自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 收藏
  • 关注

原创 从深度学习基础看YOLOv5

yolov5的基础结构包括:主干网络(Backbone)——颈部网络(Neck)——预测头(Prediction)

2025-03-27 23:30:10 332

原创 如何使用ISAT_with_segment_anything-master进行半自动的数据标注+小车yolo循迹

参考:b站up主开源代码,直接在本站搜索“ISAT_with_segment_anything-master”即可找到开源代码,截图如下:你如果直接使用了作者的开源代码,那么在这个开源代码运行之后会得到如下的界面:你需要打开里面的main.py文件夹,运行它得到如下的界面:在这样的界面里面点击模型,你可以找到你想要下载的模型SAM(这个模型就是用于快速标注的模型),值得注意的是模型的大小是需要选择的,这个取决于你的电脑性能,像我的电脑只能选择最小的模型,其需要的显存为2G(所以这个方式是需要GPU的),

2025-02-06 15:52:39 764

原创 动态反向学习信号干扰检测的方法学习

他是为了改善北斗接收信号的质量而存在的,本质上来说:就是获得噪声信号在不同的环境换言之状态下的最佳特征解,通过这个最佳特侦解去构建干扰信号的状态向量;(2)动态调整:通过动态反向学习策略和状态空间模型,状态向量可以根据实际接收信号不断调整和优化,适应不同环境下的干扰情况,提高检测的灵活性和适应性。所以,总的来说就是通过,双向搜索获得更加的北斗抗噪性能,这样的搜索方式是双向进行的,同时定义了搜索域。(3)双向搜索:通过前向和后向的双向搜索策略,优化状态向量的求解过程,确保检测结果的全局最优。

2024-07-16 00:45:18 262

原创 大学物理上学习记录

ps:记录的均是自我觉得重要的点1.轨迹方程:在三维的空间当中,其描述的均是xyz位置的关系,即:根据运动方程消除t,得到纯位置之间的关系即可,如下所示:2.位矢:坐标原点指向指点的有向线段,如下(矢量加上箭头):3.位移:表示位置的变动,起始位置-末位置很有意思的一张图:需要注意的是,指的两个位置的位移,但是表示两个位矢的模值差。

2024-07-01 09:30:37 439

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除