- 博客(2370)
- 资源 (10)
- 收藏
- 关注
原创 2024年 车辆检测+车距检测+行人检测+车辆识别+车牌识别+车距预测(附YOLOv5和YOLOv8最新版源码)
运用yolov5进行车距检测,车辆识别,行人识别,车牌检测!
2023-01-12 22:41:44 15295 47
原创 计算机二级C语言题库(60套真题+刷题软件)2024年新题第二套
1、在数据库的三级模式中,外模式(用户模式或子模式)_____。A. 只有3个B. 只有2个C. 可以有任意多个D. 只有1个本题考查的知识点是数据库设计基础。外模式也称子模式或用户模式。它是用户的数据视图,也就是用户所见到的数据模式,它由概念模式推导而出。概念模式给出了系统全局的数据描述而外模式则给出每个用户的局部数据描述。一个概念模式可以有若干个外模式,每个用户只关心与它有关的模式,这样不仅可以屏蔽大量无关信息而且有利于数据保护。所以本题答案为C。2、在商场购物时,顾客可以购买不同的商品,而同样的商品也
2022-10-08 23:02:34 27273
原创 AI识别教程 yolov5 (穿越火线,csgo等FPS游戏识别)
该程序不需要用游戏内存数据,也不往服务器发送作弊指令,只是通过计算机视觉来分析游戏画面,定位敌人,把准星移动过去,跟人类玩家操作一模一样,因此反外挂程序无法检测到它。而且更恐怖的是这AI程序全平台通用,把操作送进去,就可以实现“枪枪爆头”。.....................
2022-04-29 19:27:35 38005 69
原创 YOLOv5改进策略|实战应用案例|YOLOv5机场安全围栏检查,破损围栏检测,YOLOv5平均精度 (AP) 提⾼了 6.9%
在当今时代,⻜机在全球交通中发挥着⾄关重要的作 ⽤。确保乘客、货物和机械的安全⾮常重要。这需要⻜机 上和机场基础设施内适当的安全机制。保护空侧等敏感区 域是机场运营商⾯临的⼀项重⼤挑战。例如,在德国,有 超过 540 个机场,其中 15 个根据 Luftverkehrsgesetz § 27d 第 1 段被归类为国际机场。为了获得此分类,机场必须遵守 § 8 Luftsicherheitsgesetz (LuftSiG),确保其敏感区域(包 括空侧)免受未经授权的访问1。
2024-05-27 19:00:00 727
原创 YOLOv8改进策略|实战应用案例| ⽤于检测内陆⽔道驳船交通的交通摄像头,船只检测 , YOLOv8、YOLOv5、SSD 和 EfficientDet 模型对比
驳船运输在物流业中发挥着举⾜轻重的作⽤,特别是在像美国这样拥有⼴泛河流系统的国家 [1]。驳船运输被认为是公路和铁路运输的⼀种环保替代⽅案,有助于减少碳排放[2]。驳船为运输⼤量 货物(例如煤炭、⾕物和⽯油产品)提供了⼀种⾼效且经济⾼效的⽅式[3]。与其他运输⽅式相⽐,⽔ 路驳船运输在安全性、可靠性和环境可持续性⽅⾯具有优势[4]。与船舶不同,作为驳船,监测⽔道上的驳船交通⾯临着巨⼤的挑战 牵引它们的设备通常不配备跟踪设备来监控它们的位置 [5]。
2024-05-27 18:45:00 380
原创 YOLOv5改进策略|实战应用案例| 通过合成数据生成和比例类别平衡技术增强小物体的物体检测性能: 工业场景中YOLOv5,YOLOv7和SSD的比较研究
中给出的SSD模型的结果表明,尽管与其他YOLO模型相比,该模型无法获得最佳结果,但使用大量合成数据并将其与真实数据样本相结合来训练模型可以影响性能并提高模型的准确性。另一方面,当合成数据样本的数量是真实数据集的一半时,SSD模型的性能最高 (与YOLOv7模型相同),这意味着将合成数据的3分之1与真实数据集的3分之2相结合,可以影响和改善SSD模型的性能,从而达到最佳效果。除了与数据生成相关联的益处之外,当与基于真实图像的合成数据相比时,使用CAD模型生成的测试一下数据在域相异度方面表现出显著的挑战。
