本節(jié)主要將近年來基于候選區(qū)域的目標檢測算法分為五個部分進行綜述，首先介紹了Faster R-CNN[14]框架的發(fā)展歷程，然后綜述了對Faster R-CNN算法的四個重要組成部分(特征提取網(wǎng)絡、ROI Pooling層、RPN、NMS算法)的改進研究.
2023-01-09 10:52:32
1755 ，基于深度學習的方法在標準的目標檢測中取得了可喜的性能。水下目標檢測仍具有以下幾點挑戰(zhàn)：（1）水下場景的實際應用中目標通常很小，含有大量的小目標；（2）水下數(shù)據(jù)集和實際應用中的圖像通常是模糊的，圖像中具有
2020-07-24 11:05:39
YSQ（于仕琪）人臉檢測介紹：YSQ人臉檢測算法實現(xiàn)快速從視頻幀中檢測人臉并提取關鍵信息，支持多視角檢測，每個人臉提取68個關鍵點（Landmark）坐標。算法使用標準C/C++實現(xiàn)，無任何第三方庫或工具依賴。具有以下特點
2019-07-29 06:49:25
檢測系統(tǒng)在低功耗、輕小型化等方面提出了更高的要求。因此,完成小目標檢測任務不僅需要尋求合理的小目標檢測算法,在實現(xiàn)時還需要考慮處理性能和體積功耗。
2019-08-09 07:07:03
、并行處理、從目標檢測算法嵌入式平臺的實現(xiàn)的設計要求出發(fā)，基于深度學習的目標檢測算法特點，采用軟硬件協(xié)同設計思想進行總體架構設計，使得可編程邏輯部分可進行參數(shù)可配置以處理不同參數(shù)和結構的網(wǎng)絡層，具有一定
2020-09-25 10:11:49
人臉檢測算法及新的快速算法人臉識別設備憑借著便捷的應用，以及更加新潮的技術，俘獲了不少人的好感。于是，它的應用也在日益的變得更加的廣泛。由中國電子學會主辦的全國圖形圖像技術應用大會，行業(yè)專家將介紹
2013-09-26 15:13:24
目前優(yōu)化了一款高速人臉檢測算法，在 ARM設備的A73單核CPU(圖像大小:860*540最小人臉大?。?0*60)速度可以高達10-15ms每幀，真正的實時人臉檢測算法，算法準確率在 FDDB數(shù)據(jù)
2021-12-15 07:01:06
微分邊緣檢測算法主要是基于圖像強度的一階和二階導數(shù)，而導數(shù)的計算對噪聲很敏感，噪聲的存在可能會使檢測到的邊緣變寬或在某些點處發(fā)生間斷，因此，需要使用濾波器來濾掉噪聲。大多數(shù)濾波器在降低噪聲的同時也
2018-09-21 11:45:44
1、介紹近年來，自動駕駛汽車不斷走進我們的視野中，面向自動駕駛的目標檢測算法也成為了國內(nèi)外的研究熱點之一。安全可靠的自動駕駛汽車依賴于對周圍環(huán)境的準確感知，以便及時做出正確的決策。目標檢測是自動駕駛
2023-03-06 13:55:27
無人機設計中姿態(tài)檢測算法、姿態(tài)控制算法有什么區(qū)別 ?推薦課程：張飛四旋翼飛行器視頻套件，76小時吃透四軸算法http://t.elecfans.com/topic/40.html?elecfans_trackid=bbs_post
2018-07-14 12:12:37
誰有基于ADxL345加速度傳感器、430單片機的跌倒
檢測算法程序?。?/div>
2014-05-01 22:11:52
邊緣檢測是什么？邊緣檢測算子有哪些？邊緣檢測算法分為哪幾種？它們有何不同？
2021-05-31 06:57:51
的檢測 。４ ． ３ 二維 多 策略恒虛警檢測算法設計４ ． ３ ． １ ＣＦＡＲ 檢測畝 設計考慮到高鐵場景下線性調(diào)頻連續(xù)波雷迭回 波信 號可能 包含大量干擾因 素 ， 如地面、 灌木叢 、 鐵軌
2018-03-29 10:53:32
目 標 的檢測 。 ４ ． ３ 二維 多 策略恒虛警檢測算法設計４ ． ３ ． １ ＣＦＡＲ 檢測畝 設計考慮到高鐵場景下線性調(diào)頻連續(xù)波雷迭回 波信 號可能 包含大量干擾因 素 ， 如地面、 灌木叢
2018-02-28 09:19:59
摘要：討論了序列圖像的運動目標檢測算法，在傳統(tǒng)的光流場計算方法的基礎上，提出了基于幀間差閾值法的快速光流算法。整個算法簡單、有效，保證了序列圖像中運動目標跟
