硬件平臺(tái)由DSP處理器+FPGA及其外圍器件組成的高速運(yùn)算電路共同實(shí)現(xiàn)［2］，它為軟件編程、各類數(shù)據(jù)流控制及復(fù)雜對(duì)象的識(shí)別算法提供基礎(chǔ)保證。多目標(biāo)識(shí)別算法在物理空間運(yùn)行上分成兩部分:圖像預(yù)處理
2021-10-29 08:52:35
4709 
目標(biāo)識(shí)別 YOLO 學(xué)習(xí)筆記（一）
2020-05-12 15:05:34
本帖最后由 mr.pengyongche 于 2013-4-30 02:57 編輯
FPGA+DSP 在空中背景下運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤系統(tǒng)中的應(yīng)用 摘要：針對(duì)電視跟蹤系統(tǒng)對(duì)飛行目標(biāo)的檢測(cè)與跟蹤受到速度瓶頸
2012-12-28 11:19:07
IC芯片表面標(biāo)識(shí)自動(dòng)識(shí)別虛擬儀器系統(tǒng)的設(shè)計(jì)
2012-08-03 23:27:24
Vision以及PXI等虛擬儀器技術(shù)，通過(guò)眾多圖像處理模塊的功能實(shí)現(xiàn)，在較短時(shí)間內(nèi)建立了一套完整的芯片表面標(biāo)識(shí)自動(dòng)識(shí)別系統(tǒng)。該系統(tǒng)能夠自動(dòng)定位跟蹤攝像頭視場(chǎng)中的芯片，將芯片剪切出來(lái)，然后通過(guò)一系列的圖像處理
2009-10-13 17:42:18
各位好！我是一名學(xué)生，先階段在準(zhǔn)備競(jìng)賽，需要RCS目標(biāo)識(shí)別技術(shù)，實(shí)現(xiàn)海上油污檢測(cè)。請(qǐng)問(wèn)有沒(méi)有地方采購(gòu)現(xiàn)成產(chǎn)品，或是自己制作是如何制作，謝謝！或是有其他什么方法可以實(shí)現(xiàn)海上油污檢測(cè)?
2015-01-27 15:50:02
項(xiàng)目名稱：智能目標(biāo)識(shí)別試用計(jì)劃：通過(guò)攝像頭采集視頻，利用海思芯片進(jìn)行處理和目標(biāo)識(shí)別。計(jì)劃年內(nèi)完成。
2020-11-19 20:46:19
圖像采集，F(xiàn)PGA做圖像處理，主要采取opencv對(duì)圖像進(jìn)行處理，ok210可做平時(shí)擴(kuò)展項(xiàng)目，例如植入APP中，如果cortex-A8足夠強(qiáng)大可考慮換下樹(shù)莓派原理：運(yùn)動(dòng)目標(biāo)識(shí)別；背景減除
2015-08-10 14:13:25
項(xiàng)目名稱：圖像目標(biāo)識(shí)別FPGA硬件加速試用計(jì)劃：申請(qǐng)理由 本人供職于一家AI公司，現(xiàn)在在使用FPGA硬件加速相關(guān)目標(biāo)檢測(cè)算法的端側(cè)實(shí)現(xiàn)（鑒黃/司機(jī)行為識(shí)別），公司已經(jīng)有非常成熟的軟件算法以及GPU
2019-01-09 14:51:09
地檢測(cè)出運(yùn)動(dòng)目標(biāo)并能對(duì)其實(shí)現(xiàn)識(shí)別跟蹤，且需要處理的視頻圖像信號(hào)信息量大、實(shí)時(shí)性高，對(duì)系統(tǒng)的處理能力提出了更高的要求。 在之前的幾十年內(nèi)，有許多學(xué)者對(duì)視頻序列圖像中的運(yùn)動(dòng)目標(biāo)識(shí)別跟蹤做了大量的研究工作，并提出了很多不同
2015-09-10 11:18:52
本帖最后由 jf_11671167 于 2021-10-12 10:04 編輯
項(xiàng)目名稱：目標(biāo)識(shí)別和語(yǔ)音識(shí)別一體化的家居機(jī)器人試用計(jì)劃：使用貴開(kāi)發(fā)板用做傳輸工具，將數(shù)據(jù)傳輸?shù)缴衔粰C(jī)處理
