卡瓦博格--CSDN博客

原创合成孔径雷达(SAR) RD算法面目标成像Matlab仿真

所谓面目标仿真，其实是点目标仿真的升级版，在点目标仿真中，我们主要是通过距离多普勒算法，将回波数据成像为了多个点，但是这个点在内容上是没有任何意义的。而如果有许多点目标，每个点目标都有它的灰度值，组合在一起就能够达到成像的效果了。例如，一张分辨率为300*300的SAR图像，代表着它有300行×300列的像素，而每个像素都有一个灰度值（注意将SAR图像与RGB三通道图像区分），也就是强度值；

2024-05-18 16:31:30 1637 3

原创合成孔径雷达(SAR)RD算法点目标成像与分析Matlab仿真

本文旨在基于Ian G. Cumming的《合成孔径雷达成像算法与实现》中第六章的距离多普勒算法进行Matlab仿真，信号参数基于高分3号SAR卫星参数。本文将从基本的回波生成概念开始梳理，包含基本的原理讲解与代码讲解，以及一些绘制的插图。在数据处理方法上，从基于低斜视角的数据处理开始，扩展到高斜视角的数据处理。需要注意的是，本文不会像百科全书一样列举所有需要的知识，因此至少要完成了书本的前4章学习，了解基本的知识点。

2023-10-26 22:23:18 6633 20

原创 [深度学习]如何替换YoloV5的主干网络:Flexible-Yolov5

Flexible-Yolov5:可自定义主干网络的YoloV5工程实践本文目录：概述理论学习准备自己的数据集修改、调整自定义的主干网络部署训练一、概述YoloV5的主干网络是优秀的，但是许多时候默认的DarkNet并不能满足我们的需求，包括科研、立项时需要更多的创新性。而Yolo框架出色的集成了许多目标检测相关的功能与输出，很容易让人联想到在Yolo框架下替换掉DarkNet来测试自己的网络性能水平。说两句题外话： Yolo只不过是目标检测的入门框架，可轻松上手，请不要在未持有深度学习

2022-03-08 16:56:17 17126 12

原创 [力扣]第55题- 跳跃游戏[动态规划]

[力扣]第55题- 跳跃游戏[动态规划]本题的难度较低，需要考虑的情况比较少。答案：class Solution: def canJump(self, nums) -> int: length=len(nums) if length == 1: return True #判断当前输入的数字是否只有一个元素（无法跳跃），直接返回True if nums[0]==0:return False #判断当前数组的第一个数字是否是0，直接返回Fal

2022-03-05 11:12:45 10455

原创 [力扣]第45题- 跳跃游戏 II[动态规划][贪心].

[力扣]第45题- 跳跃游戏 II[动态规划][贪心].本题的难度较高，需要对贪心算法已经动态规划的实践方法有相应的了解。标准答案(时间复杂度O(n))：class Solution: def jump(self, nums) -> int: length=len(nums) if length == 1: return 0#判断当前输入的数字是否只有一个元素（无法跳跃） ans,curDistance,nextDistance = 0

2022-03-03 23:02:32 11473

原创 [力扣]第22题-括号生成[动态规划][递归]

[力扣]第22题-括号生成[动态规划][递归]答案： class Solution: def find (self,left,right,brackets): if left==0 and right==0: self.ans.append(brackets) return if left>0: Solution.find(self,left-1,right,bracket

2022-03-01 21:56:36 5868

原创 [力扣]第17题-电话号码的字母组合

[力扣]第17题-电话号码的字母组合答案(简单易懂、未优化版）：def dig_mix(dig1,dig2):#对两个自字典翻译的字符串进行排列组合 print(dig1,dig2) if dig2==[]: return list(dig1) ans=[] for i in list(dig1): for j in list(dig2): ans.append(i+j) return ans#返回组合的结果

2022-02-28 22:58:32 155

原创 [力扣]第7题-整数反转

[力扣][精选]第7题-整数反转答案：class Solution: def reverse(self, x: int) -> int: if (x == 0 or x > 0 and len(bin(x)) >= 33 or (x < 0 and len(bin(x)) >= 34)):判断是否为0或超长 if x > 0 and not int(str(x)[::-1]) > 2147483647:#超长判断取

2022-01-18 09:15:29 3249

原创 [力扣][精选]第6题-Z字形变换

[力扣][精选]第6题-Z字形变换答案：class Solution: def convert(self, s: str, numRows: int) -> str: if numRows==1:#单行的情况单独判断，提高运行速度 return s i, ele, mid, ans = 0, [], [], [] while i < len(s):#切分字符串，将N字形的列字符与中间字符分开储存

2022-01-16 11:35:46 2828

原创 [力扣][精选]第5题-最长回文子串

[力扣][精选]第5题-最长回文子串答案：class Solution(object): def longestPalindrome(self, s): """ :type s: str :rtype: str """ max_num = 0 ans = s[0] for j in range(len(s)): for i in range(len(s) - j

2022-01-15 15:11:03 3200

原创【深度学习】【预处理】输入图片单通道转多通道

【深度学习】【预处理】pytorch输入图片单通道转多通道大部分的模型在输入端要求图像为3通道，单通道的图像输入一般会报错，在pytorch的Transform中可使用lambda函数在pytorch的图像预处理将单通道图片转多通道...

2021-11-18 17:38:24 12248 1

原创【深度学习】Pytorch下直接更新Optimizer的学习率

【深度学习】Pytorch下直接更新Optimizer的学习率一般而言我们更新优化器的学习率可以通过Scheduler，但其实也可直接针对Optimizer对象修改学习率首先我们定义一个优化器import torch.optimizer as optimoptimizer=optim.Adam(model.parameters,lr=0.01)#初始学习率为0.01随后我们在epoch的循环中更新学习率lr=get_epoch_lr(cur_epoch)#获取学习率for param_gro

2021-11-18 14:14:09 5240

qq_30017409的博客