2009-01-09 12:06:23
29 針對復雜環(huán)境下運動目標檢測提出一種基于像素分類的運動目標檢測算法。該算法通過亮度歸一化對圖像序列進行預處理，用以降低光照變化造成的誤檢，根據(jù)場景中不同像素點的
2009-04-10 08:51:014 本文提出了一種基于數(shù)字圖像處理技術的表面裂紋檢測算法。運用這種算法能精確的檢測裂紋的位置、長度等特征。將這種裂紋檢測算法運用到裂紋自動檢測系統(tǒng)以及裂紋擴展行為
2009-08-21 10:37:0636 提出一種新的基于小波變換的Harris 多尺度角點檢測算法，可以在不同的尺度下獲取角點，克服了單一尺度的Harris 角點檢測算法可能存在的角點信息丟失和易受噪聲影響而檢測出
2010-01-09 11:18:2541 空間信源數(shù)檢測是陣列信號處理的關鍵問題之一，常用的信源數(shù)檢測算法需要計算采樣協(xié)方差矩陣的特征值，該文提出一種基于改進Hung-Turner 投影的多目標信源數(shù)快速檢測算法，該
2010-02-09 11:22:235 本文針對視頻火焰的檢測算法做了改進,從提取前景目標、顏色檢測中的條件判斷、火焰顏色的強度變化檢測到火焰面積變化,以及火焰的灰度直方圖特性都做了MA-TLAB仿真,并提出一套
2010-02-21 11:18:4951 一種微分極值的邊緣檢測算法
本文通過對邊緣點的定義，提出了一種微分極值的邊緣檢測算法。與經(jīng)典微分算法相比，該算法直接在邊緣檢測窗口內(nèi)提取邊界像
2010-02-22 15:03:568 利用時差定位系統(tǒng)的定位誤差特性，基于蟻群優(yōu)化算法，提出了一種蟻群聚類檢測算法，在不需要先驗信息的情況下，實現(xiàn)了對靜止目標的檢測。實際數(shù)據(jù)測試結果表明蟻群聚類檢
2010-03-06 11:32:426 邊緣檢測是醫(yī)學圖像處理中非常重要的一個環(huán)節(jié)，通過對幾種經(jīng)典邊緣檢測算法的分析，提出了一種基于Canny算子的改進算法。該算法以圖像增強法代替原算法中的高斯濾波，以去除
2010-07-05 16:50:5615 由于實際場景的多樣性，目前常用的運動目標檢測算法都還存在一定程度的缺陷，因此本文提出了一種將幀差法和背景減法相結合的方法，實現(xiàn)快速精確地檢測和提取運動目標。實
2010-07-27 16:42:0713 研究了三維空間中的碰撞檢測問題。提出一種基于DirectX的物體三角形碰撞檢測方法,在游戲程序中分析并實現(xiàn)了這種碰撞檢測算法。該算法能以較快的速度解決游戲程序中物體間的碰
2010-11-19 14:58:090 泥石流山體滑坡監(jiān)控AI視覺識別檢測算法基于AI視覺識別技術，泥石流山體滑坡監(jiān)控AI視覺識別檢測算法通過監(jiān)控攝像頭采集到的圖像和視頻流，利用先進的視覺識別算法分析和判斷監(jiān)控畫面中是否出現(xiàn)泥石流和山體
2024-08-30 19:11:02
裸土覆蓋檢測算法是一種先進的圖像識別技術，裸土覆蓋檢測算法通過安裝在現(xiàn)場的監(jiān)控攝像頭自動捕捉視頻或圖像，進而識別出裸露土壤區(qū)域。該算法的核心在于利用CNN的強大特征提取能力，對圖像中的裸露土壤進行
2024-11-01 21:24:34
摘要! 在實際系統(tǒng)中對游程檢測的實現(xiàn)速度$電路規(guī)模有很高的要求# 而傳統(tǒng)的檢測方法性能 較低% 針對此問題提出了一種新的游程檢測算法% 該算法基于硬件實現(xiàn)#電路結構簡單實現(xiàn)速度
2011-03-31 15:47:0618 本內(nèi)容提供了基于碼本模型的運動目標檢測算法
2011-05-19 10:54:0132 針對標準 Hough 變換在圓檢測中對時間空間需求高的問題，提出一種改進的Hough變換圓檢測算法。該算法將標準Hough變換檢測圓時的三維空間轉(zhuǎn)換為一維空間，利用圓為中心對稱圖形的幾