2020-07-31 10:49:41
的，投入大的，暫時(shí)我還玩不上。 于是，在整整思考了一個(gè)月后，決定做一臺(tái)帶有自主目標(biāo)識(shí)別的小車。 正好遇到電子發(fā)燒友網(wǎng)站的活動(dòng)征文。雖然還沒(méi)有完全完成，依然決定把這個(gè)工作過(guò)程給寫(xiě)寫(xiě)。整體自己希望實(shí)現(xiàn)的目標(biāo)
2016-12-21 17:08:17
一種目標(biāo)自動(dòng)識(shí)別與跟蹤算法研究
2012-06-30 11:31:15
基于嵌入式圖像處理平臺(tái)的實(shí)時(shí)多目標(biāo)識(shí)別算法人工智能技術(shù)與咨詢 昨天本文來(lái)自《科學(xué)技術(shù)與工程》，作者王旭輝等摘 要提出了一種適用于空間觀測(cè)任務(wù)的實(shí)時(shí)多目標(biāo)識(shí)別算法，它基于DSP和FPGA組合的圖像處理
2021-12-21 07:02:06
本人新手，之前從未接觸過(guò)圖像處理，現(xiàn)在因?yàn)轫?xiàng)目需要搭建一個(gè)關(guān)于圖像處理和目標(biāo)識(shí)別的MATLAB系統(tǒng)，系統(tǒng)介紹如下： 想要從圖片中將目標(biāo)提取出來(lái)并與模板庫(kù)進(jìn)行匹配對(duì)比，以確定是否為我感興趣的目標(biāo)
2016-07-10 15:05:58
被動(dòng)回波的特性，設(shè)計(jì)了毫米波主動(dòng)測(cè)距算法、毫米波輻射計(jì)目標(biāo)識(shí)別算法，在DSP芯片上完成了全部系統(tǒng)的軟件開(kāi)發(fā)，包括主動(dòng)測(cè)距、目標(biāo)識(shí)別模塊。給出了程序開(kāi)發(fā)中的部分代碼，比較細(xì)致的介紹了實(shí)現(xiàn)系統(tǒng)自舉加載的發(fā)
2021-12-30 10:36:54
1、基于RT-Thread和N32G457的嵌入式目標(biāo)識(shí)別系統(tǒng)設(shè)計(jì) 本演示示例移植蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院王宜懷教授團(tuán)隊(duì)的金葫蘆嵌入式人工智能：物體認(rèn)知系統(tǒng)中的代碼在N32G457上實(shí)現(xiàn)?？梢?b class="flag-6" style="color: red">識(shí)別單獨(dú)的英文字母A B C D原作者：tai-he
2022-11-30 11:36:05
大家好：我現(xiàn)在使用的DM8127 RDK3.2版本，想在dsp中添加自己的識(shí)別算法。請(qǐng)問(wèn)怎樣調(diào)試??？如果使用CCS的話應(yīng)該使用哪個(gè)版本的？在這個(gè)RDK版本中DSP/BIOS對(duì)應(yīng)哪個(gè)版本？能提供個(gè)對(duì)應(yīng)DSP_BIOSUsers guide的連接嗎？ 謝謝了！
2020-08-17 11:20:54
有效解決射頻識(shí)別系統(tǒng)中多目標(biāo)識(shí)別的防碰撞問(wèn)題,且適用于應(yīng)答器數(shù)目較多的場(chǎng)合.關(guān) 鍵 詞: 射頻識(shí)別; 序列號(hào); 時(shí)隙數(shù); 運(yùn)算; 排序射頻識(shí)別技術(shù)(RFID ,radio f requency
2008-07-28 17:44:12
嵌入式系統(tǒng)中的目標(biāo)識(shí)別技術(shù)
2021-03-09 08:33:26
本文將回顧一系列的特征檢測(cè)算法，在這個(gè)過(guò)程中，看看一般目標(biāo)識(shí)別和具體特征識(shí)別在這些年經(jīng)歷了怎樣的發(fā)展。
2021-06-02 06:24:59
