基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究
基于TensorFlow的Android
2022-05-10 18:06:40
97.27MB
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务系统客服端设计与开发
基于Android平台的车辆远程信息服务
2022-05-10 18:06:39
94.37MB
针对物流配送中的带有容量约束的车辆路径优化问题,提出了一个基于多邻域的迭代局部搜索算法HILS。首先用简单插入法构造可行解,然后从该初始解出发,在多邻域内进行局部优化。当陷入局部最优解后,根据解的接受准则,选择某个解,并对该解进行扰动,然后从扰动后的解出发重新进行局部优化。为提高搜索效率,局部优化过程只在限定邻域内进行。在国际通用的14个benchmark问题上进行仿真实验,结果验证了本文算法HILS的有效性和稳定性,与文献中的其他几种算法的比较结果表明,算法HILS的总体性能更优。
2022-05-09 21:35:00
459KB
1
将YOLOv5用于车辆检测任务，只考虑感兴趣区域（ROI）中的对象
使用DeepSORT进行车辆跟踪，无需对该模型进行再训练，只需进行推断
使用余弦相似性将对象的轨迹指定给最相似的方向。
在每个方向上计算每种类型的车辆。
2022-05-09 21:03:27
130.08MB