内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf

跨模态注意力引导卷积网络用于多模态心脏分割

卷积码的编解码仿真实现，没有使用matlab自带的函数，自己手动写的，功能正确，可用，有较强的参考价值，matlab平台

卷积（Convolve）算法在TMS320C5402上的实现（C语言编写）使用了convol库函数。

介绍了LTE系统中的咬尾卷积编码器，分析了该编码器的增益，在众多译码算法的基础上研究咬尾卷积码的几种译码算法，通过MATLAB对这几种译码算法在不同信道环境、不同长度数据块的情况下进行性能仿真，并对仿真结果进行分析。从性能和复杂度这两个角度考虑， 两步维特比算法较适合作为LTE通信系统中咬尾卷积码的译码方法。

基于深度卷积神经网络的服装图像分类检索算法

提出了一种基于卷积神经网络的前方车辆检测方法。首先，根据车底阴影特征，运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域，以解决路面灰度分布不均及光照条件变化问题；其次，运用针对道路交通环境的卷积神经网络结 构，建立图像样本库进行网络训练；在此基础上，采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域，进而确定真正的车辆目标；最后，修改网络为三分类识别，以验证本文方法的强扩展性的优势。实验结果表明：本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰，有效地提高车辆检测的准确率和可靠性，降低误检率。

本文针对齿轮箱故障检测与诊断问题，运用信号处理和神经网络等相关知识，构建了小波变换模型、1D-CNN 模型进行齿轮箱工作状态的分析。综合运用 MATLAB 和 Python 等软件编程求解，通过模型参数调整使 1D-CNN 模型效果趋于最优，最终得到较为准确的诊断结果。对于输入神经网络的数据，进行训练集与测试集的划分以及归一化、编码分类标签等操作便于模型训练。 有问题欢迎私信沟通交流，共同学习！

学习卷积神经网络的面部反欺骗 “”论文的实现 结果 CASIA内测 原始数据集：或（密码：h5un） 规模 1.0 1.4 1.8 2.2 2.6 吝啬的 开发EER 0.1094 0.0408 0.0346 0.0339 0.0670 0.0571 测试HTER 0.1033 0.0492 0.0568 0.0675 0.0875 0.0729 测试EER 0.0923 0.0461 0.0578 0.0665 0.0790 0.0683

基于PYNQ-Z2实现手写数字识别卷积神经网络硬件加速器.zip