2024-05-27 18:30:00 199
原创 2024 电工杯 B 题:大学生平衡膳食食谱的优化设计及评价 思路+matlab代码
问题 1.膳食食谱的营养分析评价及调整 1)对附件 1、附件 2 两份食谱做出全面的膳食营养评价;问题 2.基于附件 3 的日平衡膳食食谱的优化设计 1)以蛋白质氨基酸评分最大为目标建立优化模型,分别设计男生和女生的日食谱,并 对日食谱进行膳食营养评价;问题 3.基于附件 3 的周平衡膳食食谱的优化设计 在问题 2 的基础上,分别以蛋白质氨基酸评分最大、用餐费用最经济、兼顾蛋白质氨基 酸评分及经济性为目标,建立优化模型,设计男生和女生的周食谱(周一—周日),并进行 评价及比较分析。
2024-05-24 09:33:15 750
原创 2024电工杯 A 题:园区微电网风光储协调优化配置 思路+matlab代码
主电网 联合园区(园区A、B、C) Pw=1500kW PLmax=1328kW Ppv=1350kW 图 3 三个园区微电网联合接入主电网结构示意图 (Ppv、Pw、PLmax 分别为联合园区的总光伏装机容量、总风电装机容量、总负荷最大值) (1)若未配置储能,分析联合园区运行经济性,包括:联合园区的总购电 量、总弃风弃光电量、总供电成本和单位电量平均供电成本;问题 3:园区风、光、储能的协调配置方案及其经济性分析 如果园区经理委托你制定园区未来的风光储协调配置方案,并给出方案经济 性分析论证报告。
2024-05-24 09:31:32 283
原创 2024 年第六届中青杯全国大学生数学建模竞赛 B 题:药物属性预 思路+matlab代码
针对图数据,传统机器学习方法包括支持向量机(SVM)、随机森林(RF)、k-最近邻(k-NN)等。特征选择:由于提取的特征可能会很多,而且并不是所有的特征都与目标分类相关,因此进行特征选择或降维是很有必要的。可以采用如主成分分析(PCA)、线性判别分析(LDA)等方法来减少特征的维度。对于化学分子数据,可以提取的特征包括原子类型、分子量、对数配分系数(LogP)、芳香性环的数量、氢键供体和受体的数量等。分析模型表现好或不好的可能原因,对于错误分类的实例进行深入分析,以了解模型的不足之处。
2024-05-24 09:29:03 521
原创 2024 年第六届 中青杯 全国大学生数学建模竞赛 A 题:人工智能视域下养老辅助系统的构建 第二问思路
此外,通过智能化提高服务效率,可以降低部分运营成本,从而在保障服务质量的同时,维持体系的经济可持续。对于老年人的出行服务,应当实现交通工具的无障碍化改造,比如公交车和出租车应有方便老年人上下的设计,以及优先座位的规划。构建一个可持续、高效和人性化的养老体系,要求我们不仅要着眼于技术的应用,还需要考虑社会、经济以及地理等多方面的因素。比如,系统可以根据个人的健康状况、喜好和习惯,提供定制化的建议和服务。促进老年人的社会参与和心理健康管理,提供心理咨询服务,组织社区活动等,增强老年人的社会联系和生活满足感。
2024-05-24 09:20:00 27
原创 2024 年第六届 中青杯 全国大学生数学建模竞赛 A 题:人工智能视域下养老辅助系统的构建
构建一个适应不同区域和需求的老年人优化智能养老辅助系统是一个复杂且综合性的项目,下面将给出一个总体的构思框架和实施的基本思路,而详细的代码实现将根据具体功能和平台而有所不同,因此这里不提供具体的代码,而是着重于设计理念和系统架构。
2024-05-24 09:16:20 29
原创 使用YOLOv5从图像和视频进行火灾探测,火灾检测
