目标检测 pytorch复现Fast_RCNN目标检测项目
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
2023-05-30 11:21:01
509.93MB
1
FastReport Vcl 5.3.13 for Delphi7 支持二维码，本人正在使用，有详细的安装说明。
2023-05-17 21:01:41
12.92MB
1
为了在大图中找到两点之间的最短路径，我们先通过宽度优先搜索为每个点建立距离标签索引。关键是在宽度优先搜索是进行剪枝。
2023-04-30 22:26:56
1.1MB
1
FAST 针对目前GNSS数据下载步骤繁琐、下载速度慢等问题，开发了一套较为完备的融合多源数据下载终端软件——FAST。
软件目前包含GNSS科研学习过程中绝大部分所需的数据源，采用并行下载的方式极大的提升了下载的效率。
Git地址
https://github.com/ChangChuntao/FAST
https://gitee.com/changchuntao/FAST
软件特点
多平台：同时支持windows与linux系统；
资源丰富：基本囊括了GNSS科研学习中所需的数据源，目前支持15个大类、62个小类，具体支持数据见数据支持；
快速：软件采用并行下载方式，在命令行参数运行模式可自行指定下载线程数，经测试下载100天的brdc+igs+clk文件只需要48.93s！
易拓展：如需支持更多数据源，可在FTP_Source.py、GNSS_TYPE.py中指定所需的数据与数据源；
简单易行：程序有引导下载模式与命令行带参数运行模式两种方式下载，直接运行程序便可进入引导下载模式，命令行带参数运行FAST -h可查看带参数运行模式介绍；
灵活：在带参数运行模式下，用户可灵活指定下
2023-04-13 23:34:21
21.34MB
1
注意：不支持Ubuntu 16.04及更低版本
FAST-LIO 2.0
将于2021年3月底发射。
新的功能：
更快更好
更高的频率；
更多的LiDAR支持（Horizon和Ouster 64）；
支持基于ARM的嵌入式平台。
FAST-LIO
FAST-LIO （快速LiDAR惯性里程计）是一种计算效率高且功能强大的LiDAR惯性里程计套件。它使用紧密耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在发生退化的快速运动，嘈杂或混乱的环境中实现强大的导航能力。我们的软件包解决了许多关键问题：
快速迭代的卡尔曼滤波器，用于里程计优化；
在最稳定的环境下自动初始化；
并行KD-Tree搜索以减少计算量；
强大的特征提取；
开发者
：激光贴图和姿势优化；
：特征提取。
要了解更多详细信息，请参阅我们的相关文章：）
我们的相关论文：现在可以在arxiv上获得我
2023-04-12 23:01:25
28.47MB
1
Fast.Algorithms.for.Signal.Processing
2023-03-31 15:11:15
2.97MB
1
Fast DDS的install包，包括Fast DDS相关的头文件、动态库等，可以直接提供第三方程序使用。
2023-03-31 11:01:47
17.61MB
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