怎么實(shí)現(xiàn)基于Z85C30的動(dòng)目標(biāo)識(shí)別系統(tǒng)的串行通信設(shè)計(jì)？
2021-05-31 06:32:52
怎樣通過(guò)windows自帶的遠(yuǎn)程桌面訪問(wèn)RK3566呢？怎樣通過(guò)遠(yuǎn)程桌面去查看ROS小車的目標(biāo)識(shí)別情況呢？
2022-03-02 08:50:23
隨著DSP技術(shù)的進(jìn)步，計(jì)算能力更強(qiáng)、功耗更低和體積更小的DSP已經(jīng)出現(xiàn)，使3G手機(jī)上植入更精確更復(fù)雜的自動(dòng)語(yǔ)音識(shí)別(ASR)功能成為可能。目前，基本ASR應(yīng)用可以分成三大類：1. 語(yǔ)音-文本轉(zhuǎn)換(語(yǔ)音輸入)；2. 講者識(shí)別；3. 語(yǔ)音命令控制(語(yǔ)音控制)。
2019-09-02 07:03:35
1、智能車目標(biāo)識(shí)別系統(tǒng)的實(shí)現(xiàn) 首先，簡(jiǎn)單介紹一下上面提到的各個(gè)話題的范圍 （Domain），人工智能 （Artifitial Intelligence）是最大的話題，如果用一張圖來(lái)說(shuō)明的話
2022-09-06 14:54:26
本文介紹的就是一種可以應(yīng)用于軍事偵察的紅外動(dòng)目標(biāo)識(shí)別跟蹤系統(tǒng)的設(shè)計(jì)。
2021-04-29 06:27:10
最優(yōu)聚類中心法是一種有效的雷達(dá)目標(biāo)一維距離像識(shí)別方法，但當(dāng)訓(xùn)練數(shù)據(jù)較少時(shí)，該方法的識(shí)別性能急劇下降。其原因是該算法在利用少量數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)易產(chǎn)生“病態(tài)”矩陣，
2009-05-20 20:06:47
18 首先將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于單傳感器潛艇目標(biāo)識(shí)別，在此基礎(chǔ)上將多傳感器數(shù)據(jù)融合技術(shù)應(yīng)用于目標(biāo)識(shí)別。仿真結(jié)果證明：這種方法是可行的、高效的。關(guān)鍵詞:模糊神經(jīng)網(wǎng)絡(luò),
2009-05-26 10:57:1823 本文結(jié)合實(shí)際路面狀況，將模糊模式識(shí)別技術(shù)應(yīng)用到汽車識(shí)別中，對(duì)汽車特征進(jìn)行分析，設(shè)計(jì)了適用于高速公路汽車防撞系統(tǒng)的汽車目標(biāo)模糊識(shí)別算法，并完成相關(guān)的系統(tǒng)軟硬件
2009-06-24 09:48:5126 利用異類傳感器的互補(bǔ)特性, 提出了一種新的運(yùn)動(dòng)目標(biāo)識(shí)別算法: 選取目標(biāo)速度、第1 主頻、第2 主頻作為識(shí)別的有效特征; 運(yùn)用模糊推理得到目標(biāo)分類信息的基本概率分配函數(shù); 把D2S
2009-07-09 13:40:3311 本文提出一種全新的圖像分割方法——連通線多級(jí)切割方法，并在此基礎(chǔ)上建立圖像NMI特征的目標(biāo)識(shí)別與跟蹤算法。文章給出了運(yùn)用連通線多級(jí)切割方法實(shí)現(xiàn)閾值求取、圖像分割、
2009-07-15 10:36:0420 介紹了一種有目標(biāo)識(shí)別功能的圖像采集系統(tǒng)，用USB 接口芯片實(shí)現(xiàn)了數(shù)據(jù)的傳輸。闡述了系統(tǒng)的硬件、固件、設(shè)備驅(qū)動(dòng)程序和應(yīng)用軟件的設(shè)計(jì)與實(shí)現(xiàn)方法。詳細(xì)介紹了目標(biāo)識(shí)別算法
