目标检测是计算机视觉研究中的热门问题,其中加速区域卷积神经网络(Faster R-CNN)对目标检测具有指导意义。针对Faster R-CNN算法在目标检测中准确率不高的问题,先对数据进行增强处理;然后对提取的特征图进行裁剪,利用双线性插值法代替感兴趣区域池化操作,分类时采用软非极大值抑制(Soft-NMS)算法。实验结果表明,该算法在PASCAL VOC2007、PASCAL VOC07+12数据集下的准确率分别为76.40%和81.20%,相较Faster R-CNN算法分别提升了6.50个百分点和8.00个百分点。没有进行数据增强的情况下,在COCO 2014数据集上的准确率相较Faster R-CNN算法提升了2.40个百分点。

主要介绍了jQuery实现指定区域外单击关闭指定层的方法,可实现在弹出层外任意位置点击关闭弹出层的功能,涉及jQuery事件操作方法,包含了详尽的代码功能说明,非常简单实用,需要的朋友可以参考下

1-2地理信息技术在区域地理环境研究中的应用 课件.zip

化工集中区区域安全风险评估报告编制要求.docx

植保无人机 任意多边形 航线规划

基于区域生长法的图像分割matlab代码明显的结果 该存储库中的代码是Shih和Cheng撰写的论文“用于彩色图像分割的自动播种区域生长”的MATLAB实现。 该方法包括4个主要部分： 将RGB图像转换为YCbCr颜色空间 自动选种 基于初始种子的区域生长 合并相似区域（这可能包括进一步合并具有不同阈值的区域） 我用于实验的图像是从2019 Kaggle图像分割竞赛数据集中随机选择的。 一些结果包括在下面。 在每个图像下方，给出了最终的相似度和大小阈值。 最初，每张图片的相似度阈值为0.1，且总图片大小的1/150合并 相似度：0.1，大小：1/150我使用此图像作为验证我的方法有效的一种方法。 如果存在错误，则错误显示的一种方法是不正确地合并不同的颜色。 相似度：0.2，尺寸：1/80 相似度：0.15，大小：1/100 相似度：0.1，尺寸：1/100 相似度：0.1，尺寸：1/100 相似度：0.14，尺寸：1/60 相似度：0.17，尺寸：150 相似度：0.1，尺寸：1/15 以下结果将阈值使用0.1和1/150，而无需进一步合并

该算法通过fcm聚类算法，对图像进行分类，提取含有破损区域的类。

2021年区域经济白皮书

LIPRAS：线轮廓分析软件（LIPRAS）是图形用户界面，用于粉末衍射数据中布拉格峰的最小二乘拟合。 对于输入数据的任何区域，用户可以选择要应用于拟合的轮廓函数，约束轮廓函数，并根据所选的轮廓函数查看结果拟合

中国行政区域代码表(精确到社区/村一级别)