内部包含R-CNN、FastRCNN、FasterRCNN、SPP、SSD、SegNet、YOLOv1~v3、FCN共十篇目标检测的论文原文。
2025/5/3 8:40:04 30.97MB 目标检测
1
YOLO为一种新的目标检测方法,该方法的特点是实现快速检测的同时还达到较高的准确率,很详细的介绍
2025/4/18 0:13:37 5.07MB YOLO 人工智能 算法
1
基于VIBE的运动目标检测,其根据随机采样原理进行背景建模,检测速度快,准确率高。
2025/4/9 15:26:48 4KB VIBE 运动目标检测 背景建模
1
视觉跟踪技术作为计算机视觉领域的热门课题之一,是对连续的图像序列进行运动目标检测、提取特征、分类识别、跟踪滤波、行为识别,以获得目标准确的运动信息参数(如位置、速度等),并对其进行相应的处理分析,实现对目标的行为理解。
视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪,获得运动目标的运动参数,如位置、速度、加速度和运动轨迹等,从而进行下一步的处理与分析,实现对运动目标的行为理解,以完成更高一级的检测任务。
2025/4/6 0:40:14 8.68MB 视觉跟踪 avi监控视
1
Vibe算法,可用于动态目标检测,matlab,可以直接运行
2025/4/2 3:06:47 3KB Vibe算法 动态目标检测
1
vs2013+opencv2.4.9亲测可用,运动目标检测效果良好,备注详细
2025/3/29 4:19:13 5KB vibe算法
1
目标检测NMS-GPU和Cython(非极大值抑制)在window下的编译文件,包括soft_NMS实现。
小批量情况下Cython速度高于GPU
2025/3/26 1:07:25 1.59MB 目标检测 NMS Window
1
运动目标检测在计算机视觉,图像处理,模式识别等多领域有着广泛的应用,经历了多年的研究和探索,针对运动目标检测的算法层出不穷,我们也积累了许多相关的算法。
但是我们还远没有完成对这个充满挑战的领域的探索。
本文对运动目标检测的技术进行了一定的研究,实现了基于canny算子和光流法相结合的运动目标检测方法。
为了能够准确把握这个行业的动态,本文首先介绍了运动目标检测的三大经典方法:背景相减法,帧差法,光流法。
同时比较了各自的优缺点。
帧差法具有易实现,计算量小的优点,但是却无法准确的检测出运动目标的完整轮廓。
光流法具有对不断运动的运动目标进行目标检测,但是它却有很大的计算量,同时对噪声也比较敏感。
为了可以对运动目标进行更好的识别,我们提出了边缘检测算子与光流法相结合的新方法。
在对多种边缘检测算子进行了了解之后,我们确定了利用canny算子进行边缘检测,并且结合光流法进行运动目标检测的方法。
在用canny算子检测出运动物体边缘之后,借助光流法计算出物体的运动场,同时结合最大类间方差法分辨出运动目标和背景,接着将物体的边缘信息和物体的运动信息进行融合,最后运用数学形态学的方法对结果进行处理,得到最终的运动目标。
通过实验,我们发现该方法既克服了帧差法不能准确检测出运动物体轮廓,和光流法抗噪声能力差的缺点,可以准确检测运动目标,对运动目标具有更好的检测效果
2025/3/25 14:37:01 15.94MB 运动目标检测 CANNY算子 光流 matlab
1
SSD_SingleShotMultiBoxDetector2016.pdf,目标检测中比较经典的算法,速度快,效果好,而且代码相比faster-rcnn要简单易懂,代码在我的上一个上传资源里
2025/3/21 2:43:58 2.26MB SSD
1
此文件为yolo模型(1-3)的pytorch实现以及ssd目标检测的pytorch实现
2025/3/13 11:41:51 53.24MB yolo ssd pytorch
1
共 171 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