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(59)
  • 收藏
  • 关注

原创 M00104-无人驾驶车辆侧倾稳定模型预测控制carsim模拟

无人驾驶车辆的侧倾稳定性是指车辆在转弯或遇到侧风等情况下保持稳定的能力,这对于车辆的安全性和乘坐舒适性至关重要。MPC是一种先进的控制策略,它通过预测未来一段时间内系统的行为,并优化当前时刻的控制输入,以实现对系统的稳定控制。在无人驾驶车辆侧倾稳定控制中,MPC可以通过预测车辆的侧倾角度和侧向加速度等参数,来确定最佳的车辆控制策略,以保持车辆稳定。在每次优化过程中,MPC会使用当前时刻的系统状态和约束条件,预测未来一段时间内的系统行为,并选择最优的控制输入,以实现系统的稳定控制。

2024-04-14 23:10:55 255

原创 DL00122-基于yolov5的变压器设备漏油检测识别完整代码含数据集实验结果

通过使用YOLOv5算法进行目标检测,可以有效地实现对变压器设备漏油的检测任务。通过合理的数据准备、模型训练和部署,可以构建出性能优异的检测系统,为工业设备的安全运行提供保障。

2024-04-13 22:15:44 433

原创 D00178-变压器设备漏油的检测数据集338张含VOC标签

数据集一部分来自真实变压器场景,由于真实场景下样本较少,共338张,采用VOC标注格式。

2024-04-13 17:31:04 33

原创 DL00295-基于AirSim仿真环境的无人机深度强化学习算法路径规划完整实现含详细说明文档

创建了一个开放的AI Gym环境,包括多旋翼和固定翼无人机的运动学模型。-提供了一些UE4环境来训练和测试深度强化学习DRL导航策略。-基于AirSim和SB3。

2024-04-11 11:09:26 412

原创 【SCI绘图】【热力图系列2 R】多特征相关性分析热力图指定聚类 R

SCI,CCF,EI及核心期刊本期分享:【SCI绘图】【热力图系列2 R】多特征相关性分析热力图指定聚类 R。

2024-04-08 22:42:16 212

原创 【SCI绘图】【热力图系列1 R】多特征相关性分析热力图R语言实现

【SCI绘图】【热力图系列1 R】多特征相关性分析热力图R语言实现。SCI,CCF,EI及核心期刊。

2024-04-08 20:35:59 272

原创 YOLOv9架构图分享

它建立在以前的版本之上,结合了深度学习技术和架构设计的进步,以在目标检测任务中实现卓越的性能。性能提升:实验结果表明,YOLOv9在MS COCO等基准数据集上的目标检测任务中取得了最好的性能。它在精度、速度和整体性能方面超过了现有的实时目标检测器,使其成为需要目标检测能力的各种应用程序的最先进的解决方案。通过允许用户为不同的推理设备选择合适的计算块,GELAN增强了YOLOv9的灵活性和效率。PGI集成:YOLOv9融入了可编程梯度信息(PGI)的概念,有助于通过辅助可逆分支生成可靠的梯度。

2024-04-07 01:09:36 110

原创 【SCI绘图】【小提琴系列1 python】绘制按分类变量分组的垂直小提琴图

SCI,CCF,EI及核心期刊本期分享:【SCI绘图】【小提琴系列1 python】绘制按分类变量分组的垂直小提琴图,文末附完整代码小提琴图是一种常用的数据可视化工具,它结合了箱形图和密度图的特点,用于展示数据的分布情况和变化趋势。其外形类似于小提琴,因而得名。

2024-04-07 01:01:08 506

原创 DL00198-基于3DUnet的脑肿瘤语义分割完整代码+数据集含输出结果

3DUNet是一种卷积神经网络(CNN),专为处理3D图像而设计。它基于U-Net架构,是一种对称的卷积网络,具有上采样和下采样的过程。PyTorch 3DUNet在U-Net的基础上添加了更多的卷积层和跳跃连接,以便更好地捕捉图像的上下文信息。它可以在训练时动态地建立记忆网络,从而有效地处理3D图像数据。