2011-08-05 15:14:5353 為了設計一種實時高效、穩(wěn)定可靠的圖像目標跟蹤系統(tǒng)平臺，避免因圖像邊緣提取效果差而引起跟蹤失敗，采用自適應Canny邊緣檢測算法。該自適應算法能夠很好的確定平滑參數(shù)以及高
2012-03-05 16:14:1338 針對幀差分法易產(chǎn)生空洞以及背景減法不能檢測出與背景灰度接近的目標的問題，提出了一種將背景減和幀差法相結合的運動目標檢測算法。首先利用連續(xù)兩幀圖像進行背景減法得到兩
2013-03-01 15:10:3548 提出了一種基于Surendra改進的運動目標檢測算法，通過對背景更新系數(shù)的改進，獲取穩(wěn)定準確的背景，再將背景幀與含運動區(qū)域的圖像幀用差分運算獲得運動目標圖像。實驗結果表明，
2013-08-07 19:02:3531 針對未知稀疏信號的壓縮自相關檢測算法_張春磊
2017-01-07 16:52:060 空瓶的智能檢測算法研究_劉煥軍
2017-01-14 22:34:290 改進的ViBe運動目標檢測算法_劉春
2017-03-19 11:41:390 改進的MIMO系統(tǒng)球譯碼檢測算法_仵丹
2017-03-19 19:04:232 基于機器視覺的色差檢測算法_范鵬飛
2017-03-19 19:25:563 提出一種基于背景碼本模型的視頻圖像中運動目標的檢測算法。該算法利用歸一化的Mann-Whitney秩和統(tǒng)計量自適應調(diào)整判決??????閾值，使用Mean shift進行碼本中碼字和方差的更新。
2017-09-08 15:20:4616 針對復雜運動背景中慢速小目標檢測誤檢率高，實時性差等問題，提出了基于自適應閡值分割的慢速小目標檢測算法。首先計算連續(xù)兩幀圖像特征點的金字塔光流場，對光流場進行濾波，獲取匹配特征點集合。然后對圖像運動
2017-11-09 15:17:321 提出一種新的基于粒子群優(yōu)化算法的屬性異常檢測算法。該算法利用粒子群優(yōu)化算法簡單、尋優(yōu)速度快的優(yōu)點檢測屬性異常，在粒子群尋找最優(yōu)值的過程中發(fā)現(xiàn)可能是屬性異常的數(shù)據(jù)，并采用0-measure適應度評估
2017-11-20 09:21:374 傳統(tǒng)的Canny邊緣檢測算子是一種含有最優(yōu)化思想的算子，它具有較高的檢測精度，可以達到單像素級，但是因為它本身對噪聲比較敏感，所以需要先利用Gauss濾波、均值濾波、中值濾波等濾波器進行去噪，然后再
2017-12-01 14:13:530 改進的ViBe算法，以達到快速消除鬼影的目的，更準確地完成前景目標提取。在道路上設置固定檢測區(qū)域，根據(jù)運動目標在固定檢測區(qū)域的運動軌跡來建立或者消除非固定虛擬線圈，再進一步使用虛擬線圈的車流量檢測算法實現(xiàn)車流量統(tǒng)計
2017-12-08 14:56:390 針對圖像序列中運動目標檢測、跟蹤的難點問題，提出了一種實時運動目標檢測與跟蹤算法。該算法基于自適應背景建模，獲取運動目標背景模型和前景圖像，從而實現(xiàn)運動目標檢測；通過建立運動目標的位置、大小、形狀
2017-12-12 17:35:353 能。在眾多MIMO檢測算法中，線性檢測器由于其較低的實現(xiàn)成本和復雜度，得到了廣泛使用。然而在大規(guī)模MIMO系統(tǒng)中，線性檢測器中的矩陣求逆操作復雜度進一步提高，大大增加了硬件實現(xiàn)的難度。因此，選擇和設計適合大規(guī)模MIMO系統(tǒng)的檢測算
2017-12-21 15:26:441 針對局部窗口K分布檢測算法運算速度慢、計算效率低的問題，提出了一種基于局部窗口K分布的快速艦船目標檢測算法。該算法首先采用迭代分割算法對原始合成孔徑雷達（ SAR）圖像進行預篩選處理，根據(jù)預篩選選出
2017-12-22 14:04:120 集中性，能解決譜估計存在較大方差的問題。理論推導及仿真結果證明，基于多窗譜的頻譜檢測算法是一種低方差、高分辨率的頻譜檢測方法，能有效實現(xiàn)低信噪比條件下的信號檢測，且相比于其他檢測算法能達到更好的檢測性能。