人类需要火,因为火能提供能量。但与此同时, 意想不到的火灾会导致许多事故。根据美国国家 消防协会(NFPA)的数据,消防部门应对了全国超 过35万起房屋结构火灾,造成近70亿美元的直接 损失。为了防止这类火灾,快速探测火灾至关重 要。传统上,火灾是用传感器探测的,在每个可 能发生火灾的地方放置传感器是昂贵的,因为它 没有覆盖足够的空间,维护也很耗时。由于数码 相机技术和视频处理技术的快速发展,以计算机 视觉为基础的系统取代传统的火灾探测方法是一 个重大趋势。
2024-05-23 20:00:00 787
原创 基于YOLOv5的Robomaster EP自动辅助瞄准系统设计与实现
在Robomaster青年锦标赛的关键阶段,Robomaster EP机器 人必须完全依靠自主算法来保持竞争力。目标识别和自动 辅助瞄准是EP机器人不可缺少的功能。在本研究中,我们 使用YOLOv5进行多目标检测,以识别Robomaster EP机器 人及其装甲。此外,我们将深度排序算法集成到车辆识别 和跟踪中。因此,我们引入了一个基于yolov5的改进系统, 使机器人能够同时识别和瞄准多个目标。为了确保精确跟 踪,我们使用具有前馈增强的PID控制器和与卡尔曼滤波器 配对的FIR控制器。
2024-05-23 19:15:00 878
原创 YOLOv5s 实现车辆检测和车辆测距 多策略协同优化YOLOv5s及其在距离估计中的应用
汽车的爆炸式增长带来的事故率的上升,使 得汽车主动安全系统的研究变得越来越重要。为了实现车辆检 测和距离估计的目标,提供安全预警,提出了一种基 于新型神经网络模型(YOLOv5s-SE)的距离估计安全预 警系统(DESWS),该系统采用DIoU代替IoU,嵌入SE 注意模块,利用相似三角形原理进行距离估计。此外, 本工作还提出了一种可以根据估计的距离使用非参数 测试给出安全建议的方法。通过仿真实验,验证了 mAP提高了5.5%,能够达到基于预估距离信息给出安 全建议的目的。
2024-05-23 18:30:00 962
原创 研究视障人群室外障碍物检测的YOLOv5模型 YOLO-NAS(小、中、大)、YOLOv8、YOLOv7、YOLOv6和YOLOv5七种不同的YOLO目标检测模型
利用基于深度学习的目标检测是辅助视障人士躲避障碍物的有效方法。在本文中,我们实现 了YOLO-NAS(小、中、大)、YOLOv8、YOLOv7、YOLOv6和YOLOv5七种不同的YOLO目 标检测模型,并通过精心调优的超参数进行了综合评估,分析了这些模型在包含道路和人行 道上常见日常生活对象的图像上的表现。
2024-05-23 18:15:00 862
原创 YOLOv5 计算机视觉和算法设计的集成:中国扑克自玩机器人
本文介绍了一种中国扑克自玩机器人,它是一种集成系 统,使TM5-900机械臂能够独立玩四人牌中国扑克。该 机器人使用自定义吸盘机制来捡牌和打牌。利用基于 YOLOv5的目标检测模型识别发给机器人的花色和13张 牌的牌号。开发了一种贪心算法,将13张牌分成3、5、5 张牌的最优手牌进行出牌。实验表明,机器人可以成功 地获得这些牌,利用计算机视觉识别这些牌,利用算法 战略性地选择出牌手,并在游戏中物理地出选中的牌。该系统展示了机械设计、计算机视觉、算法设计和机器 人控制的有效集成,以完成独立出牌的复杂任务。
2024-05-23 18:00:00 694
原创 2024 年第六届中青杯全国大学生数学建模竞赛题目 C 题: “X 疾病”在人群中的传播 思路、matlab代码、python代码
