机器视觉可进行检验、OCR/OCV、引导校准、存在缺失、测定测量、读取代码。讲述 机器视觉在各行业中的应用
2022-05-04 12:05:17 2.41MB 文档资料 计算机视觉
解压密码及视频讲解:http://www.bilibili996.com/Course?id=1114057000213
2022-05-03 12:06:58 242.82MB opencv 人工智能 计算机视觉
1
解压密码及视频讲解:http://www.bilibili996.com/Course?id=3482873000211
2022-05-03 09:08:39 214.09MB opencv 算法 人工智能 计算机视觉
1
解压密码及视频讲解:http://www.bilibili996.com/Course?id=0063295000212
2022-05-03 09:08:39 227.84MB opencv 人工智能 计算机视觉
1
OpenCv车辆识别训练模型
2022-05-03 09:08:37 120KB opencv 文档资料 人工智能 计算机视觉
1
解压密码及视频演示:http://www.bilibili996.com/Course?id=4739103000210
2022-05-02 20:06:17 198.8MB opencv 人工智能 计算机视觉
1
1 、Li探索了一个新的更深层的Atrous Spatial Pyramid Pooling module (ASPP),并应用了长短残差连接以及深度可分离卷积,从而得到了一个更快、更有效的分割模型。LiteSeg体系结构在多个backbone上进行测试,如Darknet19、MobileNet和ShuffleNet,在准确性和计算成本之间提供多重权衡。以MobileNetV2为主干网的LiteSeg模型,在Cityscapes数据集上针对640×360分辨率的图像以每秒161帧的速度,达到了67.81%的mIoU精度。 2 、基于编解码结构、Atours Spatial Pyramid Pooling (ASPP)、空洞卷积和深度可分离卷积,论文设计了一种能够适应任何backbone的LiteSeg结构。通过选择不同的backbone,将允许在计算成本和精度之间进行权衡,以满足多种需求。 主要有两点: 2.1、提出了一种实时有竞争力的网络结构,并用三种不同的backbone Darknet19、MobileNetV2和ShuffleNet进行了测试,在Cityscapes数据集上实现
2022-05-02 14:10:15 21.09MB pytorch 语义分割 LiteSeg 计算机视觉
旅行商 模拟退火算法SA
1
【水果检测】基于计算机视觉实现柑橘质量检测及分级系统含Matlab源码
2022-05-01 20:55:30 1.33MB
1
深度学习中计算机视觉的目标检测的YOLOv1的改进版本
2022-05-01 20:38:19 20KB YOLO9000 个人理解
1