在智能视频监控系统中，运动阴影如果被误判为运动目标，将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题，设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合，用于提取运动目标，再将提取的含有阴影的运动目标区域映射到其HSV色彩空间，通过与背景和相邻帧的亮度、饱和度比较，实现对阴影区域的检测和去除 ,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统，验证结果表明该方法能更加有效的消除阴影，从而准确的检测出运动目标，同时方法对光线变化具有一定的鲁棒性。
2023-04-02 11:18:36
2.24MB
1
2D目标检测在自动驾驶领域存在很多问题，因为自动驾驶的空间首先是在3D层面上的，而且需要使用RGB图像、RGB-D深度图像和激光点云，输出物体类别及在三维空间中的长宽高、旋转角等信息。这一类检测称为3D目标检测。随着Faster-RCNN的出现，2D目标检测达到了空前的繁荣，各种新的方法不断涌现，百家争鸣，但是在无人驾驶、机器人、增强现实的应用场景下，普通2D检测并不能提供感知环境所需要的全部信息，2D检测仅能提供目标物体在二维图片中的位置和对应类别的置信度，但是在真实的三维世界中，物体都是有三维形状的，大部分应用都需要有目标物体的长宽高还有偏转角等信息。例如下图Fig.1中，在自动驾驶场景下
2023-03-30 15:22:46
618KB
1
目标检测玩手机数据集-无标签，目标检测玩手机数据集-无标签，目标检测玩手机数据集-无标签，目标检测玩手机数据集-无标签，目标检测玩手机数据集-无标签，目标检测玩手机数据集-无标签，目标检测玩手机数据集-无标签
2023-03-29 16:16:50
316.02MB
1
ObjectDetectionTest:使用YOLOv5s的目标检测应用程序
2023-03-29 13:19:22
143KB
1
通过yolov5实现火焰、烟雾识别或者检测：
1.如果需要训练数据集，可在我的资源列表中查找 并下载
2.内附数据集转换demo，可实现将json转换为yolo需要的.txt格式
3.内附整个训练过程中需要修改的文件及步骤相关的详细教程
4.本项目存放了我已经训练好的权重，可以直接进行预测
5.如有其他需要，可直接与我联系
本项目适合刚入门目标检测的小白、学生和研究员，直接下载可用，保姆级教程，感觉好的话欢迎点赞支持昂！
2023-03-28 14:10:33
903.09MB
1
利用coco2017数据集训练Fast-RCNN模型（训练过程详细步骤记录）：
（1）检测数据集利用选择搜索算法（selective-search）生成一定数量的候选框，
（2）将候选框与真实标注框进行IOU（交并比）计算，将真是标注框的作为正样本，将0.1
2023-03-28 09:26:27
509.47MB
1
交通灯识别检测数据集(含voc和yolo格式标签)（课程作业、设计、比赛、实际项目所用）
【实际项目应用】：
交通灯识别检测、自动驾驶等
【数据集说明】：
交通灯识别检测数据集，一共7953张图片，背景丰富，多样性充足，目标分布均匀，标注精准，算法拟合较好，质量可靠。该数据集标签包含voc（xml）、yolo（txt）。类别名称为[“Traffic_Light”]，多种目标检测算法可直接使用。
2023-03-27 12:24:48
837.17MB
基于 SAR图像的目标检测是对 SAR 图像解译的重要环节之一。本文从 SAR图像的统计特性出发，对包括 SAR 图像统计特性描述，斑点噪声抑制，检测器设计等若干基于SAR 图像的目标检测关键问题进行了研究。
2023-03-24 19:54:29
7.44MB
工程流程
本文档实现了R-CNN算法进行目标检测的完整过程，包括
数据集创建
卷积神经网络训练
分类器训练
边界框回归器训练
目标检测器实现
本仓库最终实现一个汽车类别目标检测器
模块构成
区域建议生成：selectivesearch算法实现，生成类别独立的区域建议
特征提取：卷积神经网络AlexNet实现，从每个区域建议中提取固定长度的特征向量
线性SVM实现，输入特征向量，输出每类成绩
使用类指定的边界框回归器计算候选建议的坐标偏移
非最大抑制方法实现，得到最终的候选建议
关于区域建议算法selectivesearch实现，在训练阶段使用高质量模式，在测试阶段使用快速模式
2023-03-24 10:34:13
994.85MB
1