2024-04-06 15:37:17 398

原创 【SCI绘图】【曲线图系列2 python】多类别标签对比的曲线图

SCI,CCF,EI及核心期刊。

2024-04-05 23:24:04 110 1

原创 【SCI绘图】【曲线图系列1 python】绘制扫描点平滑曲线图

SCI,CCF,EI以及核心期刊本期分享:【SCI绘图】【散点图1 python】绘制扫描点平滑曲线图。

2024-04-05 23:10:56 78

原创 【SCI绘图】【箱型图系列1 python】多类对比及各类下属子类对比

seaborn.load_dataset返回一个Dataframe,定义如下。【SCI绘图】【箱型图系列1】多类对比+各类下属子类对比。sex类别有Male和Female两类。SCI,CCF,EI以及核心期刊。定义绘图函数boxplot。

2024-04-05 20:16:04 179 1

原创 【目标检测】西红柿成熟度数据集三类标签原始数据集280张

文末有分享链接标签名称names:- unripe。

2024-03-26 13:45:20 60

原创 【元胞自动机】MATLAB界面聚合的元胞自动机模拟完整实现运行

automain 为元胞自动机主函数choosedirection 选择方向函数,主函数调用judgedirection 判断位置函数,主函数调用neighbor 求每个元胞的邻居函数,主函数调用surfaceness 求表面粗糙度porosity 求孔隙率flux 求水通量intercept 求盐截留率matrixplot 可视化图形。

2024-03-25 15:08:23 197

原创 基于YOLOv8的钢筋检测计数含完整数据集完美运行

钢筋数量统计是钢材生产、销售过程中的重要组成部分,在钢筋生产企业或钢筋交易市场,将钢筋捆扎后,现场盘点工人主要使用不同颜色的彩笔多次标记以区分计数和未计数钢筋。经过长期、高强度的工作,人的眼睛和大脑容易疲劳,计数误差会大大增加。因此,钢筋数量计数方法的研究和开发是钢材生产和销售行业非常紧迫的问题。随着图像处理技术的发展,越来越多的研究机构将图像处理技术应用于钢筋及其他棒材的自动计数。目前,由于市场需求较大,生产线钢筋在线自动计数系统、捆扎钢筋自动计数系统的开发已成为钢筋生产销售和机器视觉技术的热点话题。

2024-03-20 17:26:43 82

原创 基于机器视觉的太阳能电池片异物遮挡检测含数据集

然而,在实际应用中,太阳能电池片往往会受到各种形式的异物遮挡,如落叶、鸟粪、灰尘等,这些异物的遮挡会导致太阳能电池片的光照减弱。近年来,随着太阳能发电技术的快速发展,太阳能电池片的应用越来越广泛。通过使用计算机视觉技术,可以实现对太阳能电池片表面的异物进行快速、准确的检测,帮助运维人员及时采取措施,保证太阳能电池片的正常运行。总的来说,基于机器视觉的太阳能电池片异物遮挡检测研究为太阳能发电领域的运维管理提供了新的解决方案,有望在提高太阳能利用效率和降低运维成本方面发挥重要作用。

2024-03-20 15:19:46 61

原创 太阳能 光伏电池缺陷异常检测数据集PVELAD

PVEL-AD包含 36,543 张具有各种内部缺陷和异构背景的近红外图像,其中包含1类无异常图像和具有 12 个不同类别的异常缺陷图像,例如裂纹(线状和星状)、断栅、黑芯、未对准、粗线、划痕、碎片、断角和材料缺陷。此外,我们为 12 种类型的缺陷提供了 40000+ 个真实标注框用于缺陷检测。河北工业大学、北京航空航天大学联合发布的——PVEL-AD 数据集又叫做EL2021数据集是用于对光伏电池异常缺陷检测方法进行基准测试的数据集。太阳能 光伏电池缺陷异常检测数据集PVELAD。

