注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Intellduco盲人识路

  2. 本系统在OpenCV+Darknet等开发环境下实现了实时监测视频及照片中的人或物，主要包括了信息检测、距离传感和信息输出这几个方面。 在信息检测方面，采用神经网络算法对YOLO进行模式识别训练，从而得出准确的物体信息。 在距离传感方面，采用百度地图GPS定位对障碍物与盲人距离进行测试。 在信息输出方面，采用百度语音包对得到的障碍物信息及之间距离进行语音播报。 本系统从系统需求分析、概要设计、详细设计到具体的编码实现和后期的代码优化、功能测试都严格遵循了软件工程的思想。

  3. 所属分类：专业指导

    • 发布日期：2018-03-30
    • 文件大小：2mb
    • 提供者：zarekli

  1. yolo源码+tensorflow版本

  2. 目标检测 yolov1源码 作者提出了一种新的物体检测方法YOLO。YOLO之前的物体检测方法主要是通过region proposal产生大量的可能包含待检测物体的 potential bounding box，再用分类器去判断每个 bounding box里是否包含有物体，以及物体所属类别的 probability或者 confidence，如R-CNN,Fast-R-CNN,Faster-R-CNN等。 YOLO不同于这些物体检测方法，它将物体检测任务当做一个regression问题来处理

  3. 所属分类：深度学习

    • 发布日期：2018-07-18
    • 文件大小：178kb
    • 提供者：sinat_36360518

  1. SSD-tensorflow

  2. SSD的tensorflow源码实现，SSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，截至目前是主要的检测框架之一，相比Faster RCNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被CVPR 2017的YOLO9000超越）。SSD具有如下主要特点： 从YOLO中继承了将detection转化为regression的思路，一次完成目标定位与分类 基于Faster RCNN中的Anchor，

  3. 所属分类：深度学习

    • 发布日期：2018-12-30
    • 文件大小：16kb
    • 提供者：qq_27592255

  1. YOLO V3车牌定位lableme标注好的数据

  2. 车牌定位数据集lableme标注好的，可以用于其他faster rcnn和SSD框架

  3. 所属分类：深度学习

    • 发布日期：2019-05-06
    • 文件大小：104mb
    • 提供者：tjmtaotao

  1. 车牌训练数据集.7z

  2. 车牌训练数据集，已经使用LableImg标注一部分，可以用于YOLO、SSD等训练。可以用来车牌定位等等，只标注了一部分，训练就够了。

  3. 所属分类：深度学习

    • 发布日期：2020-04-05
    • 文件大小：105mb
    • 提供者：weixin_42820310

  1. 二维码样本-目标检测训练数据zip

  2. 二维码样本-目标检测训练数据，此数据为二维码图片，已标记好，用于目标检测模型的训练，一般可用于yolo，sdd，fastrcnn等目标检测模型的训练；训练好后，模型可定位二维码在图片中的位置

  3. 所属分类：深度学习

    • 发布日期：2020-03-20
    • 文件大小：119mb
    • 提供者：lijunhui321

  1. yolo_v2.docx

  2. YOLO_v2是在YOLO的基础上修改的，解决YOLO存在的问题。YOLO有两个缺点： 1. 定位不准确。 2. 相对RPN方法，召回率较低。（预测到的正确候选框占总的正确框的比例） YOLO_v2主要在这两方面做提升，并不通过加深或加宽网络达到效果提升，而是简化网络。主要改变的内容有：

  3. 所属分类：深度学习

    • 发布日期：2020-01-08
    • 文件大小：368kb
    • 提供者：Josephq_ssp

  1. yolo3实现车牌定位训练数据集

  2. 解压后的各文件释义请参考Labelme bbox_detection 的Readme 中大ITS车牌定位训练数据（已标注，仅供学习使用，侵删） 欢迎点赞文章“实现车牌识别之二--使用yolov3进行车牌定位”