2009-08-13 08:42:4514 針對(duì)微型航天探測(cè)器在星空運(yùn)動(dòng)背景下對(duì)目標(biāo)識(shí)別的要求，提出一種基于圖像配準(zhǔn)與邊緣提取的差分算法。該算法將采集的連續(xù)兩幀圖像配準(zhǔn)后差分，將差分圖像二值
2009-08-15 15:10:2115 針對(duì)具有多個(gè)特征指標(biāo)的模糊多傳感器目標(biāo)識(shí)別問(wèn)題，提出一種新的模糊多傳感器數(shù)據(jù)融合方法。該方法根據(jù)信息熵理論，引入不均衡度定義熵權(quán)矢量，通過(guò)求解數(shù)學(xué)規(guī)劃問(wèn)題，
2009-10-04 14:12:0930 遙感圖像中不同港口的內(nèi)港區(qū)域呈現(xiàn)出不同的形狀，該文提出一種基于內(nèi)港區(qū)域的港口目標(biāo)識(shí)別方法。首先利用直方圖和形態(tài)學(xué)算子分割海域；再利用多邊形近似法提取海岸線上的
2009-11-17 15:22:319 該文提出了一種基于廣義奇異值分解的核不相關(guān)辨別子空間算法，并將其用于高分辨距離像雷達(dá)目標(biāo)識(shí)別。新算法結(jié)合廣義奇異值分解與核方法的優(yōu)點(diǎn)，有效地解決了傳統(tǒng)方法面臨
2009-11-18 14:54:3219 該文主要研究了目標(biāo)識(shí)別中SVM 線性可分的充要條件以及線性不可分時(shí)軟間隔分類的內(nèi)涵。首先給出了SVM 特征空間線性可分充要條件的簡(jiǎn)潔清晰、物理意義更明確的證明過(guò)程，然后證
2009-11-21 11:49:039 該文提出了一種基于小波域非負(fù)矩陣分解特征提取的合成孔徑雷達(dá)圖像目標(biāo)識(shí)別方法。該方法對(duì)圖像二維離散小波分解后提取低頻子帶圖像，用非負(fù)矩陣分解對(duì)低頻子帶圖像提取特
2009-11-21 11:58:4821 針對(duì)光通信目標(biāo)識(shí)別子系統(tǒng)提出了一種半物理仿真方案。該方案使用軟件模擬器模擬數(shù)字照相機(jī)和上位機(jī)的功能，與目標(biāo)識(shí)別子系統(tǒng)進(jìn)行命令和數(shù)據(jù)交互。與傳統(tǒng)方案相比，該方
2009-12-22 17:09:3010 針對(duì)當(dāng)前目標(biāo)識(shí)別系統(tǒng)中常用的信息融合方法識(shí)別率較低、運(yùn)行速度慢、抗噪性差等問(wèn)題，提出一種基于神經(jīng)網(wǎng)絡(luò)組和 DS 證據(jù)理論的信息融合方法。該方法兼顧神經(jīng)網(wǎng)絡(luò)和DS 推理
2010-01-18 12:22:525 該文提出一種基于時(shí)延回歸神經(jīng)網(wǎng)絡(luò)(TDRNN)的大氣層外彈道式空間紅外目標(biāo)識(shí)別方法。該網(wǎng)絡(luò)采用自適應(yīng)時(shí)間延遲器和輸出層回歸結(jié)構(gòu)，可以針對(duì)輸入時(shí)間序列信號(hào)的局部時(shí)變信息自
2010-02-09 14:17:319 利用合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)獲取的目標(biāo)像進(jìn)行識(shí)別時(shí)，基于子空間的自動(dòng)目標(biāo)識(shí)別(Automatic Target Recognition, ATR)方法通常是對(duì)樣本數(shù)據(jù)的值空間進(jìn)行操作。當(dāng)識(shí)別相似目
2010-02-10 14:00:4719 針對(duì)寬帶雷達(dá)多類目標(biāo)識(shí)別波形優(yōu)化中的方位敏感性、距離敏感性和初相不確定性問(wèn)題，該文在高斯色噪聲背景下提出一種基于遺傳算法和最大滑動(dòng)相關(guān)分類器的波形優(yōu)化方法，簡(jiǎn)