2017-12-27 15:34:030 本文在目標軌跡預測中采用了數(shù)據(jù)挖掘的方法，提出了一個具體的基于移動模式匹配的目標軌跡預測算法。該方法通過不斷挖掘歷史移動軌跡來構造前綴共享樹的方法挖掘出頻繁移動模式，之后通過模式匹配預測出目標的移動軌跡。仿真結果表明該算法的時間消耗和空間消耗較小，同時具有很高的預測準確性。
2017-12-27 17:01:161 針對現(xiàn)有跌倒檢測算法由于缺乏真實老人跌倒樣本以及使用年輕人仿真跌倒樣本規(guī)模較小導致的過擬合和適應性不足等問題，提出了基于隨機森林的跌倒檢測算法。該算法采用滑動窗口機制，對窗口內(nèi)的加速度數(shù)據(jù)進行時間域
2017-12-29 14:50:292 本文針對現(xiàn)有的ML（Maximum Likelihood）檢測算法復雜度高，而傳統(tǒng)檢測算法性能不是很優(yōu)的問題，提出了一種新的檢測算法。新的檢測算法結合ZF-OSIC和ML檢測算法，根據(jù)ZF-OSIC
2017-12-29 14:52:210 針對現(xiàn)代化工廠巾視覺機器人或智能終端處理多目標檢測算法的計算任務繁重、運算速度較慢等問題，將網(wǎng)絡通信技術應用到算法處理巾進行了在線檢測。對TCP/IP協(xié)議進行了研究，建立了智能終端和云端之間的關系
2018-03-02 10:51:540 針對現(xiàn)有長持續(xù)時間數(shù)據(jù)流檢測算法的實時性差、檢測精度與估計精度低的問題，提出長持續(xù)時間數(shù)據(jù)流的并行檢測算法?；诠蚕頂?shù)據(jù)結構的長持續(xù)時間數(shù)據(jù)流的并行檢測算法中不同線程訪問共享數(shù)據(jù)結構，線程之問的同步
2018-03-06 15:54:270 同時目標檢測算法對于不常見的的比例或新的圖像分布缺乏一定的泛化能力。由于物體可能的方向和尺寸比例各不相同，算法有限的比例變化對于特殊目標的檢測就會失效。為了解決這一問題，研究人員對數(shù)據(jù)進行了旋轉(zhuǎn)和HSV的隨機增強，是算法對于不同傳感器、大氣條件和光照條件具有更強的魯棒性。
2018-06-01 16:35:0812825 近日，國際頂級賽事Pascal VOC挑戰(zhàn)賽發(fā)布了目標檢測Competition3的最新成績，京東方人工智能目標檢測算法在20類物體檢測中，平均精度獲得第一名，刷新了該賽事目前全球最好成績。
2019-12-11 14:14:364027 發(fā)展內(nèi)容。正因如此，本次閱面科技邀請了資深研究員童志軍從傳統(tǒng)檢測算法核心、深度神經(jīng)網(wǎng)絡框架、檢測技術難點等方面來進行干貨分享。 童志軍：閱面科技資深研究員，2012年畢業(yè)于東南大學獲碩士學位，先后加入虹軟、阿里巴巴從事圖像算法
2020-10-22 15:07:583307 
本文給出了一種適合于用硬件實現(xiàn)的多通道自相關信號檢測算法。該算法采用三路并行的自相關信號檢測通道，在三路中采用不同的相關點數(shù)和檢測門限，最后綜合考慮三路的檢測結果，給出最終的檢測結果。這種多通道自相
2021-03-10 17:13:0048 為提升原始SSD算法的小目標檢測精度及魯棒性，提出一種基于通道注意力機制的SSD目標檢測算法。在原始SSD算法的基礎上對高層特征圖進行全局池化操作，結合通道注意力機制增強高層特征圖的語義信息，并利用
2021-03-25 11:04:0620 整體框架 目標檢測算法主要包括：【兩階段】目標檢測算法、【多階段】目標檢測算法、【單階段】目標檢測算法 什么是兩階段目標檢測算法，與單階段目標檢測有什么區(qū)別？ 兩階段目標檢測算法因需要進行兩階
2021-04-30 10:22:0411402 
文中提出了一種基于激光雷達點云的三維目標檢測算法 Voxeircnn（ Voxelization Region-based Convolutional Neural Networks），該算法
2021-05-08 16:35:2445 檢測算法，對視頻中的車輛目標進行提取，提出了結合運動特征和表觀特征的多目標追蹤算法;在此基礎上，又提出了一種基于車輛軌跡特征的異常事件檢測方法，其中的追蹤算法減少了軌跡提取過程對背景環(huán)境變化的依賴。在異常事件
