深度学习-行人重识别实战(2020)-附件资源

交通标识为道路上的行人和车辆提供着丰富的道路交通信息，为调节交通流量、疏导交通、提 高道路通行能力、预示道路状况，减少交通事故起到了至关重要的目的。如果仅仅依靠驾驶人员或 行人对交通标识做出正确反应，难免会出现意外情况，导致交通事故的产生。而随着现代控制理论、 人工智能、传感器与检测技术的高速发展，智能交通系统技术也因此得到了快速的发展，并通过此 技术来辅助车辆驾驶员和控制车辆可以大大减少交通事故的产生。 本文针对车辆的车载交通识别系统进行研究，首先介绍模拟车辆的硬件组成与控制技术，再讨 论与叙述交通标识数据采集、神经网络的图像处理模型的搭建以及车载图像处理技术。模拟系统选 用 Raspberry Pi 板作为 RC 小车控制器，深度学习框架采用 Tensorflow+Keras。系统将通过车载摄像 头感知当前道路、行人、车辆位置、交通灯和交通标识等信息，通过超声波传感器实时监测车辆行 驶的安全距离，实现被控制车辆的左右转向、行进和停车，从而模拟无人驾驶车辆能够安全、可靠 的在道路线上行驶。

python

内含app控制控制例程，WIFI透传，还有用户手册 本例程演示如何使用串口调试助手测试WF-ESP8266 WiFi模块 通过串口调试助手配置模块，并与外界进行数据传输 ESP8266 作为 STA TCP Client 向网络助手上传 DHT11 温湿度 参考代码如下： #include "stm32f10x.h" #include "bsp_usart1.h" #include "bsp_SysTick.h" #include "bsp_esp8266.h" #include "test.h" #include "bsp_dht11.h" /** * @brief 主函数 * @param 无 * @retval 无 */ int main ( void ) { /* 初始化 */ USARTx_Config (); //初始化串口1 SysTick_Init (); //配置 SysTick 为 1ms 中断一次 ESP8266_Init (); //初始化WiFi模块使用的接口和外设 printf ( "\r\n野火 WF-ESP8266 WiFi模块测试例程\r\n" ); //打印测试例程提示信息 ESP8266_StaTcpClient_UnvarnishTest (); while ( 1 ); }

phpstudy学习工具php5.2 珍藏版 简单易学 易上手Apache2.2+php5.2.17+MySQL5.1 php5.2经典组合值得收藏，仅有11M，无需运行库

图神经网络的初认识及代码

c++总结

乳腺肿瘤计算机辅助诊断(CAD)系统在医学检测和诊断中的应用日益重要。为了区分核磁共振图像(MRI)中肿瘤与非肿瘤，利用深度学习和迁移学习方法，设计了一种新型乳腺肿瘤CAD系统：1）对数据集进行不平衡处理和数据增强；2）在MRI数据集上，利用卷积神经网络（CNN）提取CNN特征，并利用相同的支持向量机分类器，计算每层CNN的特征图的分类F1分数，选取分类性能最高的一层作为微调节点，其后维度较低层为连接新网络节点；3）在选取的网络接入节点，连接新设计的两层全连接层组成新的网络，利用迁移学习，对新网络载入权重；4）采用固定微调节点前的网络层不可训练，其余层可训练的方式微调。分别基于深度卷积网络(VGG16)、Inception V3、深度残差网络(ResNet50)构建的CAD系统，性能均高于主流的CAD系统，其中基于VGG16和ResNet50搭建的系统性能突出，且二次迁移可以提高VGG16系统性能。

The 1st Place Solution of the Google Landmark 2019 Retrieval Challenge and the 3rd Place Solution of the Recognition Challenge.

合同网协议（CNP算法），用于具有时间窗口和优先级约束的网络上多智能体多任务分配问题的去中心化基于市场的协议 仅供学习参考用代码