X 疾病”并不代表某一种具体的疾病,而是由未知病原体引发可能导致全球大 流行的传染病,这种“未知”的病理现象,可能导致“比新冠大流行还要高 20 倍的 死亡率”,“X 疾病”最主要的特点是高致病、传播速度较快且容易变异,它的发生 发展存在很大的不确定性。完成下列四个任务: 任务 1:请设计一个包括易感者(S)、患者(I)、康复者(R)和死亡者(D) 四个群体的传染病传播模型,使用传染病传播动力学方程描述各群体之间的转变情况, 来描述“X 疾病”在人群中的传播。
2024-05-23 17:20:24 95
原创 2024 年第六届中青杯全国大学生数学建模竞赛题目 B 题:药物属性预测 思路、matlab代码、python代码
社交网络、文本文档、万维网、化学化合物和蛋白质 -蛋白质相互作用网络,通常都是用图表表示的数据的例子[2].由于图形结构的丰富数 据,图上的机器学习最近成为一项非常重要的任务。图 1 引文网络的建模示例图 第 2 页 共 2 页 1. 附件是药物分子的数据(图数据),请您利用传统方法建立药物分子的分类模 型,并给出分类精度及其结果分析。数据是 Matlab 格式,其中,am 是每个图的邻接矩阵,al 是每个节点的标签,nl 和 el 是图的其他标签。
2024-05-23 17:16:17 510 3
原创 2024 年第六届中青杯全国大学生数学建模竞赛 A 题:人工智能视域下养老辅助系统的构建 思路、matlab代码、python代码
老龄社会:老龄社会是指老年人口占总人口较大比例的社会状态,这通常意味着 社会结构和经济模式需要适应这一变化,以应对由此带来的挑战和机遇。同时,随着经济的发展和社会的进步,人们对老年生活质量的期望也在提 高,这对养老服务的质量和覆盖面提出了更高的要求。在经济较为发达的国家,政府和社会能够提供更多的资源来支持老年人的生活, 如完善的社会保障体系、高质量的医疗服务和多样化的养老服务。然而,在发展中国 家,由于经济基础薄弱,养老问题更加突出。随着科学技术的进步,人工智能技术的发展为养老问题的解决提供了新的可能性。
2024-05-23 17:09:57 138
原创 YOLOv5 图像与AIS数据融合技术在海事计算机视觉中的应用
深度学习对象检测方法,如YOLOv5,在识别海上船只方 面是有效的,但往往缺乏对实际应用重要的详细信息。在本 文中,我们通过开发一种技术来解决这个问题,该技术将自动 识别系统(AIS)数据与图像中检测到的血管融合在一起,以创 建数据集。这种融合丰富了船舶图像中与船舶相关的数据,如 类型、大小、速度和方向。我们的方法通过使用适用于固定和 周期性平移摄像机的基于同形图的方法估计距离和方位角, 将检测到的船舶与其相应的AIS信息联系起来。这种技术对 于创建用于水道交通管理、相遇检测和监视的数据集很有 用。
2024-05-23 10:54:42 997
原创 YOLOv5 基于多光谱合成图像增强深度学习的核桃检测
核桃在果园内的准确识别带来了大量的优势,深刻地 放大了核桃果园管理的效率和生产力。然而,核桃树的独特特 征,即其形状、颜色和纹理之间的密切相似的核桃和叶片,在 标注过程中精确区分它们是一个巨大的挑战。在这项研究中, 我们提出了一种提高核桃检测效率的新方法,利用YOLOv5在包 含真实和合成RGB和NIR图像的丰富图像集上进行训练。我们 对原始数据集和增强数据集的分析比较结果显示,在使用合成 图像时,检测有明显的改进。核桃产业在农业中起着至关重要的作用,凸显了其 重大的重要性。
2024-05-22 22:52:03 757
原创 YOLOv5街道塑料垃圾检测和绘图
塑料污染是一个严重的环境问题,检测和监测塑料垃圾对于减轻其影响至关重要。本文提出了绘制街道垃 圾地图的方法,主要关注塑料垃圾和垃圾桶的位置。我们的方法涉及采用深度学习技术,从安装在车辆上 的摄像头拍摄的街道图像中识别垃圾和垃圾箱。随后,我们利用热图来直观地表示整个城市的垃圾和垃圾 箱的分布。此外,我们提供了关于创建开源数据集(“pLitterStreet”)的详细信息,该数据集是在我们的方法 中开发和使用的。该数据集包含从车载相机收集的13000多张完全注释的图像,并包括边界框标签。
