- 美国西部的植被干燥度该数据集显示了美国西部植被的干燥或潮湿程度。该数据集以15天的时间分辨率和250米的空间分辨率提供。它跨越了2016年4月至今。地图中包含的变量是活体燃料水分含量。它被定义为每单位质量的活体生物量中的水的质量（以百分比数量表示）。例如，如果一个像素值=150，这意味着该像素中的植被每1公斤活生物质就有1.5公斤的水。活体燃料的含水量是通过使用Sentinel-1 C波段... 美国西部的植被干燥度该数据集显示了美国西部植被的干燥或潮湿程度。该数据集以15天的时间分辨率和250米的空间分辨率提供。它跨越了2016年4月至今。地图中包含的变量是活体燃料水分含量。它被定义为每单位质量的活体生物量中的水的质量（以百分比数量表示）。例如，如果一个像素值=150，这意味着该像素中的植被每1公斤活生物质就有1.5公斤的水。活体燃料的含水量是通过使用Sentinel-1 C波段...
- 文章和代码以及样例图片等相关资源，已经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。 66.imshow功能：显示图像。语法：imshow(I,n) imshow(I,[low high]) imshow(BW) imshow(X,map) imshow(RGB)imshow(...,... 文章和代码以及样例图片等相关资源，已经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。 66.imshow功能：显示图像。语法：imshow(I,n) imshow(I,[low high]) imshow(BW) imshow(X,map) imshow(RGB)imshow(...,...
- 文章和代码以及样例图片等相关资源，已经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。 目的1． 理解图像压缩的相关概念及图像压缩的主要原则和目的；2． 掌握霍夫曼编码3． 掌握几种常见的图像压缩编码方法4． 利用 MATLAB 程序进行图像压缩 原理 图像压缩原理图像压缩主要目的是为了... 文章和代码以及样例图片等相关资源，已经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。 目的1． 理解图像压缩的相关概念及图像压缩的主要原则和目的；2． 掌握霍夫曼编码3． 掌握几种常见的图像压缩编码方法4． 利用 MATLAB 程序进行图像压缩 原理 图像压缩原理图像压缩主要目的是为了...
- 文章和代码以及样例图片等相关资源，已经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。 目的了解 MATLAB 工具箱中的滤波器。掌握空间滤波学会对图像的空间变换 内容 A. 用滤波器祛除图象噪声在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除... 文章和代码以及样例图片等相关资源，已经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。 目的了解 MATLAB 工具箱中的滤波器。掌握空间滤波学会对图像的空间变换 内容 A. 用滤波器祛除图象噪声在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除...
- 1.训练营课程（1）本节课主要学习智慧社区的AI实战训练营的课程，课程详情见链接：https://mp.weixin.qq.com/s/ASnaFA7D4jfHWoO_IqQ6aQ（2）学习目的作为一名算法工程师，我深刻理解到学习是一个不断前行的过程。在这个行业，内卷竞争越来越激烈，我们需要不断地学习和提升自己，才能在激烈的竞争中脱颖而出。同时，作为算法工程师，我们需要具备敏锐的洞察力和对新... 1.训练营课程（1）本节课主要学习智慧社区的AI实战训练营的课程，课程详情见链接：https://mp.weixin.qq.com/s/ASnaFA7D4jfHWoO_IqQ6aQ（2）学习目的作为一名算法工程师，我深刻理解到学习是一个不断前行的过程。在这个行业，内卷竞争越来越激烈，我们需要不断地学习和提升自己，才能在激烈的竞争中脱颖而出。同时，作为算法工程师，我们需要具备敏锐的洞察力和对新...
