随着深度学习的研究热潮,近年来对车辆目标的检测逐步从机器学习方法转变为深度学习方法.目前,大多数深度学习方法对车辆目标的检测都存在不同程度的错检漏检问题.针对车辆目标检测中存在的小目标的错检漏检、截断式待检目标的漏检和重叠遮挡待检目标的漏检等问题,提出一种基于增量学习数据集的车辆目标检测方法,该方法与Faster R-CNN算法结合对车辆目标实现检测和分类.在实验的最后,分别从主观判断和客观检测数据两个方面,对比了车辆目标检测中未使用增量学习方法和使用增量学习方法对实验结果的影响.实验证明,使用基于增量学习和Faster R-CNN的车辆目标检测方法在主观判断方面对错检漏检的目标有明显地改善效果,从客观数据分析,使用该方法与未使用增量学习方法相比,VGG16网络mAP值提升了4%,ResNet101网络mAP值提升了6%.
2023-02-26 22:41:37 1.19MB 深度学习 机器学习 增量学习 Faster
1
该项目设计是一种具有旋转方向和旋转速度并能够反馈数据的机械增量式旋转编码器。 它有标准的 Grove 接口,可以节省大量的布线和编程工作。 而且,它适应了高负荷和恶劣的环境。 该产品可用作玩具,机器人和消费者输入设备。 旋转编码器特性: 能够适用于不同的环境。 适应高负荷和恶劣环境。 具有良好的制动性能。 标准 Grove 接口,便于编程和接线。 准确可靠。 旋转编码器规格参数: 项目最小值标准值最大值 工作电压 (V)3.35.5 工作电流 (mA)1013 效率(恒速)50% 相位差(恒速)π/4 每圈脉冲12 旋转编码器硬件概览: 附件资料截图:
2023-02-22 20:47:06 181KB 旋转编码器 grove 接口 电路方案
1
增量式编码器的输出信号为方波信号,又可以分为带换相信号的增量式编码器和普通的增量式编码器,普通的增量式编码器具备两相正交方波脉冲输出信号A和B,以及零位信号Z;带换相信号的增量式编码器除具备ABZ输出信号外,还具备互差120度的电子换相信号UVW,UVW各自的每转周期数与电机转子的磁极对数一致。带换相信号的增量式编码器的UVW电子换相信号的相位与转子磁极相位,或曰电角度相位之间的对齐方法如下:  1.用一个直流电源给电机的UV绕组通以小于额定电流的直流电,U入,V出,将电机轴定向至一个平衡位置;  2.用示波器观察编码器的U相信号和Z信号;  3.调整编码器转轴与电机轴的相对位置;  4.一边
1
包括两个完整的工程文件,分别为直流无刷电机的增量型和位置性的pid程序,在ccs8.0中可以直接运行,程序基于F28335芯片
2023-02-07 21:19:52 20.37MB DSP信号处理,PID控制
1
本文介绍了一个适合嵌入式系统的基于DSP和FPGA的海德汉光电编码器信号处理通用模块,能够测量和处理海德汉公司的高精度增量式编码器信号和采用EnDat2.2双向数字接口的绝对式编码器信号。
1
NULL 博文链接:https://yunlong167167.iteye.com/blog/2369584
2023-02-06 09:09:49 445B 源码 工具
1
第二章详细地介绍了平稳随机过程、高斯随机过程和白噪声随机过程等随机过程,它们是工程领域中最常见、最基本的几种随机过程。本章将讨论另外几种在工程技术中常见且重要的
2023-01-13 14:46:55 876KB 数学 算法
1
第二章详细地介绍了平稳随机过程、高斯随机过程和白噪声随机过程等, 它们是工程领域中最常见、最基本的几种随机过程。本章将讨论另外几种在工程技术中常见且重要的随机过
2023-01-12 22:14:50 860KB 数学 算法
1
增量包只能用于掌讯9218-9217B-root专用, 基于版本20190911.刷入前一定要对应自己机器的版本号,刷入后会自动内置magisk,全自动操作,开机后直接使用root,必须在190911版本基础上刷。 使用方法:将7Z压缩包内9218-9217B-root-190911-ota-ymqn.zip放U盘根目录,掌讯车机打开车载设置,系统信息,安卓升级,即可。 此资源不允许买卖,不允许分享,用户下载后只能自己使用。 作者:一梦千年
2023-01-02 00:50:20 9.63MB 9217B root 掌讯root 9218 root
1
飞行器姿态控制matlab代码学期论文:纳米四旋翼增量非线性动态反演控制器的设计,实现和评估 汽车制造商:Evghenii Volodscoi 抽象的 增量非线性动态反演(INDI)是一种很有前途的控制技术,广泛用于控制不同类型的飞机系统。 除了提供高性能的非线性控制外,这种类型的控制器不需要详细的受控飞机模型,并且可以有效地防止干扰。 本学期的论文描述了INDI控制器的发展,该控制器可控制纳米四极杆的姿态和位置。 它始于控制算法的推导。 然后首先在Simulink环境中开发控制器,然后在四旋翼的嵌入式硬件上实现该控制器。 随后,讨论了INDI控制器的实现方面,例如控制效果的估计,执行器时间常数的测量以及推力映射参数的估计。 最后,测试所实现的控制器应对干扰的能力。 已实现的控制算法的最终版本可通过Crazyflie四旋翼的官方开源固件获得。 在本学期论文框架中实现的INDI位置控制器的C代码与Crazyflie Quadrotor的官方固件合并在一起。 可以在以下链接下找到相应的请求请求,其中包含对最终软件结构的详细描述: 项目结构 code/ actuator_dynamics/
2022-12-31 17:25:43 176.75MB 系统开源
1