2024-05-22 22:47:03 931
原创 从模糊到清晰的检测:基于yolov5的空中物体检测与超分辨率
随着无人机和卫星技术的广泛使用,航空图像中精确 目标检测的需求激增。传统的目标检测模型,在偏向于大目标 的数据集上训练,很难在小的、密集聚集的目标普遍存在的空 中场景中表现最佳。为了应对这一挑战,我们提出了一种创新 的方法,将超分辨率和经过调整的轻量级YOLOv5架构相结合。采用了一系列数据集,包括VisDrone-2023、SeaDroneSee、 VEDAI和NWPU VHR-10,来评估我们的模型的性能。
2024-05-22 22:33:56 676
原创 用YOLOv5绘制昆虫3d图算法
在生态学研究中,准确收集时空位置数据是 了解昆虫和其他生物行为和生态的一项基本任务。传统上,这种追踪主要依赖于人工观察和记录位 置信息。例如,在动物行为和生态学的研究中, 经常涉及到给动物打上独特的标识符,并人工观 察它们[1]。这些数据集对于推进这些领域的发展 是无价的,但人工数据收集是耗时耗力的。此外, 标签的重量可能会影响小型或轻量级昆虫[2]的行 为,限制其实施。
2024-05-22 22:21:10 615
原创 MelNet一种用于对象检测的实时深度学习算法 yolov5、EfficientDet 和 Faster-RCNN-MobileNetv3
人们观察图像并迅速识别图像中包含的物体,辨别 它们的位置,并理解它们之间的相互作用。人类的视觉 系统表现出快速性和精确性,允许进行复杂的活动,例 如以最小的有意识思考[53]驾驶车辆。近年来,深度学习在解决目标检测、语义分割、行 人再识别、图像检索、异常检测、皮肤病诊断等挑战性 问题方面表现出了巨大的增长。在深度学习中已经定义 了各种类型的神经网络来从数据中学习抽象特征,例如 多层感知器(MLP)、卷积神经网络(CNN)、循环神经网络 (RNN)和生成对抗网络(GAN)。
2024-05-22 22:04:43 852
原创 YOLOv5 未来的智能车辆必须能够理解周围环境并安全导航 基于摄像头的车辆系统可以使用关键点和物体作为与gnss无关的SLAM和视觉里程测试的低地标和高地标
未来的智能车辆必须能够理解周围环境并安全导航。基于摄像头的车辆 系统可以使用关键点和物体作为与gnss无关的SLAM和视觉里程测试的低地标 和高地标。为此,我们提出了yolpoint,这是一种卷积神经网络模型,通过结合 YOLOv5和SuperPoint来创建一个既实时又准确的前向传递网络,同时检测图像 中的关键点和物体。通过使用共享骨干网和轻量级网络结构,yolpoint能够在 HPatches和KITTI基准测试中具有竞争力。关键点是低级的地标,通常是点、角或边缘,可以很容易地从不同的视角检索出来。
2024-05-22 21:52:46 529
原创 基于YOLOv5深度学习的无人机热图像目标检测
这项工作提出了一种神经网络模型,能够识别无人机 采集的热图像中的小而微小的物体。我们的模型由三部分组成, 骨干,颈部和预测头。骨干网是基于YOLOv5的结构,结合最后 使用变压器编码器开发的。颈部包括一个结合使用滑动窗口和 transformer的BI-FPN块,以增加输入到预测头部的信息。预测头 通过使用Sigmoid函数评估特征图来进行检测。使用具有注意力 和滑动窗口的transformer提高了识别精度,同时保持模型在合理 的参数数量和嵌入式系统的计算需求。
2024-05-22 21:28:03 679