- 总结 YOLOv3 的改进点如下： 使用金字塔网络来实现多尺度预测，从而解决小目标检测的问题。 借鉴残差网络来实现更深的 Darknet-53，从而提升模型检测准确率。 使用 sigmoid 函数替代 softmax 激活来实现多标签分类器。 位置预测修改，一个 gird 预测 3 个 box。 总结 YOLOv3 的改进点如下： 使用金字塔网络来实现多尺度预测，从而解决小目标检测的问题。 借鉴残差网络来实现更深的 Darknet-53，从而提升模型检测准确率。 使用 sigmoid 函数替代 softmax 激活来实现多标签分类器。 位置预测修改，一个 gird 预测 3 个 box。
- YOLOv2 比 YOLOv1 的改进点 YOLOv2 比 YOLOv1 的改进点
- YOLOv1 出自 2016 CVPR 论文 You Only Look Once:Unified, Real-Time Object Detection. YOLO 系列算法的核心思想是将输入的图像经过 backbone 提取特征后，将得到特征图划分为 S x S 的网格，物体的中心落在哪一个网格内，这个网格就负责预测该物体的置信度、类别以及坐标位置。 YOLOv1 出自 2016 CVPR 论文 You Only Look Once:Unified, Real-Time Object Detection. YOLO 系列算法的核心思想是将输入的图像经过 backbone 提取特征后，将得到特征图划分为 S x S 的网格，物体的中心落在哪一个网格内，这个网格就负责预测该物体的置信度、类别以及坐标位置。
- 为了评价模型的泛化能力，即判断模型的好坏，我们需要用某个指标来衡量，有了评价指标，就可以对比不同模型的优劣，并通过这个指标来进一步调参优化模型。 为了评价模型的泛化能力，即判断模型的好坏，我们需要用某个指标来衡量，有了评价指标，就可以对比不同模型的优劣，并通过这个指标来进一步调参优化模型。
- SLAM 是Simultaneous Localization and Mapping的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器（单目、双目、RGB-D相机、Lidar）的主体。 SLAM 是Simultaneous Localization and Mapping的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器（单目、双目、RGB-D相机、Lidar）的主体。
- 基于深度学习的主流单目3D目标检测算法可以分为两个过程：2D目标检测 + 基于投影几何原理的回归网络设计。本文首先介绍了单目 3D 目标检测的理论基础-投影几何原理和算法原理，并解读了几个主流模型。 基于深度学习的主流单目3D目标检测算法可以分为两个过程：2D目标检测 + 基于投影几何原理的回归网络设计。本文首先介绍了单目 3D 目标检测的理论基础-投影几何原理和算法原理，并解读了几个主流模型。
- 停车场系统，核心模块 停车场系统，核心模块
- @toc 有关ResNetRS的原理部分，看我以前的论文阅读笔记：ResNet-RS架构复现–CVPR2021 1、ResNet-D架构 ResNetRS是在ResNet-D架构上面的改进，ResNet-D架构的结构如下： 注意，残差边上多了个池化操作。 2、ResNetRS架构 我们提供了有关 ResNet-RS 架构更改的更多详细信息。我们重申 ResNet-RS 是：改进的缩放策... @toc 有关ResNetRS的原理部分，看我以前的论文阅读笔记：ResNet-RS架构复现–CVPR2021 1、ResNet-D架构 ResNetRS是在ResNet-D架构上面的改进，ResNet-D架构的结构如下： 注意，残差边上多了个池化操作。 2、ResNetRS架构 我们提供了有关 ResNet-RS 架构更改的更多详细信息。我们重申 ResNet-RS 是：改进的缩放策...
- 本文章是对《数字图像处理》书中知识概念、定理、公式的总结知识，并给出了自己的理解，部分涉及具体应用代码，主要是原理解析和算法总结。学习数字图像处理能让我们更深入理解计算机视觉领域的内容。 本文章是对《数字图像处理》书中知识概念、定理、公式的总结知识，并给出了自己的理解，部分涉及具体应用代码，主要是原理解析和算法总结。学习数字图像处理能让我们更深入理解计算机视觉领域的内容。
- 将24比特真彩色图像在失真较小的情况下转换成8比特(256色)调色板图像，是比较复杂的图像减色问题。这里尝试使用环形Kohonen自组织网络，用图像中的每个像素点的红绿蓝(RGB)分量值作为样本输入，训练自组织网络，其输入节点为3，分别输入红绿蓝分量值，输出节点为256，分别代表256个调色板颜色。实验表明，这是一种行之有效的方法。 将24比特真彩色图像在失真较小的情况下转换成8比特(256色)调色板图像，是比较复杂的图像减色问题。这里尝试使用环形Kohonen自组织网络，用图像中的每个像素点的红绿蓝(RGB)分量值作为样本输入，训练自组织网络，其输入节点为3，分别输入红绿蓝分量值，输出节点为256，分别代表256个调色板颜色。实验表明，这是一种行之有效的方法。
上滑加载中
推荐直播
-
基于HarmonyOS NEXT应用开发之旅2025/07/17 周四 19:00-20:00
吴玉佩、刘俊威-华为开发者布道师-高校学生
两位学生华为开发者布道师，连续两届HarmonyOS极客马拉松获奖选手联袂呈现HarmonyOS NEXT开发全景！从基础筑基，到工具提效。为您铺就一条从入门到精通的鸿蒙应用开发之路。无论您是新手开发者，还是经验老手，都能在此收获满满干货，开启您的HarmonyOS NEXT高效、智能开发新篇章！
回顾中
热门标签