优解陷阱和收敛速度较慢等。为了提高布谷鸟算法的性能，本文引入了多阶段动态扰动和动态惯性权重的策略。
2025-03-21 00:30:00
64
原创 MATLAB基础应用精讲-【数模应用】多无人机目标搜索与围捕(附MATLAB、C++和python代码实现)
多架无人机组成无人机集群可以协同完成任务，是未来无人机的发展方向。组成无人机集群的多架无人机通过机间链路互相通信实现协作，可以迅速准确地执行路径规划、协同侦察、协同感知和协同攻击等复杂任务。为实现无人机集群协作的诱人前景，国内外都积极开展了相关研究工作。美国方面，美国国防预先研究计划局(DARPA)于2015年推出“小精灵”项目，计划研制具备自组织和智能协同能力的无人机蜂群系统。
2025-03-20 00:30:00
63
原创 目标检测YOLO实战应用案例100讲-高密度交通场景下智能汽车多目标检测与跟踪算法(续)
DeepSORT[ 64]匹配模型是目前应用范围最广的目标跟踪模型。由于DeepSORT算法不 仅保证了实时计算需要而且使用了外观特征数据进行关联，从而使其大幅降低了跟踪过 程中出现的身份ID切换次数。虽然DeepSORT算法在模型无法完成端到端的优化，降低 了使用的便捷性，但是由于其结构简单，便于使用者针对最终效果做特异性优化，例如 提升检测器性能或者微调跟踪器参数，因此DeepSORT算法广泛应用于魔门塔等智能车感 知系统中。
2025-03-19 00:30:00
147
原创 目标检测YOLO实战应用案例100讲-面向交通复杂目标场景的机器视觉检测技术研究（续）
本文实验中使用的车辆行人检测数据集为TID数据集，即交通路口数据集（Traffic Intersection Dataset，简称TID），该数据集由两部分组成。 本文从网络公开图源上获取到一段交通路口监控视频，
2025-03-18 00:30:00
314
原创 目标检测YOLO实战应用案例100讲-基于毫米波雷达与摄像头协同的道路目标检测与识别（续）
通过上文对毫米波雷达原始数据进行3D-FFT和CFAR处理后，将会生成点 云数据和反映目标位置信息的距离-角度图。接下来通过对点云执行聚类算法获取 目标的中心位置，并以聚类后的结果为中心点，设置大小合适的边界框截取包含 目标信息的数据块，后续用于生成目标微多普勒时频图进行分类。其目标检测流 程如图3-6所示。 经过第二章的雷达原始回波数据处理流程后会生成被探测目标的点云数据， 其中包含了被探测目标的距离、角度及速度信息。由于本文是基于真实道路场景 下的目标识别，而道路环境的目标是处于运动中的，无法预测探测过
2025-03-17 00:30:00
428
原创 目标检测YOLO实战应用案例100讲-面向小样本的目标检测技术研究与应用
C2f,Concat,Conv,DWConv,SPPF,return x```---### 4. 训练函数```python# 加载配置文件# 初始化数据集和数据加载器dataset,# 初始化模型# 定义优化器和损失函数# 训练循环# 保存模型```---### 5. 数据增强策略Compose,Resize,Normalize,])```---### 6. 损失函数优化```python# 解析输出。
2025-03-16 00:30:00
39
原创 目标检测YOLO实战应用案例100讲-基于改进YOLOv5的水下群体目标检测 研究与实现（续）
水下环境中的目标检测面临诸多挑战，如目标模糊、光照不均匀、目标遮挡等。改进YOLOv5模型以适应这些挑战，可以显著提高检测的准确性和召回率。
2025-03-16 00:30:00
49
原创 目标检测YOLO实战应用案例100讲-基于深度学习的多目标检测算法及其应用研究
基于传统人工特征的目标检测方法主要是通过人工选择特征的方式，设计特征 模板。由于小目标尺寸小、分辨率低、边缘信息模糊，因此针对小目标检测的研究 近乎没有，因此，传统方法主要是解决广义上的目标检测任务。因此本节中，主要针对传统方法中目标检测方法的发展情况进行阐述。传统目标检测方法主要经过以 下几个步骤：1) 提输入原始图像；2) 在原始图像中选择可能出现目标的检测区域；3) 将这部分特征信息传入分类器进行分类判断；4) 对分类结果进行分析和筛选[ 12]。