2010-02-10 14:03:3213 IC芯片表面標(biāo)識(shí)自動(dòng)識(shí)別虛擬儀器系統(tǒng)的設(shè)計(jì)
芯片表面標(biāo)記自動(dòng)識(shí)別技術(shù)是芯片制造技術(shù)不斷高速發(fā)展的要求，其中芯片表面標(biāo)識(shí)主要包括廠商圖標(biāo)、序列號(hào)（
2010-03-19 15:40:1724 提出了一種運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤系統(tǒng)的方案，給出了系統(tǒng)的原理圖和結(jié)構(gòu)框圖。重點(diǎn)論述了圖像處理的過(guò)程和算法，包括顏色模型的選擇，圖像的預(yù)處理，圖像分割，目標(biāo)的識(shí)別及
2010-07-20 16:14:3329 自動(dòng)標(biāo)識(shí)燈電路
2008-08-27 15:07:13642 
硬盤(pán)標(biāo)識(shí)識(shí)別方法
Seagate硬盤(pán)的編號(hào)比較簡(jiǎn)單，其識(shí)別方法為："ST+硬盤(pán)尺寸+容量+主標(biāo)識(shí)+副標(biāo)識(shí)+接口類型"。 為了另大家容易理解，簡(jiǎn)單的
2008-09-04 12:56:416181 針對(duì)全自主足球機(jī)器人目標(biāo)識(shí)別受光強(qiáng)變化的影響, 實(shí)時(shí)性、準(zhǔn)確性和魯棒性存在的不足, 提出了一種基于動(dòng)態(tài)窗口HSI 色彩空間模型的閾值向量位與及區(qū)域合并算法, 并通過(guò)動(dòng)態(tài)窗口減小
2011-06-28 15:36:0634 介紹了一種基于$3C2440硬件平臺(tái)和移動(dòng)目標(biāo)識(shí)別技術(shù)的安防監(jiān)控系統(tǒng)的總體設(shè)計(jì)方案，在嵌入式Linux平臺(tái)下實(shí)現(xiàn)視頻數(shù)據(jù)的采集、編碼與傳輸l選擇時(shí)間差分圖像檢測(cè)移動(dòng)目標(biāo)算法，實(shí)現(xiàn)視
2011-08-25 15:35:3367 通常的偵察手段對(duì)于軍事假目標(biāo)的識(shí)別能力有限，文中提出了一種新的軍事假目標(biāo)識(shí)別方法。在介紹偏振成像機(jī)理的基礎(chǔ)上，分析了偏振信息檢測(cè)和強(qiáng)度信息檢測(cè)在物理含義中的區(qū)別。
2011-08-29 15:11:0136 現(xiàn)場(chǎng)可編程門(mén)陣列(FPGA)是在專用ASIC的基礎(chǔ)上發(fā)展出來(lái)的，它克服了專用ASIC不夠靈活的缺點(diǎn).本文介紹的就是一種可以應(yīng)用于軍事偵察的紅外動(dòng)目標(biāo)識(shí)別跟蹤系統(tǒng)的設(shè)計(jì)。
2011-09-16 11:00:161214 
提出了一種基于相關(guān)分析的飛機(jī)目標(biāo)識(shí)別方法。該方法利用飛機(jī)圖像低頻和高頻部分合成濾波器模板，能達(dá)到很高識(shí)別率與很低的等錯(cuò)率。該研究旨在提高飛機(jī)識(shí)別的準(zhǔn)確率和降低出錯(cuò)
2013-09-02 14:54:5521 針對(duì)目標(biāo)識(shí)別問(wèn)題，采取了基于協(xié)同學(xué)的模式識(shí)別理論，引入了協(xié)同神經(jīng)網(wǎng)絡(luò)并對(duì)其穩(wěn)定性進(jìn)行了分析，提出了基于協(xié)同神經(jīng)網(wǎng)絡(luò)對(duì)軍事目標(biāo)進(jìn)行識(shí)別的方法，并通過(guò)仿真驗(yàn)證了該方法
2013-09-18 10:29:5926 電子開(kāi)發(fā)機(jī)器人相關(guān)教程資料——全自主移動(dòng)足球機(jī)器人目標(biāo)識(shí)別
