DETR（DEtection TRansformer）是一种基于Transformer架构的端到端目标检测模型，其主要流程包括： 1. 特征提取：通过卷积神经网络提取输入图像的特征。 2. Transformer编码器：将特征图输入Transformer编码器，利用自注意力机制和全连接层获取位置的上下文信息。 3. 对象查询：引入特殊的“对象”查询向量，指导模型在每个位置关注的对象类别。 4. 解码器：将Transformer编码器的输出作为解码器的输入，通过多层自注意力计算和全连接层计算生成每个位置的对象特征。 5. 对象匹配：将对象特征与所有可能的目标类别进行匹配，产生候选框和得分。 6. 位置预测：为每个候选框产生精确的位置预测。 DETR简化了目标检测流程，无需使用锚框或非极大值抑制，直接输出目标检测结果

针对零部件制造质量控制方面的缺陷检测，考虑到工业摄像头角度和零部件表面缺陷特征相对固定的特点，提出一种基于注意力机制的YOLO缺陷检测算法。围绕提升算法注意力，首先采用CZS算法，把图像上的缺陷区域剪切、缩放和拼接成新图像，使注意力集中于缺陷相关区域；然后采用裁减主干网络算法，裁减掉原版YOLOv3主干网络中无用的检测尺度层；最后使用数据增强算法增加训练样本量。实验案例结果表明：该算法检测精度99.2%,单帧图像检测时间0.01 s,性能均优于原版YOLOv3;该算法在固定摄像头场景下具有一定先进性，3项提升注意力的策略使算法训练精度收敛的更快、检测速度更快、检测性能更稳定。

提出了一种网络流量异常检测新算法。该算法将线性模型与小波变换相结合，解决了阈值监控无法告警和监测的问题。在实际的网络数据SNMP MIB以及Netflow的应用检测中，性能较好。与GLR算法相比，异常点的判断更加及时、准确、可靠。

轨道电路移频信号是用来控制列车的行驶状态．对其参数的检测需要达到较高的频率分辨率，分析了国产18信息和ZPW一2000型两种制式移频轨道电路的移频信号的频谱特点，提出r采用CZT线性调频z变换和时域测量相结合的方法检测移频信号的参数。在MATLAB环境下编写CZT算法进行仿真，仿真结果表明。

针对基于瞬时无功功率理论的谐波检测算法实时性差、不能直接用于单相谐波检测的问题,提出采用滑窗迭代DFT算法来提高谐波检测的实时性;并针对传统DFT在非同步抽样时存在错误的问题,提出采用自适应抽样算法来自动调整抽样时间,从而减小DFT在非同步抽样时的计算误差。仿真结果表明,基于自适应抽样的滑窗迭代DFT算法能够实时有效地检测出谐波电流,具有很好的目标跟随性和抗干扰性。

这是应用sober图像边缘检测算法，希望有帮助

本程序利用Prwitte 边缘检测模板实现了水平和垂直方向的边缘检测算法，能够提取更多的边缘信息。

个人的经典收藏 图像处理的边缘检测算法 里面有：roberts,sobel,拉普拉斯,prewitt,robinson,kirsch,smoothed等几种算法

基于ip-iq变换的谐波检测算法，并联型APF 有源电力滤波器 谐波电流检测 matlab simulink仿真学习模型，其他检测方法也做了，有参考文献，适合自学。

目录 摘要 关键词 第一章 绪论 1.1 研究背景 1.2 研究意义 1.3 国内外研究现状 1.4 研究内容和方法 1.5 论文结构 第二章 YOLOv3算法原理 2.1 YOLOv3算法概述 2.2 YOLOv3算法网络结构 2.3 YOLOv3算法训练过程 2.4 YOLOv3算法优缺点 2.4.1 YOLOv3算法优点 2.4.2 YOLOv3算法缺点 第三章 目标检测算法研究 3.1 目标检测算法概述 3.2 传统目标检测算法 3.3 深度学习目标检测算法 3.4 目标检测算法评价指标 3.4.1 精度指标 3.4.2 IOU指标 3.4.3 MAP指标 第四章 基于YOLOv3的目标检测算法设计 4.1 算法设计思路 4.2 数据集准备 4.3 算法实现细节 4.4 算法性能评估 4.4.1 检测精度评估 4.4.2 检测速度评估 第五章 实验结果与分析 5.1 实验环境介绍 5.1.1 硬件环境介绍 5.1.2 软件环境介绍 5.1.3 实验数据集介绍 5.1.4 实验流程介绍 5.1.5 实验结果说明 5.2 实验结果展示 5.3 实验结果分析 第六章 结论与展望