2025-03-15 00:30:00
47
原创 目标检测YOLO实战应用案例100讲-基于深度学习的无人机图像自适应分簇目标检测方法（续）
航空图像数据集主要由无人机和卫星在空中采集，本文用到的航空图像数据集分 别是VisDrone 2019、DOTA和UAVDT；其中，VisDrone 2019和UAVDT是无人机拍摄 的航空图像数据集，DOTA是卫星拍摄的航空图像数据集。航空图像在空中拍摄，拍摄 角度和拍摄高度不受限制，因此图像的特点也和普通图像不同。 VisDrone 2019数据集的主要标注的目标是：常见交通工具和行人，具体包括： 行人、人、自行车、汽车、面包车、公共汽车、三轮车、带蓬三轮车、摩托车、卡车， 一共10类目标，其中只有站
2025-03-15 00:30:00
45
原创 目标检测YOLO实战应用案例100讲-基于深度学习的遥感目标检测算法FPGA部署实现研究
传统目标检测算法首先在输入图像中产生多个可能包含目标的候选区域，主要方法有滑动窗口法[17]、感兴趣区域提取法等。滑动窗口法利用遍历的思想对输入图像进行候选区域提取，具体为使用一个固定大小和步长的窗口滑动遍历整个图像，在滑动的过程中每一次移动都代表一个候选区域。虽然滑动窗口的方式可以提取输入图像的所有区域，降低漏检概率，但是会产生大量的冗余窗口，大幅增加了后续步骤的计算量，导致目标检测效率较低。同时对于遥感目标检测任务中的多尺度特性，单。
2025-03-14 00:30:00
28
原创 目标检测YOLO实战应用案例100讲-基于视觉与激光雷达信息融合的智能车辆目标检测研究（续）
本节将针对Efficientdet-Gs算法的优越性以及TensorRT推理引擎的有效性进行实验验证与分析。首先介绍了所用数据集、实验环境及实际训练过程；随后通过自身消融实验及与主流算法的对比实验验证了改进算法的优越性；利用Efficientdet-Gs算法 结合TensorRT后的加速效果说明其有效性；最终以可视化的形式进一步证实了对算 法的优化结果。 当前，开源的数据集多种多样，本章实验主要基于BDD100K数据集进行。 BDD100K（A Large-scale Diverse Driving
2025-03-14 00:30:00
50
原创 目标检测YOLO实战应用案例100讲-基于YOLO网络架构的无人机视角下的小目标检测算法研究与应用（续）
本章所使用的硅基金黄光LED光源来源于南昌大学国家硅基LED工程技 术研究中心研发的一种无荧光粉的纯LED照明技术，这一技术突破了国际上采 用蓝光LED芯片激发黄色荧光粉的LED荧光照明技术垄断。 传统的荧光照明技术存在由于荧光粉光光转换带来的能量损失和散热困难 问题。荧光光谱中的蓝光成分高，显色指数低、色温固定、效力潜能有限。硅基金黄光LED照明技术从根本上避免了LED荧光照明技术中的“富蓝光危害”问 题，具有更高理论光效、高可靠性和更高生物安全等级。硅基金黄光LED是将 高光效的硅基黄光LED和红光
2025-03-14 00:30:00
40
原创 目标检测YOLO实战应用案例100讲-基于卷积神经网络的可见光遥感影像船只目标检测研究(二)
传统舰船目标检测算法是以先验知识作为理论支撑的一种图像分析方法，通过人工设计获取到的特征优劣将决定着算法的泛化能力。其方法流程如图1-1所示，主要可分为区域选择、特征提取、分类以及NMS处理四部分。根据算法原理不同，可分为以下四种方法：① 基于灰度特征统计基于灰度特征统计根据舰船目标和背景之间的灰度差别，利用图像的反差程度、梯度以及方差等统计特性对舰船目标进行分割。文献[6]利用最大类间方差法，将目标与背景之间的灰度差别最大化，再通过形态学等一系列运算，得到整个船体区域。
2025-03-13 00:30:00
31
原创 目标检测YOLO实战应用案例100讲-低空背景下无人机目标的光谱特征研究及目标检测应用(续)