2016-09-06 16:42:430 基于MVDR參數(shù)譜在艦船目標(biāo)識(shí)別中的應(yīng)用_魏鑫
2017-01-07 21:28:580 融合壓縮感知和SVM的SAR變形目標(biāo)識(shí)別算法_谷雨
2017-01-08 11:07:011 紅外動(dòng)目標(biāo)識(shí)別跟蹤系統(tǒng)的實(shí)現(xiàn)方案
2017-01-12 22:13:3424 多尺度Retinex算法在自動(dòng)目標(biāo)識(shí)別中的應(yīng)用_周澤華
2017-03-19 11:29:000 基于OpenCv運(yùn)動(dòng)目標(biāo)識(shí)別技術(shù)的研究_孟介成
2017-03-17 08:00:005 基于RHT的局部有遮擋圓形目標(biāo)識(shí)別方法_顧肇瑞
2017-03-17 08:00:000 基于大視場(chǎng)星敏感器的目標(biāo)識(shí)別技術(shù)_丁國(guó)鵬
2017-03-19 19:19:350 針對(duì)具有多個(gè)特征指標(biāo)的模糊多傳感器目標(biāo)識(shí)別問(wèn)題，提出一種新的模糊多傳感器數(shù)據(jù)融合方法。該方法根據(jù)信息熵理論，引入不均衡度定義熵權(quán)矢量，通過(guò)求解數(shù)學(xué)規(guī)劃問(wèn)題，得到各目標(biāo)類別的優(yōu)屬度，并給出目標(biāo)識(shí)別規(guī)則。實(shí)驗(yàn)結(jié)果表明，該方法能提高目標(biāo)識(shí)別結(jié)果的客觀性和可信度，具有可操作性。
2017-09-08 15:25:553 電磁場(chǎng)在目標(biāo)識(shí)別中的應(yīng)用
2017-09-15 10:01:5422 的目標(biāo)識(shí)別融合改進(jìn)算法，利用證據(jù)相似性度量對(duì)證據(jù)源進(jìn)行修正，通過(guò)對(duì)水下不同背景噪聲數(shù)據(jù)進(jìn)行融合試驗(yàn)表明，經(jīng)數(shù)據(jù)融合后，目標(biāo)識(shí)別率可由原來(lái)的80%提高到99%，從而證明本文所提出的融合算法可以有效提高目標(biāo)識(shí)別準(zhǔn)確率。
2017-11-14 10:36:489 算法的目標(biāo)識(shí)別算法。結(jié)合在無(wú)遮擋與被局部遮擋的交通工具全方位姿態(tài)模型庫(kù)上進(jìn)行的目標(biāo)識(shí)別試驗(yàn)，得出結(jié)果：算法對(duì)無(wú)遮擋目標(biāo)的平均識(shí)別率能到達(dá)83%以上，具有良好的識(shí)別性能：對(duì)被局部遮擋目標(biāo)的平均識(shí)別率也能保持在80%左右，只有很小的降低。實(shí)驗(yàn)結(jié)果顯示算法具有優(yōu)良的識(shí)別被局
2017-11-14 11:04:145 為了能夠更好地滿足日益擴(kuò)大的目標(biāo)識(shí)別需求，提出了一種基于改進(jìn)KD樹(shù)與RANSC算法的目標(biāo)識(shí)別算法。通過(guò)對(duì)比改進(jìn)前后KD樹(shù)匹配算法匹配SIFT特征點(diǎn)的執(zhí)行效果，很明顯的看出改進(jìn)KD樹(shù)算法的匹配效果更佳
2017-11-16 17:45:0217 針對(duì)詞袋模型易受到無(wú)關(guān)的背景視覺(jué)噪音干擾的問(wèn)題，提出了一種結(jié)合顯著性檢測(cè)與詞袋模型的目標(biāo)識(shí)別方法。首先，聯(lián)合基于圖論的視覺(jué)顯著性算法與一種全分辨率視覺(jué)顯著性算法，自適應(yīng)地從原始圖像中獲取感興趣區(qū)域