  3. 所属分类：深度学习

    • 发布日期：2020-06-19
    • 文件大小：105mb
    • 提供者：sinat_20276189

  1. 深度学习实际应用案例操作详解

  2. 1，CNN——》图像分类 2，Lstm——》文本分类 3，Lstm——》命名实体抽取 4，Yolo——》目标检测 5，图像分类(CNN) 6，目标定位和识别(RCNN) 7，图像重建(Auto-encoder) 8，文本识别(RNN) 9，实体标注(LSTM) 10，手写体数字生成(GAN) 11，逻辑回归导出图像分类； 12，静/动态图编写（CNN）

  3. 所属分类：互联网

  1. #基于yolov3和深度相机的目标检测框架定位系统总结

  2. 基于pyqt和yolov3搭建界面 1.首先要了解信号与槽是关键 2，参考网上的pyqt安装。将界面文件转换为.py文件 # -*- coding: utf-8 -*- # Form implementation generated from reading ui file 'realsense.ui' # # Created by: PyQt5 UI code generator 5.13.0 # # WARNING! All changes made in this file will b

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：523kb
    • 提供者：weixin_38558655

  1. YOLO系列（一）——YOLO，YOLOv2，YOLO9000

  2. 1 YOLO 1.1 Grid Cell YOLO将输入图像分成S×S网格。 每个网格单元仅预测一个对象。 例如，下面的黄色网格单元试图预测其中心（蓝点）落在网格单元内的“人”对象。 每个网格单元预测固定数量的边界框。 在此示例中，黄色网格单元格进行两个边界框预测（蓝色框）以定位人员的位置。 但是，单对象规则限制了检测到的对象的接近程度。 为此，YOLO确实对物体的接近程度有一些限制。 对于下图，左下角有9个圣诞老人，但YOLO只能检测到5个。 For each grid cell, 预测

  3. 所属分类：其它

  1. 死磕YOLO系列，YOLOv1 的大脑、躯干和手脚

  2. YOLO 是我非常喜欢的目标检测算法，堪称工业级的目标检测，能够达到实时的要求，它帮我解决了许多实际问题。 这就是 YOLO 的目标检测效果。它定位了图像中物体的位置，当然，也能预测物体的类别。 之前我有写博文介绍过它，但是每次重新读它的论文，我都有新的收获，为此我准备写一个系列的文章来详尽分析它。这是第一篇，从它的起始 YOLOv1 讲起。 YOLOv1 的论文地址：https://www.cv-foundation.org/openaccess/content_cvpr_2016/pape

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：1000kb
    • 提供者：weixin_38722329

  1. Vehicle-recognition-system:车辆多维特征识别系统，车色，车品牌，车标，车型-源码

  2. 演示 开始： PyQt5，3.3以上的cv2，hyperlpr 暂时不提供车型识别与颜色分类的模型 下载 ，并保存到yolo目录下 介绍 模型采用opencv DNN模块读取，所以确认你安装了包含DNN模块版本（3.3以上）的cv2 车辆定位采用darknet yolov3在coco数据集上的预训练模型 车牌识别采用开源的hyperlpr： : 视频播放界面基础： : 去做 连接KNN做颜色识别

  3. 所属分类：其它

  1. DeepLearning4j-使用Java训练YOLO模型

  2. 本文来自于csdn，文章介绍了数据集、模型训练中读取训练数据以及模型检测可视化等相关内容。在这个Yolov3发布的大好日子。Deeplearning4j终于迎来了新的版本更新1.0.0-alpha，在zoomodel中引入TinyYolo模型可以训练自己的数据用于目标检测。不得不说，在Yolov3这种性能和准确率上面都有大幅度提升的情况下，dl4j才引入TinyYolo总有一种49年加入国军的感觉数据来源自，主要目的是识别并定位图像中的红细胞。数据集总共分为两个部分：数据集：JPEGImages

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：242kb
    • 提供者：weixin_38683930