2024-03-18 00:33:44 323

原创 关于YOLOv8不显示GFlops的问题解决

屏幕显示GFlops需要安装此pip库: thop。但是没有安装,则不显示,导致debug比较困难。

2023-10-15 15:11:08 938 1

原创 使用领域引导图卷积神经网络GCNN增强基于脑电图EEG的神经疾病诊断完整代码

一种基于图卷积神经网络(GCNN)的新方法,用于改进使用头皮脑电图(EEG)进行神经系统疾病诊断。尽管脑电图是神经系统疾病诊断中主要使用的检测方法之一,但基于EEG的专家视觉诊断的敏感性仍然只有约50%。在这个背景下,专注于区分最初由专家分类为“正常”的患有神经系统疾病的患者的异常头皮EEG和健康个体的头皮EEG的问题。本文的贡献有三个方面:1)我们提出了EEG-GCNN,一种新颖的用于EEG数据的GCNN模型,可以捕捉头皮电极之间的空间和功能连接;2)利用EEG-GCNN,进行了首次大规模评估上述假设;

2023-09-28 23:41:49 297 1

原创 基于改进非局部均值的红外图像混合噪声去除方法

传统的去噪算法无法有效去除红外图像中的条纹与随机混合噪声。针对这一问题,提出了一种改进的基于非局部均值(NL-means)的混合噪声去除方法。首先,分析了非局部均值算法处理混合噪声的问题,并用一组实验分析了红外图像块中混合噪声的特性。根据实验结果,用有色高斯模型对混合噪声进行建模,并基于Mahalanobis距离改进了传统的基于欧氏距离的块相似性度量方法,使之对图像中不同复杂程度的区域进行自适应。仿真和真实数据实验均表明:文中算法相比于传统的图像去噪算法,能较好地去除条纹与随机混合噪声。

2023-09-28 23:38:35 221 1

原创 使用序列到序列深度学习方法自动睡眠阶段评分

深度学习方法,用于使用单通道脑电图进行自动睡眠阶段评分。

2023-09-28 03:51:35 363 1

原创 基于深度学习的农作物叶子病虫害检测python源码

同样使用3x3的卷积核进行卷积操作,padding为1,然后经过批标准化和ReLU激活函数的处理。它接受输入图像的通道数为3(RGB图像),输出通道数为64,使用3x3的卷积核进行卷积操作,使用padding为1保持输入输出尺寸一致。每个卷积层使用3x3的卷积核进行卷积操作,padding为1,然后经过批标准化和ReLU激活函数的处理。每个卷积层使用3x3的卷积核进行卷积操作,padding为1,然后经过批标准化和ReLU激活函数的处理。它接收输入通道数为128,输出通道数为256。

2023-09-20 02:05:32 459 5

原创 高分遥感语义分割地物分类PyTorch实现含数据集

膨胀预测后处理,并采用伪标签半监督方法,加入tensorboard可视化输出。

2023-09-20 02:02:52 394 6

原创 [MATLAB]空间机动目标状态估计IMM算法KF,UKF,PF模型

基于IMM(Interacting Multiple Model)和UKF(Unscented Kalman Filter)的三维目标跟踪仿真算法。3)初始化IMM算法参数,包括模型状态估计值、模型状态协方差矩阵、模型预测的观测残差及其协方差矩阵、模型概率转移矩阵等。计算均方根误差,包括测量值的均方根误差和IMM+UKF算法估计值与真实值之间的均方根误差。1)设置仿真参数,包括仿真时间、采样时间、过程噪声和测量噪声的方差等。2)生成测量数据和真实数据,其中测量数据含有噪声,真实数据不含噪声。

