深度双分辨率网络，可实时，准确地对道路场景进行语义分割 介绍 这是的非官方代码。 在单个2080Ti GPU上，DDRNet-23-slim在109 FPS的Cityscapes测试装置上可产生77.4％的mIoU，从而在城市景观和camvid的精度和速度之间实现了最先进的权衡，而无需使用推理加速和额外的数据！在CamVid测试装置上以230 FPS时有74.4％的mIoU。 该代码主要来自和，感谢他们的工作。 要求 在这里列出了实验中使用的软件和硬件 pytorch == 1.7.0 3080 * 2 cuda == 11.1 快速开始 0.数据准备 您需要下载数据集。 并重命名cityscapes文件夹，然后将数据放在data文件夹下。 └── data ├── cityscapes └── list 1.预训练模型 从imagenet上下载预训练模型或从那里下载分割模

了研究与实现高性能、全数字化的速度伺服系统，在永磁同步电动机的数学模型基础 上，依据矢量控制理论，采用现代EDA设计方法，利用可编程逻辑阵列(FPGA)、智能功率模块 (IPM)和增量式光电编码器等，实现了基于转子磁场定向控制(FOC)策略的全数字化速度伺服系 统，给出了位置检测、调节器、矢量变换、电压空间矢量脉宽调制(SVPwM)和通讯等模块的实现方 法。实验结果表明，该系统能够在8斗s内完成矢量控制算法，其电流环带宽达到4kHz，具有响应快 速，调速范围宽等优点。

linux下c/c++获取网卡的连接速度和工作模式

yolo5_gpu_class yolov5 C ++ GPU版本，速度70ms / frame 网络使用cuda加速 net.setPreferableBackend(dnn::DNN_BACKEND_CUDA); net.setPreferableTarget(dnn::DNN_TARGET_CUDA); 常规函数使用UMat加速 Mat uFunction(frame) { UMat uimg; Mat result; frame.copyto(uimg) ####process uimg like img canny(uimg) ####process uimg like img uimg.copyto(result) return result } mat->umat 1.5ms umat版本函数有很多会被加速5,6倍 umat-mat 1ms

行业资料-交通装置-一种列车速度检测系统.zip

行业资料-交通装置-一种提高里程脉冲计算车辆行驶速度精度的方法.zip

提高matlab运算速度.rar_方法

2021.3.21: 对模型结构进行细微调整优化，更新Yolo-Fastest-1.1模型 2021.3.19: NCNN Camera Demo 2021.3.16: 修复分组卷积在某些旧架构GPU推理耗时异常的问题 :high_voltage:Yolo-Fastest:high_voltage: Simple, fast, compact, easy to transplant A real-time target detection algorithm for all platforms The fastest and smallest known universal target detection algorithm based on yolo Optimized design for ARM mobile terminal, optimized to support reasoning framework Based on N

内容包含相电流的检测与重构（ ICS、三电阻、单电阻 ）、转子位置、速度信息的获取（有位置传感器 、无位置速度传感器）

行业资料-电子功用-提升电网故障时调度自动化系统遥测数据响应速度的方法.pdf.zip