在多光谱图像的采集实验中，所获取的成像数据是图像中每个像素点的灰度 值，因此为了获得待测目标较为准确的反射率光谱特征曲线，需要对所获得的各 类目标的原始灰度图像进行反射率光谱重建。为了消除各类目标因表面分布不均 匀和光照因素对目标反射率造成的影响，在进行目标反射率光谱重建之前需要对 所采集的各类目标的多光谱图像进行感兴趣区域选取，然后对所选取的感兴趣区 域内的所有像素点求灰度均值，并利用多光谱图像反射率光谱重建模型计算出目 标的反射率光谱曲线。在利用成像设备对待测目标进行多光谱图像采集时，由于各待测目标的
2025-03-13 00:30:00
37
原创 目标检测YOLO实战应用案例100讲-无人机小目标检测的研究与应用(续)
在本节中，描述双神经网络的小目标复检方法的详细研究过程，并展示了方法的步 骤。该方法采用双神经网络结构精细处理图像中可能包含的小目标区域以优化检测，增 强了小的目标特征，并使其更具鲁棒性。
2025-03-12 00:30:00
69
原创 目标检测YOLO实战应用案例100讲-基于激光雷达点云的交通场景 三维车辆目标检测与跟踪算法研究（续）
本章在目标检测的基础上，研究并实现了一种基于目标框相似性度量的三维车辆 目标跟踪算法，该算法包括状态预测、时序关联、轨迹管理、状态更新等流程。其中， 在时序关联环节，提出了一种基于孪生编码器的目标框相似性度量方法，用于计算轨 迹框与检测框的关联成本。本章使用KITTI MOT数据集验证算法有效性，并通过降频 方式模拟了激光雷达丢帧情况用于评估算法鲁棒性。
2025-03-11 00:30:00
71
原创 目标检测YOLO实战应用案例100讲-基于毫米波雷达的多目标检测 （续）
对均值类和有序类CFAR检测算法分析，均值类CFAR检测算法 适用于背景杂波均匀平稳的环境中，其中CA-CFAR、GO-CFAR、SO-CFAR则分 别适用于更加细化的场景。在现实环境中，更多的是非均匀杂波背景环境，因此 有序类CFAR检测算法要优于均值类CFAR检测算法。均值类或有序类CFAR检 测算法的核心仍以计算能够根据背景环境杂波进行自适应调整检测门限为目的， 达到根据环境变化而检测门限变化的效果。
2025-03-11 00:30:00
421
1
原创 目标检测YOLO实战应用案例100讲-基于目标检测的抗酸杆菌识别技术（续）
（1）当使用切图策略时，FPN模块同样可以提升模型的检测效果AP50:95指 标提升1.2%，提升幅度相较原图的0.5%更高，说明FPN模块在切割后的子图中 的检测效果提升高于将FPN模块直接用于原图，与在原图的检测不同的一个点 是小图使用FPN模块后，AP50的准确率得到提升，高于不使用neck模块2%， 而在原图的检测中，使用FPN模块AP50指标不升反降，说明在切图后的训练中 使用FPN模块，相比原来直接在原图中训练起到的效果更好。片中的目标物特征被进一步减弱，很难捕捉到目标物的语义特征。
2025-03-10 00:30:00
116
原创 目标检测YOLO实战应用案例100讲-基于PReNet和YOLOv4融合的 雨天交通目标检测网络（续）
PReNet是一种分阶段结构的去雨网络，但其网络结构较简单，去雨图像存在雨线 残留，同时在处理暗背景、明亮的水面等亮区域时，去雨后的图像分辨率下降，且具 有部分失真或过饱和现象。针对以上不足，本章首先对PReNet网络进行优化；其次针 对雨天场景交通目标数据集匮乏问题，构建雨天交通场景车辆目标数据集(VOD-RTE)； 最后对改进的图复原网络进行定量、定性分析以验证其图像复原的有效性。目前，鲜有针对雨天场景交通目标检测的专用数据集，广泛使用的雨天复原数据 集主要包括Rain800数据集[ 61]、Rain
2025-03-10 00:30:00
67
原创 目标检测YOLO实战应用案例100讲-基于传感器融合的无人驾驶车辆目标检测与识别系统研究（续）
Autoware是世界上第一款用于无人驾驶开源软件，其最早是由名古屋大学的研 究小组在加藤伸平教授[60]（Prof.Shinpei Kato）的领导下于2015年8月正式发布，经过多年的发展，Autoware已成为公认的开源项目。
2025-03-09 00:30:00
683
原创 目标检测YOLO实战应用案例100讲-小麦麦穗的目标检测与杂草分类识别（续）
