行业分类-物理装置-一种基于物体导向外部记忆模块的视频物体检测模型.zip
2021-09-03 13:06:43
483KB
[英语] MobileNet-SSD
比YoloV2超快的MobileNet-SSD（MobileNetSSD）+神经计算棒（NCS）+ RaspberryPi的爆炸速度。 高精度的多运动物体检测。 视频播放和对象检测是异步执行的。 为了使用多棒实现高速渲染，它是在多线程/ OpenGL中实现的。 【警告】该存储库不支持NCS2。
【日文】 【USB摄像头+多处理高性能版】 下方，使用多个摇杆时，其性能是此存储库程序的三倍以上。 我建议您参考以下存储库。
变更记录
[2018年7月19日]对应于NCSDK v2.05.00.02 / OpenCV 3.4.2 / FPS视图[2018年
2021-09-02 16:20:57
36.6MB
1
Caltech101 是一个图像物体识别数据集，包含 101 类物体的图像，每个类别中最小包含 31 张图片。
2021-08-26 08:56:22
1.18GB
1
matlab解压代码广域运动图像中的运动物体检测（matlab
版）
WAMI
图像的运动物体检测（车辆）
此代码是我们的论文“使用卷积神经网络
(CNNs)
检测和跟踪广域运动图像
(WAMI)
中的小运动对象”的实现，该论文已在
2019
年第
22
届信息融合国际会议
(FUSION)
上获得通过。应该产生与论文完全相同的结果。
CNN
使用
WPAFB
数据集进行训练：此代码旨在在
WPAFB2009
数据集（测试集）上测试算法，但也适用于其他
WAMI
图像/视频（应进行一些修改）。
将发布旨在广泛使用的
Python
实现。
用法：解压
WPAFB-images\ntf
下的
WPAFB
数据集
运行“WPAFB-images\nitf2png.m”将
ntf
图像转换为
png
图像。
运行“run_area_of_interest_test_set.m”来处理实验。
AOI_id
可以是“01、02、03、34、40、41”。
详细信息可以在论文中找到。
2021-08-19 22:50:48
41.97MB
1
Labeled Fishes in the Wild 为鱼类图像数据集，图像中包含鱼类、无脊椎动物和河床，通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。鱼类位置数据被包括在相应的数据文件中（ dat，vec 和 info），标注了鱼在图像中的位置。
2021-08-12 21:03:07
423.68MB
1
CMU-Oxford Sculpture 是一个3D雕塑图像数据，包括 143000 张雕塑图像，来自 242位 艺术家的 2197个 雕塑作品。每张图像包括12个预定义的属性。
2021-08-12 12:40:18
1.83GB
1
课程演示环境：Windows10;?cuda 10.2; cudnn7.6.5; Python3.7; VisualStudio2019; OpenCV3.4
需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：训练自己的数据集》
课程链接：https://edu.csdn.net/course/detail/28745
YOLOv4来了！速度和精度双提升！
与?YOLOv3?相比，新版本的?AP (精度)和?FPS?（每秒帧率）分别提高了?10%?和?12%。
YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。
本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做项目演示。包括：安装软件环境、安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。还将介绍改善YOL
2021-08-10 17:07:26
12.7MB
1