2023-09-19 16:03:02 201

原创 YOLOv8进行注意力机制改进的可行思路

面向目标的注意力:传统的注意力机制在计算全局的注意力权重时可能存在一定的缺陷。具体做法是,在不同层级的特征图中设计相应的注意力模块,用于控制不同层级的特征重要性。然后,在特征融合过程中,将不同层级的注意力权重进行组合,以保留目标的层级结构信息。首先,通过使用不同大小的感受野或不同层级的特征图,可以获取多个尺度的目标信息。然后,在每个尺度上设计相应的注意力模块,对不同尺度的目标进行加权。具体做法是,在多层特征图中计算不同尺度的注意力权重,并将这些权重与特征图相乘,以突出重要的尺度信息。

2023-09-09 11:01:37 200

原创 wandb离线用法

在wandb.com注册账户并获取自己的api key,主程序里面加入下面内容。

2023-09-02 23:53:42 1600

原创 计算机类本科毕业设计选题集锦【2】

基于深度学习的智能语音助手开发,支持自然语言理解和语音交互 设计一个在线社交网络平台,包括个人资料、社交关系和动态发布功能 基于机器学习的网络推荐系统优化研究与实现,提高推荐准确性和个性化程度 开发一个多模态情感识别系统,通过声音、图像等多种输入判断用户情感状态 基于物联网技术的智能家居控制系统设计与实现,支持远程控制和场景设置 设计一个虚拟实验室平台,模拟实验环境并提供在线实验指导 基于深度学习的视频内容理解与分析研究,如动作识别和目标跟踪 开发一个智能客流分析系统,分析人流量和行为数据来优

2023-09-02 21:29:48 143

原创 计算机类本科毕业设计选题集锦【1】

基于图像处理的人脸识别系统设计与实现 基于深度学习的自然语言处理算法在智能客服系统中的应用 使用区块链技术实现去中心化的电子投票系统 基于卷积神经网络的疾病诊断辅助系统设计 基于机器学习的垃圾邮件过滤器开发 基于增强现实技术的虚拟试衣间设计与实现 开发一个智能家居控制系统,支持语音和手机远程控制 基于微信小程序的在线教育平台设计与开发 设计一个智能路由器管理系统,优化网络流量分配算法 开发一个车辆智能调度系统,提高交通效率和减少拥堵 利用数据挖掘技术分析社交媒体数据,探索用户行为模式

2023-09-02 21:27:38 150

原创 基于改进粒子滤波机制的无人机三维航迹预测方法

【代码】基于改进粒子滤波机制的无人机三维航迹预测方法。

2023-09-02 00:35:13 228 3

原创 基于卷积神经网络的ECG心电图信号识别准确率98%

该数据集由两个心跳信号收集组成,来自心跳分类中两个著名数据集:MIT-BIH心律失常数据集和PTB诊断心电图数据库。这两个集合中的样本数量足够大,可以用于训练深度神经网络。该数据集已经被用于探索使用深度神经网络架构进行心跳分类,并观察在该数据集上的迁移学习的一些能力。这些信号对应于心跳的心电图(ECG)形状,包括正常情况下的心跳和受不同心律失常和心肌梗死影响的情况。这些信号经过预处理和分割,每个分段对应一个心跳。

2023-09-01 21:21:49 621 1

原创 基于YOLOv5的钢材表面缺陷检测附数据集完整代码

此外,由于照明和材料变化的影响,同一类别内缺陷图像的灰度值存在变化。简而言之,NEU表面缺陷数据库包括两个困难挑战,即同一类别内的缺陷在外观上存在较大差异,而不同类别间的缺陷具有相似的特征,缺陷图像受到照明和材料变化的影响。在东北大学(NEU)表面缺陷数据库中,收集了热轧钢带的六种典型表面缺陷,包括轧制鳞片 (RS)、斑点 (Pa)、开裂 (Cr)、凹坑 (PS)、夹杂物 (In) 和划痕 (Sc)。在缺陷检测任务中,我们提供了注释,用于指示每个图像中缺陷的类别和位置。