  1. [目标检测]YOLO原理

  2. 本文来自于简书，本文主要介绍了对YOLO原理进行目标检测，以及yolov2网络结构为全卷积网络FCN，希望对您的学习有所帮助。创新点：端到端训练及推断+改革区域建议框式目标检测框架+实时目标检测1.1创新点(1)改革了区域建议框式检测框架:RCNN系列均需要生成建议框，在建议框上进行分类与回归，但建议框之间有重叠，这会带来很多重复工作。YOLO将全图划分为SXS的格子，每个格子负责中心在该格子的目标检测，采用一次性预测所有格子所含目标的bbox、定位置信度以及所有类别概率向量来将问题一次性解决(

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：777kb
    • 提供者：weixin_38662367

  1. 目标检测算法之Yolo系列

  2. 本文来自weixin，本文介绍了R-CNN基本结构和原理，YOLO的基本原理，推理过程，计算loss以及具体实用过程等。目标检测算法是计算机视觉三大基础任务之一，其包括目标定位和目标分类两部分。在yolo系列出来之前，主流的做法是分段式的R-CNN系列，主要包括R-CNN、FastR-CNN、FasterR-CNN、MaskR-CNN等。R-CNN的基本结构如下图所示：R-CNN主要分为候选区提取和候选区分类两个阶段，并且两阶段分开训练。其主要思想如下。首先通过选择性搜索（SelectiveSe

  3. 所属分类：其它

  1. 基于目标检测网络的摄影测量编码点定位

  2. 为解决传统摄影测量编码点定位依赖多种关系准则、判定复杂且识别不稳定的问题,提出一种采用基于改进YOLO v3的目标检测网络分割编码点、利用距离排序识别中心标记点的定位方法。首先针对编码标记点特点改进特征提取网络,从复杂背景中快速识别编码点,然后在预测框内进行图像处理,计算轮廓质心到中心的距离,通过距离排序定位中心圆形标记点,最后构建标尺编码点数据集用于网络训练和测试。实验结果表明,目标检测网络识别编码点的精度达到94.91%,受环境和噪声等的影响小,距离准则准确率高,该定位方法具有适应性好、鲁棒

  3. 所属分类：其它

  1. captcha_crack：选字验证码破解，试验过网易和极验，破解率99-源码

  2. 点击选择验证码破解 该程序使用Yolo定位验证码文字，再通过训练一个文字分类器从而达到识别点击选择验证码的目的 数据集问题 如何使用 查看run.sh ，提供训练定位以及识别命令。基本配置参数见 注意分类器label是从文件名的绝对路径中查找的，一定要保证label只在路径中出现一次 python/server.py可以提供通过URL进行识别破解的demo（针对网易点选验证码） 效果 网易点选验证码 极验 需要做字符分割后再进行破解 免责声明 该项目仅用于学术交流，不得任何商业使用！

  3. 所属分类：其它

  1. 基于YOLO v3的红外末制导典型目标检测

  2. 导弹末制导飞行过程中,基于传统方法检测红外目标时准确率和实时性不足。针对这一问题,提出一种基于改进YOLO v3的红外末制导目标检测方法。从红外末制导背景出发,优化损失权重,提高了网络定位和分类能力。充分利用Adam算法自适应和动量法稳定的特点,运用“预训练”的思想,提出一种联合训练的方法,大幅提高模型检测精度。实验表明,改进算法在设计的红外目标数据集上进行训练和测试,检测效果理想,平均准确率达到77.89%,检测速度达到25 frame/s,虚警率和漏检率都得到有效降低。

  3. 所属分类：其它

  1. 目标检测算法之Yolo系列

  2. 本文来自weixin，本文介绍了R-CNN 基本结构和原理，YOLO的基本原理，推理过程，计算loss以及具体实用过程等。目标检测算法是计算机视觉三大基础任务之一，其包括目标定位和目标分类两部分。在yolo系列出来之前，主流的做法是分段式的R-CNN系列，主要包括R-CNN、Fast R-CNN、FasterR-CNN、MaskR-CNN等。R-CNN的基本结构如下图所示：

  3. 所属分类：其它

« 12 »