【摘 要】
：
目前深度学习中的目标检测算法,经过几年的发展已经比较完善,在一些公共数据集上,如COCO2017、Pascal VOC2010-12等数据集上已经有较好的识别效果。在一些实际应用场景和移动平台应用中,依然具有一定的局限性。以交通道路车辆检测为研究背景,阐述利用现有汽车数据集对目标检测框架进行训练,在得到训练好模型后将其移植到嵌入式平台进行性能参数优化。在嵌入式平台加装工业相机作为图像输入现场测试,
论文部分内容阅读
目前深度学习中的目标检测算法,经过几年的发展已经比较完善,在一些公共数据集上,如COCO2017、Pascal VOC2010-12等数据集上已经有较好的识别效果。在一些实际应用场景和移动平台应用中,依然具有一定的局限性。以交通道路车辆检测为研究背景,阐述利用现有汽车数据集对目标检测框架进行训练,在得到训练好模型后将其移植到嵌入式平台进行性能参数优化。在嵌入式平台加装工业相机作为图像输入现场测试,使深度学习目标检测算法能够在嵌入式平台上得到很好应用。
其他文献
Deep convolutional neural networks(DCNNs)have been widely deployed in real-world scenarios.However, DCNNs are easily tricked by adversarial examples, which present challenges for critical applications
为了能够实时采集图像并识别二维码所包含的信息,通过LabVIEW构建程序框图,运用图像灰度化、图像二值化、图像定位等研究方法,设计了一套运行速度快、代码简洁、成功率高的二维码识别系统。测试结果表明,识别成功率较高,运行速度约35 ms/图,可以满足生活或工业要求。
陇东黄土高原中沟、纸纺沟小流域不同土地覆盖土壤含水量实测数据集(2017–2019)覆盖区域为陇东黄土高原中沟小流域与纸纺沟小流域。数据选取地点为中沟,生态环境为上世纪七十年代末期大面积种植的人工刺槐林及退耕后依靠自然恢复的草坡。数据内容综合考虑其生态环境的坡向、林龄、种植密度等因素按照植被类型、立地特征等变化,选取了10个林地和3个草地样地;在纸纺沟小流域选取5°、10°、15°、20°四个坡度
Plant interphase cortical microtubules(cMTs)mediate anisotropic cell expansion in response to environmental and developmental cues. In Arabidopsis thaliana, KATANIN 1(KTN1), the p60 catalytic subunit
In eukaryotes, N-ethylmaleimide-sensitive factor(NSF) is a conserved AAA+ATPase and a key component of the membrane trafficking machinery that promotes the fusion of secretory vesicles with target mem
Trimethylated histone H3 lysine 27(H3 K27 me3) is a repressive histone marker that regulates a variety of developmental processes, including those that determine flowering time. However, relatively li
在2015–2019年ESA CCI v05.2多源卫星融合土壤水分产品(ECV SM,1d,0.25°×0.25°)基础上,利用2015年问世的SMAP土壤水分产品对ECV进行时空序列插补,采用重投影、重采样和加权计算实现ECV SM的补全与完善。基于欧洲区域的8个土壤水分地面实测网络共计134个监测站点数值对其结果进行对比分析和验证,表明融合后的土壤水分产品不仅空间完整性得到显著提升(提升约2
肇庆市某新建污水处理厂设计处理规模为3×10~4m~3/d,出水需满足《城镇污水处理厂污染物排放标准》(GB 18918—2002)中的一级A标准。采用基于纯膜MBBR的BioFIMag工艺解决了项目占地紧张、施工周期短的问题。通过高密度生物膜区、强化膜水分离区并加载智能控制系统确保项目出水水质稳定达标及污水厂精准运行。该污水厂实际占地仅为0.067 m~2/(m~3·d~(-1))。仅用时30
土的宏观物理力学性质与其微观颗粒形状有着密切的关系,以天津港地区的典型黏性土为研究对象,采用数字图像技术对其颗粒形状特性进行了分析研究,得到以下结论:(1)土样的长径比主要集中到1～2,并且随着细颗粒含量的增加,土颗粒整体的长径比逐渐降低,细长形的颗粒逐渐减小,土颗粒越趋向于规则状;(2)土样的圆形度主要集中在0.9～1.0,并且颗粒越细,土样的整体圆形度越大,土颗粒的形状越趋向于圆形;(3)土样
阐述在产品质量检测、工业机器人、工业控制等不同领域展开对于机器视觉技术的应用,探讨机器视觉技术在工业智能化生产中的问题,提出应对措施,从而促进机器视觉技术的发展。