原创 YOLOv5 非gps战场环境下的地标立体数据集识别与移动节点定位
在战场上建立无线传感器网络的一个特别重要的 应用是感知和定位沿任何轨迹移动的物体(例如防御 部队,部队,战争车辆,对手部队)[1],[2]。定位的 应用可以是跟踪节点的移动,预测其未来轨迹,有时 还可以引导节点沿着安全轨迹前进,以增加恶劣情况 下的生存能力。战场上的无线传感器网络包括但不限 于部署在英萨杰·马德里亚的几个主动和隐蔽的观察哨所或由侦察单位携带。此类传感器通常 用于探测和检查化学、生物、辐射和核(CBRN)威胁。
2024-05-22 21:15:19 636
原创 YOLO-TLA:基于YOLOv5的高效轻量级小目标检测模型
近年来,深度学习的快速发展使得计算机视觉的各 个方面都取得了重大突破,尤其是在目标检测方面。计 算机视觉的这一关键方面旨在识别和分类图像中的目标 (例如行人、动物、车辆),作为目标跟踪和目标分割等任 务的基础元素[1]、[2]。其工业应用广泛,从缺陷检测到 自动驾驶[3]-[5]。此外,电子控制系统和飞机设计的演变 凸显了基于无人机(UAV)的目标检测的重要性,在农业、 灾难等领域已经越来越普遍管理,航空摄影。无人机要么无线电控制,要么在预先 编程的路线上操作。
2024-05-22 20:59:28 238
原创 YOLOv5输电线路检测 基于网络结构优化的轻量级YOLOv5
输电线路检测技术是实现自动化监测和保障电气设施安全的关键。YOLOv5系列是 目前最先进和应用最广泛的目标检测方法之一。然而,它面临着固有的挑战,如设备上的 计算负荷高、检测精度不足等。为了解决这些问题,本文提出了一种针对移动设备定制的 增强轻量级YOLOv5技术,专门用于识别与传输线相关的对象。将C3Ghost模块集成到 YOLOv5的卷积网络中,减少特征信道融合过程中的每秒浮点运算数(FLOPs),提高特征表 达性能。此外,在YOLOv5骨干网中引入了FasterNet模块来代替c3模块。
2024-05-22 20:45:00 721
原创 YOLOv5 目标检测中的类不平衡:实验诊断与缓解策略研究
目标检测是计算机视觉中的一项关键任务,经常受到数据集不平衡的阻碍,特别是未被探索的前景-前景类不平衡问题。这 种对前景-前景类不平衡的缺乏关注,在单阶段检测器的背景下变得更加明显。本研究引入了一个利用YOLOv5单级检测器 的基准测试框架来解决前景-前景类不平衡问题。我们从COCO数据集中制作了一个新的10类长尾数据集,称为COCO-ZIPF, 专门用于反映具有有限数量对象类的常见现实检测场景。在此背景下,我们仔细研究了三种既定的技术:采样、损失称重和 数据增强。
2024-05-22 20:40:50 957
原创 基于注意力机制和fastnet的YOLOv5改进,用于铁路和航路异物检测。
随着交通系统的不断发展,关于交通基础设施的安全问题,如铁路和航空,已经变得越来越重 要。铁路和航空安全的主要威胁之一是障碍对轨道的入侵。常见的未经授权的铁路入侵包括行 人、车辆、动物和落石。未能就这些入侵及时向当局发出警报可能会对铁路交通安全和运营连 续性产生不利影响。这个问题也存在于航空业。机场跑道上的外来碎片会在飞机起降过程中对 飞机构成威胁,严重情况下会造成无法弥补的损伤[2]。早期防护外来物的方法物体对运输路线的入侵主要依靠物理屏障和人工检查。
2024-05-22 20:29:04 594
原创 YOLOv5 智能铁路道口:利用语义分割和目标检测增强安全性。