2021-05-13 14:45:335 基于單激發(fā)探測器（SSD）的小目標檢測算法實時性較差且檢測精度較低。為提高小目標檢測精度和魯棒性提出一種結合改進密集網(wǎng)絡和二次回歸的小目標檢測算法。將SSD算法中骨干網(wǎng)絡由ⅤGG16替換為特征提取
2021-05-27 14:32:095 為對結構性數(shù)據(jù)的髙效干擾進行檢測，以線性分組碼為研究對象，在經(jīng)典能量檢測算法的噪聲模型中加入惡意干擾信號，推導二元假設模型中檢驗統(tǒng)計量的數(shù)學表達式。在此基礎上，以虛警率與漏檢率之和最小為準則提出一種
2021-05-27 15:15:177 由于可見光圖像和紅外圖像的成像原理不同，可見光圖像的行人檢測算法難以直接應用于紅外圖像中為此，提出一種基于多級梯度特征的紅外圖像行人檢測算法。使用改進的圖像顯著性檢測算法提取紅外圖像的關鍵區(qū)域
2021-05-27 16:27:036 針對一階段目標檢測算法在識別小目標時無法兼顧精度與實時性的問題，提出一種基于多尺度融合單點多盒探測器（SSD）的小目標檢測算法。以SSD和DSSD算法的網(wǎng)絡結構為基礎，設計融合模塊以實現(xiàn)
2021-05-27 16:32:239 深度神經(jīng)網(wǎng)絡在目標檢測領域具有優(yōu)異的檢測性能，但其結構復雜、計算量大，難以在嵌入式設備上進行髙性能的實時目標檢測。針對該問題，提出一種基于 YOLOV3的目標檢測算法。采用半精度推理策略提高YOLO
2021-05-28 14:05:527 的研究背景、意義及難點，接著對基于深度學習目標檢測算法的兩大類進行綜述，即基于候選區(qū)域和基于回歸算法.對于第一類算法，先介紹了基于區(qū)域的卷積神經(jīng)網(wǎng)絡(Region with Convolutional Neural Network，R-CNN)系列算法，然后從四個維度綜述了研
2022-01-06 09:14:582639 
基于Grad-CAM與KL損失的SSD目標檢測算法 來源：《電子學報》，作者侯慶山等 摘 要：?鑒于Single Shot Multibox Detector (SSD)算法對中小目標檢測
2022-01-21 08:40:141322 一種改進的高光譜圖像CEM目標檢測算法 ? 來源：《?應用物理》?，作者付銅銅等 摘要:? 約束能量最小化(Constrained Energy Minimization, CEM)目標檢測算法
2022-03-05 15:47:031929 
紅外單幀弱小目標檢測算法主要通過圖像預處理突出小目標同時抑制背景噪聲干擾，之后采用閾值分割提取疑似目標，最后根據(jù)特征信息進行目標確認。
2022-08-04 17:20:098049 在計算機視覺領域，我們經(jīng)常需要做一些特殊的任務，而這些任務中經(jīng)常會用到直線檢測算法，比如車道線檢測、長度測量等。盡管直線檢測的任務看起來比較簡單，但是在具體的應用過程中，你會發(fā)現(xiàn)這里面還是有很大的優(yōu)化空間，本文對常用的一些比較經(jīng)典的直線檢測算法進行匯總
2022-11-25 17:25:211927 目標檢測定義，識別圖片中有哪些物體以及物體的位置（坐標位置）。其中，需要識別哪些物體是人為設定限制的，僅識別需要檢測的物體
2022-12-06 15:49:226316 
解開車輛檢測算法之謎
2023-01-05 09:43:382042 
Canny 邊緣檢測算法 是 John F. Canny 于 1986年開發(fā)出來的一個多級邊緣檢測算法，此算法被很多人認為是邊緣檢測的最優(yōu)算法，相對其他邊緣檢測算法來說其識別圖像邊緣的準確度要高很多。
2023-01-05 11:41:192236 運動目標檢測的主要目的是從圖片序列中將變化區(qū)域或者運動物體從背景圖像中分離出來，常用于視頻監(jiān)控、異常檢測、三維重建、實時定位與建圖等領域。運動目標檢測是許多領域應用落地的基礎，近年來被廣泛地關注和研究，對運動無人機檢測亦是如此。目前，運動目標檢測的基本方法主要包括背景消減法、幀間差分法和光流法。