2023-08-28 22:56:51 946

原创 基于YOLOv8的PCB缺陷检测实现附完整代码

基于YOLOv8的PCB缺陷检测实现附数据集和完整代码

2023-08-27 17:40:02 539 1

原创 YOLOv5红外车辆检测pytorch实现

数据集收集与预处理: 首先,为了训练YOLOv5模型,需要收集大量标注有车辆目标的红外图像数据集。这些数据集应覆盖各种不同的场景和条件,以提高模型的泛化能力。然后,对图像进行预处理操作,包括图像大小调整、归一化、数据增强等,以提高模型的鲁棒性和适应性。模型架构: YOLOv5采用了一种基于卷积神经网络(CNN)的轻量级架构。它包括主干特征提取网络和检测头两个主要部分。特征金字塔网络: 为了在不同尺度下检测车辆目标,YOLOv5引入了特征金字塔网络。

2023-08-25 20:16:29 338

原创 城市轨道交通短期客流预测的Multi-Graph卷积网络

城市轨道交通短期客流预测是一项关键任务。新兴的深度学习技术已成为解决这一问题的有效方法。在本研究中,作者提出了一种深度学习架构,称为“Conv-GCN”,它结合了图卷积网络(GCN)和三维卷积神经网络(3D CNN)。首先,他们引入了多图GCN,分别处理三种流入和流出模式(最近、每日和每周)。多图GCN网络可以捕捉整个网络内的时空相关性和拓扑信息。然后,应用3D CNN来深度整合流入和流出信息。3D CNN可以提取不同流入和流出模式之间以及靠近和远离的站点之间的高级时空特征。最后,采用全连接层输出结果。

2023-08-25 18:15:03 159 1

原创 基于小波变换和LSTM网络模型的股票价格预测

深度学习方法在金融领域的应用受到了投资者和研究人员的广泛关注。本研究提出了一种新颖的深度学习框架,将小波变换(WT)、堆叠自编码器(SAEs)和长短期记忆(LSTM)相结合,用于股票价格预测。首次引入了层级提取深度特征的SAEs用于股票价格预测。该深度学习框架由三个阶段组成。首先,利用WT对股票价格时间序列进行分解以消除噪音。其次,应用SAEs生成用于预测股票价格的深层高级特征。最后,将高级去噪特征输入LSTM以预测下一天的收盘价。选择了六个市场指数及其相应的指数期货来检验所提出模型的性能。

2023-08-25 17:07:34 206

原创 【YOLOv5】YOLOv5 物体检测血细胞计数和检测实现

在自定义数据集上训练了一个对象检测模型,以从显微血液涂片图像中查找红细胞、白细胞、血小板计数的数量。

2023-08-23 14:27:43 358

原创 CNN-LSTM模型在时间序列预测用电量python源码实现

用电量时间序列预测结果显示,训练集的RMSE为581.09,测试集的RMSE为632.28。CPU使用率预测的结果是训练集的RMSE值为0.10,测试集的RMSE值为0.09,预测趋势与实际数据一致。在这两个应用场景中,所提出的模型都能获得较高的预测精度和良好的泛化性能,这表明CNN-LSTM在时间序列预测问题上具有一定的可行性。本文在对时间序列预测问题研究分析的基础上,构建了基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的模型来分别解决用电数据中的时间序列预测问题。

2023-08-22 16:48:54 348

原创 YOLOv8热力图(heatmap)生成详解附完整代码

★★★★★YOLO改进创新欢迎交流★★★★★★★★★★985团队+算法工程师保驾护航★★★★★。

2023-08-21 17:48:33 2687

原创 YOLO性能评估各参数详解

它综合了不同类别下的精度表现,基于不同的IOU阈值计算各类别的平均精度,并取其平均值作为最终的mAP。精度,表示正确检测到的目标数量占所有检测到的目标数量的比例。在目标检测中,一个框被认为是检测到的,当它与真实框的IOU大于设定的阈值。召回率,表示正确检测到的目标数量占所有真实目标数量的比例。在目标检测中,一个框被认为是正确的,当它与真实框的IOU大于设定的阈值。其计算公式为预测框与真实框交集的面积除以它们的并集的面积。真阳性,表示预测为正样本且与真实框有重合的检测结果。