目录摘 要 1. 介 绍 2. 文献综述3. 方法基于目标检测和分割的RHGC安全框架及系统描述:基于NMS的集成方法描述增强RHGC中的目标检测基于NMS的集成模型借据计算程序为什么我们的研究采用YOLO5变体来构建RHGC安全性最终预测的集成模型:用于检测RHGC安全的接近轨道的分割技术(UNet)的体系结构描述4. 基于人工智能驱动的RHGC安全计算机视觉解决方案5. RHGC安全性数据收集6. 人工智能驱动模型在RHGC安全上的实验结果分析7. 结论和未来工作 铁 路 公 路 等 级
2024-05-22 20:15:07 874
原创 YOLOv5 一种基于应用数据集特征的分类难度轻量级度量方法
有很多信息可以用来比较神经网络模型。除了大小和速度等固有特征外,模型性 能还通过在公开数据集上的准确性来衡量。这些信息对于比较模型来说是无价的, 但它往往与预测模型在特定应用上的表现相差甚远。其中一个原因是,大多数公 共数据集都有许多类(例如,ImageNet[6]为1000,COCO[23]为80)。但许多应用程序 的类别要少得多。另一个原因是实例难度大在基准数据集和应用数据集中,数据集通常是未知的。由于这两个原因,很难从 大型公共数据集的性能推断到类别数量和类别之间相似性差异很大的特定应用程 序的性能。
2024-05-22 20:00:00 844
原创 YOLOv5 手术中x线导引丝的实时跟踪与分割,使用原始x射线图像和合成x射线图像训练一个Yolov5s检测器
导丝是每一个介入心脏病治疗过程中必不可少的工具。它们被先进到car-心血管系统,在实时x射线透视的指导下,经皮血 管进入介入的目标区域。一旦成功地完成初始导丝放置,其他导管就会在导丝之上推进,以便提供治疗,如支架置入、消融 或[1]药物输送。因此,为避免损伤血管结构,导致穿孔、剥离、中风和出血等手术并发症,导丝的精确导航是必须的。为 此,一个鲁棒的导丝跟踪和分割系统来分析连续捕获的x射线图像可以有显著的帮助,此外,减少干预医师所需的脑力劳动, 以及防止视觉疲劳[2]。
2024-05-22 19:00:00 735
原创 python机器学习 基于决策树的MNIST数字分类 详细教程 数据集+源码+远程部署
决策树是一种非常受欢迎的机器学习算法,它可以用于分类和回归任务。在基于决策树的MNIST数字分类中,算法会学习如何从手写数字的图像像素值中提取特征,并根据这些特征来决定图像表示的数字(0到9)。MNIST数据集是一个包含了手写数字的大型数据库,常用于训练各种图像处理系统。数据集包含60000个训练样本和10000个测试样本。每个样本是一个28x28像素的灰度图像。数据预处理:加载MNIST数据集,并将图像的28x28像素矩阵平展成一个长度为784的一维数组。这样每个图像就变成了一个特征向量。
2024-05-22 18:00:00 725
原创 YOLOv5 基于表型和姿态估计的番茄收获自主机器人
农业生产的劳动力短缺限制了生产规模的扩大[1]。实施自动化系统是提高生产效率的可行方案。机器人采 收的研究受到越来越多的关注,在草莓[3]、苹果[4]、甜 椒[5]、番茄[6]等作物上取得了实质性进展。广泛采用的 感知方法和收获程序可以总结为:利用监督学习将成熟度 分类为二分类,成熟度等级直接映射为可收获和不可收 获状态。一旦检测完成,通过分割模型获取目标的点云, 然后将这些云拟合成球体或圆柱体等几何形状,便于确 定作物姿态和规划适当的抓取角度。
2024-05-22 18:00:00 774
原创 YOLOv5 Flightscope:卫星图像中飞机检测算法的深度综合评估
利用热红外(TIR)和RGB相机[1]等各种类型的视觉传感器,遥感在获取地球表面信息方面起 着基础性作用。这一领域包含了广泛的技术和方法,旨在捕获、分析和解释来自各种来源 的数据。在遥感领域中,最重要的应用之一是小目标[2]的检测和定位。来自卫星图像的目 标检测在各个领域都具有非常重要的意义,例如国防和军事应用[3]、城市研究[4]、机场监 视、船舶交通监测[5]和交通基础设施确定[6,7]。
