随着智能交通系统中的应用，航空图像车辆检测已成为一项关键工程技术，具有学术研究意义。 提出了一种基于YOLO深度学习算法的航空图像车辆检测方法。 该方法通过处理三个公共航空图像数据集来整合适合YOLO训练的航空图像数据集。 实验表明，该训练模型在未知的航拍图像上具有良好的性能，特别是对于小物体，旋转物体以及紧凑而密集的物体，同时满足实时性要求。

基于AI的地震信号检测器和鉴相器 描述 EQTransformer是基于AI的地震信号检测器和相位（P＆S）拾取器，基于带有注意机制的深度神经网络。 它具有专门为地震信号设计的分层体系结构。 EQTransformer已经接受了全球地震数据的培训，可以同时高效地执行检测和到达时间的选择。 除了预测概率，它还可以提供估计的模型不确定性。 EQTransformer python 3软件包包括用于下载连续地震数据，进行预处理，执行地震信号检测以及使用预先训练的模型进行相位（P＆S）拾取，构建和测试新模型以及执行简单的相位关联的模块。 开发人员：S. Mostafa Mousavi 链接 说明文件： : 论文： https : //rdcu.be/b58li 参考 Mousavi，SM，Ellsworth，WL，Zhu，W.，Chuang，L，Y。和Beroza，G，C。 Nat C

MyDiskTest_v298_修正版 (检测U盘扩容速度是否正品)

密集人群人头检测训练数据集 人流统计数据集 已经转换成yolo txt格式标注文件 4374张图片 4374个yolo标注格式txt文件

描述 在MIT视频监控数据集上使用NNMF进行异常检测 接触 Vu Nguyen博士， 引文 Bayesian Nonparametric Approaches to Abnormality Detection in Video Surveillance. Nguyen, V., Phung, D., Pham, D. S., & Venkatesh, S In Annals of Data Science, pp 1-21, 2015. Interactive Browsing System for Anomaly Video Surveillance. T.V. Nguyen, D. Phung, S. K. Gupta, and S Venkatesh In IEEE Eighth International Conference on Intelligent Sensors,

功能如名称:希捷硬盘检测修复,内有说明文档。

针对以人为中心的井下视频监控模式存在持续时间受限、多场景同时监视困难、人工监视结果处理不及时等问题,提出了基于深度卷积神经网络的井下人员目标检测方法。首先将输入图片缩放为固定尺寸,通过深度卷积神经网络操作后形成特征图;然后,通过区域建议网络在特征图上形成建议区域,并将建议区域池化为统一大小,送入全连接层进行运算;最后,根据概率分数高低选择最好的建议区域,自动生成需要的目标检测框。测试结果表明,该方法可以成功检测出矿井工作人员的头部目标,准确率达到87.6%。

Android版本车牌检测和识别算法APP，在普通Android手机上可以达到实时的检测和识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求。详细说明请查看：智能驾驶 车牌检测和识别（四）《Android实现车牌检测和识别（可实时识别车牌）》：https://blog.csdn.net/guyuealian/article/details/128704242

基于YOLO2和ResNet算法的监控视频中的人脸检测与识别基于YOLO2和ResNet算法的监控视频中的人脸检测与识别

温度检测模块使用的是GY906,ESP01配置为可接入热点，wifi名称和密码通过串口助手调试，将手机配置为用户模式，手机会不间断收到实时的测温情况，演示视频我会放在B站上面，