2023-08-17 23:48:37 957

原创 YOLOv8网络结构可视化,全图见文尾

由于 ultralytics采用pip的方式了,所以如果拉取源码后想直接调试,则在exporter.py文件中增加pip引导路径,否则报错找不到ultralytics模块。如果训练完毕,可以直接查看.pt文件所采用的网络结构,也是采用netron,将best.pt拖到netron里面,但是注意此时每个小模块的细节会被隐藏,只能看到粗略效果。ONNX作为一种开放的深度学习模型表示格式,旨在实现深度学习框架之间的模型转换和迁移。ONNX文件采用标准的Protobuf格式进行存储,可以存储神经网络的结构和参数。

2023-08-08 13:08:12 1842 6

DGL pip whl文件 dgl-1.1.1-cp38-cp38-win-amd64.whl

Deep Graph Library是一个python库,用于在现有的深度学习框架(例如PyTorch和MXNet)上轻松实现图神经网络模型。

2023-07-02

YOLOv8预训练权重文件集合(YOLOv8n,YOLOv8s,YOLOv8m,YOLOv8l,YOLOv8x)

YOLOv8预训练权重文件集合(YOLOv8n,YOLOv8s,YOLOv8m,YOLOv8l,YOLOv8x) YOLOv8 pretrained Detect models are shown here. Detect, Segment and Pose models are pretrained on the COCO dataset, while Classify models are pretrained on the ImageNet dataset. Model size (pixels) mAPval 50-95 Speed CPU ONNX (ms) Speed A100 TensorRT (ms) params (M) FLOPs (B) YOLOv8n 640 37.3 80.4 0.99 3.2 8.7 YOLOv8s 640 44.9 128.4 1.20 11.2 28.6 YOLOv8m 640 50.2 234.7 1.83 25.9 78.9 YOLOv8l 640 52.9 375.2 2.39 43.7 165.2 YOLOv8x 640 53

2023-06-23

常见的tensorflow-gpu2.x缺失dll(cublas64-11.dll&cublasLt64-11.dll等)

>>> import tensorflow as tf >>> tf.config.list_physical_devices('GPU') 2023-06-09 22:23:25.593906: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cublas64_11.dll'; dlerror: cublas64_11.dll not found 2023-06-09 22:23:25.594619: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cublasLt64_11.dll'; dlerror: cublasLt64_11.dll not found 2023-06-09 22:23:25.595266: W tensorflow/stream_executor/platform

2023-06-09

MIFS算法MATLAB实现

MIPS(Mean Inter-Point Squared Distance)是机器学习中常用的聚类算法之一,它通过计算聚类中所有数据点互相之间的距离来确定聚类中心。这里是MIPS算法的MATLAB实现过程

2023-06-08

CUDA: Monte Carlo simulation

Monte Carlo simulation 蒙特卡洛实验CUDA实现 Monte Carlo simulation is used to determine the range of outcomes for a series of parameters, each of which has a probability distribution showing how likely each option is to happen. In this project, you will take a scenario and develop a Monte Carlo simulation of it, determining how likely a particular output is to happen. Clearly, this is very parallelizable -- it is the same computation being run on many permutations of the input parameters.

2023-06-08

OpenMP: Monte Carlo Simulation Code

OpenMP蒙特卡洛实验代码 Monte Carlo simulation is used to determine the range of outcomes for a series of parameters, each of which has a probability distribution showing how likely each option is to happen. In this project, you will take a scenario and develop a Monte Carlo simulation of it, determining how likely a particular output is to happen. Clearly, this is very parallelizable -- it is the same computation being run on many permutations of the input parameters. You will run this with OpenMP,

2023-06-08

Web3拍卖智能合约示例以及说明

Web3拍卖智能合约示例以及说明

2023-06-08

气象研究必备pip库:netCDF4-1.5.8-cp37-cp37m-win-amd64

气象研究必备pip库:netCDF4-1.5.8-cp37-cp37m-win-amd64

2023-06-08

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