2024-05-22 16:07:07 317
原创 YOLOv5 矿石分类筛选 基于融合注意力机制的矿石分选网络
在当前全球矿产资源结构变化的大背景下,面对高品位矿石储量枯竭的挑战,采矿业不可避免地转向开发更复杂、 品位更低的矿石资源。这种转型不仅对加工技术提出了更加严格的要求,在环境保护、经济成本管理等方面也提出了 新的挑战。在这一趋势的推动下,发展高效、可持续的矿石分选技术已成为采矿业的一项紧迫任务。深度学习技术的快速发展为矿石分类和识别带来了新的可能性,特别是基于卷积神经网络(cnn)的图像分类方法。由 于其在分析和处理颜色纹理特征方面的优异性能,cnn在自动化和高效的矿石识别任务中展示了其潜力。
2024-05-22 14:25:58 891
原创 YOLOv3, YOLOv5, YOLOv6, YOLOv7和YOLOv8电动滑板车实时目标检测性能评估
电动滑板车(e-scooters)在城市地区迅速成为一种流行的交通方式,但它也带来了重大的安全挑战。在美国, 电动滑板车的兴起标志着与之相关的伤亡人数的增加,令人担忧。最近,虽然深度学习目标检测在自动驾驶 汽车中具有至关重要的意义,以避免潜在的碰撞,但其在电动滑板车背景下的应用仍相对未被探索。本文通 过评估为电动滑板车设计的尖端目标检测器的有效性和效率来解决这一差距。
2024-05-22 14:08:15 938
数学建模的29个通用模型及matlab解法.zip
2024-05-14
yolo猫狗识别数据集,YOLO动物识别数据集,包括训练好的yolov5模型,包含几千张jpg和对应的txt文件
2024-05-09
Squeezed Edge YOLO:边缘设备上的板载对象检测
2024-04-11
奥地利自动驾驶深度学习视觉模型YOLO和DETR的首次定性观察
2024-04-11
使用YOLO从SDSS图像中检测到边缘低表面亮度星系候选星系
2024-04-11
yolo使用TomFormer及早准确检测番茄叶病
2024-04-11
具有混合注意力特征金字塔网络的YOLO算法,用于焊点缺陷检测
2024-04-11
DiffYOLO:通过YOLO和扩散模型进行抗噪声目标检测
2024-04-11
YOLOv7无人机实时探测人体
2024-04-11
使用 YOLO 对牛栏编号进行分类
2024-04-11
YOLO-Former:YOLO与ViT握手
2024-04-11
使用 YOLOv7 和 ESRGAN 改进坑洼检测
2024-04-11
基于YOLO的动态序列匹配模型,实现高效的无覆盖图像隐写
2024-04-11
基于深度学习的综合感知与通信系统中的目标-用户关联
2024-04-11
使用基于YOLO的学习方法对农业进行实时目标检测和机器人操作
2024-04-11
YOLO-World:实时开放词汇对象检测
2024-04-11
基于YOLO的红外小目标检测范式
2024-04-11
使用YOLO v7在磁共振成像中检测肾脏
2024-04-11
YOLO-CIANNA:在无线电数据中进行深度学习的星系检测 I. 一种受YOLO启发的新型源检测方法应用于SKAO SDC1
2024-04-11
YOLO-Ant:通过深度可分离卷积和大核设计实现天线干扰源检测的轻量级探测器
2024-04-11
YOLO-TLA:基于YOLOv5的高效轻量级小目标检测模型
2024-04-11
DEYO:带有 YOLO 的 DETR 用于端到端目标检测
2024-04-11
C++开发实用教程最好的
2024-03-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人