使用卡尔曼滤波器在夜间环境中进行车道检测 自动驾驶计算机视觉技术的一个重要里程碑是在道路上寻找车道标记。 在这里，我们描述了在夜间环境中检测车道的过程。 挑战性 ·低光强度·难以调整各种光强度的参数·边缘检测不良·阴影，突然的高强度汽车大灯 我们的方法 这些步骤中描述了我们的方法： 我们对每个视频帧执行伽玛校正以设置光强度 从图像中裁剪出“感兴趣的区域”，因此我们只能在ROI部分上查找泳道。 它有助于降低计算成本并提高fps。 应用双边滤波器消除噪声并平滑视频帧，但保留边缘。 应用HSV滤镜为固定范围内的像素创建蒙版 经过这些预处理（伽玛校正和滤波）后，我们使用Canny边缘检测器检测边缘。 之后，霍夫变换用于使用上一步中的边缘检测线。 检测到的线使用DBSCAN进行聚类，因为我们只希望跨车道的线。 卡尔曼滤波用于更好的车道检测。 在这里，我们为车道的聚集线应用了线性估计器，以

Yolov5：你只看一次 v5 学习资源和收藏 这个存储库是 Yolov5 的集合。 这有助于学习者或研究人员在一处找到所有 yolo 代码。 :glowing_star: :glowing_star: :glowing_star: :glowing_star: :glowing_star: Yolov5 系列 :glowing_star: :glowing_star: :glowing_star: :glowing_star: :glowing_star: 粗体文字内含项目 约洛夫5 ： （感谢Roboflow.com ） 序号 名称 Github 1 官方 Yolov5 (7.6 k :star: ） 2 使用YOLO v5和深度排序的实时多人跟踪器（362 :star: ） 3 约洛夫（Yolov5）火炬（57 :star: ) | 4 Yolov5 Tensorflow(125 :star: ） 5 Yolov5 框架 (326 :star: ） 6 Yolov5 的烟雾检测(152 :star: ） 7 Yolo

单发对象检测已更新 摘自Hadelin de Ponteves关于Open CV的Udemy课程 该代码包括用于最新PyTorch支持的更新后的SSD类。 已更新功能detection.py，使其与SSD类和最新的PyTorch版本兼容。 如果您拥有最新的PyTorch版本，请克隆代码，并用更新的代码替换现有的SSD.py文件和detect.py文件（在图层/函数内）

打电话检测和抽烟检测算法演示工具，android版本,只支持红外夜视照片，其它照片要调整算法参数

Rapid Object Detection using a Boosted Cascade of Simple Rapid Object Detection using a Boosted Cascade of Simple

SafetyHelmetWearing-Dataset（安全帽附加检测数据集） 安全帽（安全帽）佩戴检测数据集（SHWD）。 我们还提供预训练的模型。 介绍 SHWD提供了用于安全帽佩戴和人头检测的数据集。 它包含7581张图像，其中带有9044张人类安全头盔的佩戴物（正）和111514正常头部的物品（未佩戴或负）。 阳性对象来自goolge或baidu，我们用LabelImg手动标记。 一些负物体来自 。 我们修复了原始SCUT-HEAD的一些错误，并使数据可以按正常的Pascal VOC格式直接加载。 此外，我们还提供了一些带有MXNet GluonCV的预训练模型。 数据集和模型下载 数据集 模型 基准 模型 暗网 mobile1.0 手机0.25 地图 88.5 86.3 75.0 如何使用数据集 我们将数据注释为Pascal VOC格式： ---VOC2028

Uncertainty-aware Joint Salient Object and Camouflaged Object Detection论文试读ppt，适合略读梳理头绪

TensorFlow Object Detection API所涉及文件，包含Git-2.26.2-64-bit.exe，models.zip，protoc-3.3.0-win32.zip和python-3.5.2-amd64.exe。配套本人的博客《修正》使用。

QRS波定位检测算法是ECG分析最基本的也是非常重要的算法单元。这篇论文是经典=

AprilTag