2023-04-10 16:42:301783 現(xiàn)在目標檢測算法總結
1. 目標檢測算法在機動車和行人檢測識別上應用較多，在非機動車上應用較少
2. 對于目標檢測模型增強特征表示和引入上下文信息的改進方法幾乎對任何場景和任何任務都是有利
2023-06-06 09:40:120 視覺感知算法的核心在于精準實時地感知周圍環(huán)境，以便下游更好地進行決策規(guī)劃，而 目標檢測任務 就是視覺感知的 基礎 。不僅在自動駕駛領域，在機器人導航、工業(yè)檢測、視頻監(jiān)控等領域，目標檢測都有著廣泛應用
2023-06-25 10:37:481269 
導讀 本文主要講述：1.無Anchor的目標檢測算法：YOLOv1，CenterNet，CornerNet的邊框回歸策略；2.有Anchor的目標檢測算法：SSD，YOLOv2，F(xiàn)aster
2023-07-17 11:17:051917 
理解Transformer背后的理論基礎，比如自注意力機制（self-attention）, 位置編碼（positional embedding），目標查詢（object query）等等，網(wǎng)上的資料比較雜亂，不夠系統(tǒng)，難以通過自學做到深入理解并融會貫通。
2023-07-18 12:54:131036 
摘要：基于強化學習的目標檢測算法在檢測過程中通常采用預定義搜索行為，其產(chǎn)生的候選區(qū)域形狀和尺寸變化單一，導致目標檢測精確度較低。為此，在基于深度強化學習的視覺目標檢測算法基礎上，提出聯(lián)合回歸與深度
2023-07-19 14:35:020 掌握基于Transformer的目標檢測算法的思路和創(chuàng)新點，一些Transformer論文涉及的新概念比較多，話術沒有那么通俗易懂，讀完論文仍然不理解算法的細節(jié)部分。
2023-08-16 10:51:261016 
Transformer來源于自然語言處理領域，首先被應用于機器翻譯。后來，大家發(fā)現(xiàn)它在計算機視覺領域效果也很不錯，而且在各大排行榜上碾壓CNN網(wǎng)絡。
2023-08-22 14:52:211133 
安全帽佩戴監(jiān)控是鐵路工程施工人員安全管理中的重點和難點，它對檢測算法的準確 率與檢測速度都有較高的要求。本文提出一種基于神經(jīng)網(wǎng)絡架構搜索的安全帽佩戴檢測算法 NAS-YOLO。該神經(jīng)網(wǎng)絡架構由上
2024-06-26 22:22:511042 
人員跌倒識別檢測算法是基于視頻的檢測方法，通過對目標人體監(jiān)測，當目標人體出現(xiàn)突然倒地行為時，自動監(jiān)測并觸發(fā)報警。人員跌倒識別檢測算法基于計算機識別技術，配合現(xiàn)場攝像頭，自動識別如地鐵手扶梯/樓梯
2024-06-30 11:47:221123 
口罩佩戴檢測算法基于YOLOv5在圖像識別檢測領域的優(yōu)異性能，本文研究基于基于YOLOv5的口罩佩自動戴檢測方法。首先從網(wǎng)絡和真實生活中中尋找并采集不同場景人群口罩佩戴的圖片約500張并自建數(shù)據(jù)集
2024-07-01 20:20:021025 
隨著AI技術的發(fā)展，目標檢測算法也迎來重大突破。睿創(chuàng)微納作為熱成像領軍者，憑借深厚的技術積累與創(chuàng)新能力，結合AI技術推出新一代目標檢測算法，以三大核心技術帶來AI視覺感知全場景解決方案突破，助力各產(chǎn)業(yè)智能化升級。
2025-03-20 13:49:07918 在 AI 技術蓬勃發(fā)展的當下，目標檢測算法取得了重大突破，其中紅外目標檢測算法更是在汽車行業(yè)掀起了波瀾壯闊的變革，從根本上重塑著汽車的安全性能、駕駛體驗與產(chǎn)業(yè)生態(tài)。
2025-03-27 15:55:15830 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論