本章的全球小麦穗检测数据集（http://www.global-wheat.com/）是公开数据集。该数据集是由多个国家共同构建的，并且是第一个从田间光学图像中检测麦穗的 大规模数据集。该数据集中包含了4700张高分辨率RGB图像和19万株从世界 各地几个国家收集的不同生长阶段、不同基因型的标记小麦。在户外野外图像中 准确检测小麦头部是一项视觉挑战。浓密的小麦植株经常重叠，风会使麦穗发生 摇晃，使得拍摄的照片变得模糊。这两种情况都使检测农作物小麦麦穗变得困难。
2025-03-09 00:30:00
65
原创 目标检测YOLO实战应用案例100讲-联合深度图聚类与目标检测的语义SLAM算法研究
语义SLAM的主要目的是帮助机器人获取环境中的上层语义信息，将对环境的感知上升到物体实例层面，同时以物体为单位降低动态信息的影响。在当前的语义SLAM系统中，获取像素级分割结果的语义分割或实例分割算法时间复杂度过高，难以满足SLAM系统的实时性，另一方面只获取物体矩形边界框的目标检测算法又因为将不属于物体的部分也提取出来，牺牲了一部分的精度。为此本文基于RGB-D相机获取到的彩色图像序列和深度图像序列，在保证SLAM系统能够实时。
2025-03-08 00:30:00
66
原创 目标检测YOLO实战应用案例100讲-基于去雾增强和张量分析的红外小目标检测（续）
在本文中，矩阵和向量分别用大小写字母表示，如：a和A，张量用Euclid数字bdiag算子可以根据张量傅里叶变换后的正面切片来定义块对角矩阵，即：输入的数据大致分为三种类型。第一种向量(Vector)，它是最基本的输入数据的结构，出现在一般的预测问题中，输入数据可以用向量表示，每个维度上的数据可以表示一个进行处理的参考信息。第二种矩阵(Matrix)，它可以看作是二维数据平面， 用于处理图片的算法模型中，每张图像按照网格切分，分成存储着像素信息的矩阵，
2025-03-08 00:30:00
39
MATLAB算法实战应用案例精讲-【数模应用】-第十三届MathorCup数学应用挑战赛赛题(包含赛题和数据).rar
2025-02-27
MATLAB基础应用精讲-数模应用DTMF信号分析与仿真（附MATLAB GUI源码）
2025-02-05
MATLAB基础应用精讲-数模应用基于BP神经网络的交通流量预测（附数据及MATLAB源码）
2025-02-05
MATLAB基础应用精讲-【智能优化算法】黏菌算法（SMA）（附MATLAB和python代码实现）
2025-01-10
MATLAB基础应用精讲-数模应用不确定多式联运路径优化问题（附MATLAB多种算法代码实现）
2025-01-08
MATLAB基础应用精讲-数模应用基于PCM编码QAM调制与解调仿真(附MATLAB源代码)
2024-12-20
MATLAB基础应用精讲-数模应用基于视觉感知的图像显著计算Itti算法MATLAB源代码
2024-12-16
MATLAB基础应用精讲-数模应用图像修复-Criminisi算法MATLAB代码
2024-11-21
目标检测YOLO实战应用案例100讲-3D Lidar MOT 激光雷达点云 感知 多目标追踪
2024-04-19
MATLAB算法实战应用案例精讲-优化算法正切搜索算法（FTTA）（附MATLAB代码实现）
2024-03-05
MATLAB算法实战应用案例精讲-【智能优化算法】基于人类行为的优化算法(HBBO)（附MATLAB源代码）
2023-12-12
MATLAB算法实战应用案例精讲-【智能优化算法】焦点群优化算法（FGOA）（附MATLAB源代码）
2023-12-12
实战应用案例-实时车道线检测和智能告警（车道线检测 + 距离告警 + 转弯曲率半径计算）（附详细代码实现）
2023-12-06
MATLAB算法实战应用案例精讲-【数模应用】-第十四届MathorCup数学应用挑战赛赛题(包含赛题和数据).rar
2025-02-27
MATLAB算法实战应用案例精讲-【数模应用】-第十一届MathorCup数学应用挑战赛赛题(包含赛题和数据).rar
2025-02-27
MATLAB算法实战应用案例精讲-【数模应用】-第十二届MathorCup数学应用挑战赛赛题(包含赛题和数据).rar
2025-02-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人