0 引 言 随着微电子技术和计算机技术的发展，计算机被引入电子测量仪器，形成基于计算机的自动测试系统。计算机属弱电设备，因此，自动测试系统极易受干扰。其中，接地干扰轻则给系统测试数据带来误差，重则将出现“冲程序”现象，使整个测试系统不能正常工作。所以，基于计算机的测试系统设计时，需要采用良好的接地技术。 1 接地概述 以大地作为零电位的基准，是基于地球的电容量极大。但是大地不是良导体，它的导电率介于导体与绝缘体之间，称为半导体。当一个电子系统内两个不同电位点分别进行接地时，在接地回路中流过电流，形成共模干扰造成不良影响。因此，仅限与一点接地时，大地才被视为零电位基准，通常所说的接地，实际

深度学习机器学习图像处理的matlab源代码-- 基于计算机视觉的自动驾驶应用项目实战.

通过对基于Haar-like特征的AdaBoost人脸检测算法研究，利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计，实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记，以及标记后的人脸区域图像实时显示和存盘。此外，在VC++6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表明，该检测系统开发周期短，检测速度快，实时性强，检测率高，可作为人脸识别和人脸跟踪系统的开发基础。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍

基于计算机的大数据和云计算技术分析.pdf

基于计算机控制技术的光控灯实验报告.doc

人脸_面具_检测_CNN 基于计算机视觉和深度学习的OpenCV和Pytorch面罩检测系统 数据集 下载数据集： : 训练 训练ResNet50模型：在train_resnet50.ipynb中，选择data_path（安装数据集的位置）和model_dir（应保存训练后的模型的位置）。执行train_resnet50.ipynb 训练MobileNetV2模型：在train_mobilenetv2.ipynb中，选择data_path（安装数据集的位置）和model_dir（应保存经过训练的模型的位置）。执行train_mobilenetv2.ipynb 测验 打开test.ipynb 在导入中：从model_resnet50导入模型中选择以测试ResNet50模型，从model_mobilenetv2导入模型中选择以测试MobileNetV2模型。 选择一个model_p

基于计算机视觉的停车场泊车定位研究，吴强，刘勇，随着社会发展，汽车数量增多，以及全球导航卫星系统在室内停车场功能受限，停车场泊车变得十分困难。为了解决这一问题，通过对场

数字信号处理：基于计算机的方法（第3版）（上册）.pdf

车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述