2017-11-17 15:24:142 針對(duì)遙感圖像視覺(jué)對(duì)比度差、分辨率低及目標(biāo)含有不同角度旋轉(zhuǎn)的情況，在稀疏表示分類識(shí)別的基礎(chǔ)上，提出一種基于擴(kuò)展字典稀疏表示的遙感目標(biāo)識(shí)別方法。首先將訓(xùn)練樣本和待測(cè)樣本進(jìn)行二進(jìn)小波變換增強(qiáng)，提取增強(qiáng)圖像
2017-11-17 17:18:389 綜上所述，復(fù)雜電磁環(huán)境對(duì)雷達(dá)目標(biāo)識(shí)別影響非常大。在復(fù)雜電磁環(huán)境方面的研究我國(guó)與發(fā)達(dá)國(guó)家的差距還很大。發(fā)達(dá)國(guó)家對(duì)復(fù)雜電磁環(huán)境下的作戰(zhàn)、訓(xùn)練、裝備、技術(shù)、人才的研究起步較早，現(xiàn)在已經(jīng)取得了一大批
2017-12-11 11:54:141548 
在現(xiàn)代防空作戰(zhàn)中，為獲得最佳作戰(zhàn)效果，必須實(shí)時(shí)獲取戰(zhàn)場(chǎng)態(tài)勢(shì)估計(jì)，目標(biāo)識(shí)別是戰(zhàn)場(chǎng)態(tài)勢(shì)估計(jì)的重要組成部分。目標(biāo)識(shí)別技術(shù)利用多傳感器資源，通過(guò)對(duì)各個(gè)傳感器及其觀測(cè)信息的合理支配與使用，將各傳感器
2017-12-14 16:34:160 針對(duì)圖像在平移、旋轉(zhuǎn)或局部形變等復(fù)雜情況下的識(shí)別問(wèn)題，提出一種基于非監(jiān)督預(yù)訓(xùn)練和多尺度分塊的卷積神經(jīng)網(wǎng)絡(luò)（CNN）目標(biāo)識(shí)別算法。算法首先利用不合標(biāo)簽的圖像訓(xùn)練一個(gè)稀疏自動(dòng)編碼器，得到符合數(shù)據(jù)集特性
2017-12-20 15:37:250 目標(biāo)識(shí)別作為現(xiàn)代雷達(dá)的重要發(fā)展方向之一，成為未來(lái)武器系統(tǒng)中的一個(gè)重要組成部分和當(dāng)前國(guó)內(nèi)外關(guān)注的熱點(diǎn)，具有廣泛的民用和軍事應(yīng)用價(jià)值。根據(jù)雷達(dá)的探測(cè)手段及應(yīng)用背景的不同，出現(xiàn)了多種識(shí)別方法，其中雷達(dá)
2020-07-20 08:18:002304 
深度神經(jīng)網(wǎng)絡(luò)在很多任務(wù)上都已取得了媲美乃至超越人類的表現(xiàn)，但其泛化能力仍遠(yuǎn)不及人類。德國(guó)蒂賓根大學(xué)等多所機(jī)構(gòu)近期的一篇論文對(duì)人類和 DNN 的目標(biāo)識(shí)別穩(wěn)健性進(jìn)行了行為比較，并得到了一些有趣的見(jiàn)解
2018-10-19 00:48:01416 觀看iVeia的首席技術(shù)官M(fèi)ichael Fawcett，演示了采用Zynq Ultrascale + MPSoC的模塊上的Atlas 2Z8系統(tǒng)如何使用機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)應(yīng)用程序執(zhí)行多目標(biāo)識(shí)別。
2018-11-26 06:22:002748 位于美國(guó)舊金山市的Pembroke儀器公司推出具有千兆比特以太網(wǎng)成像性能的短波紅外相機(jī)SenS II，用于遙感、監(jiān)視、目標(biāo)識(shí)別以及激光跟蹤。
2019-04-19 16:42:013058 交通標(biāo)識(shí)識(shí)別算法一方面采用了基于卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和識(shí)別方法，極大地提高了交通標(biāo)識(shí)識(shí)別的準(zhǔn)確率；另一方面通過(guò)快速的交通標(biāo)識(shí)檢測(cè)算法定位交通標(biāo)識(shí)的候選區(qū)域，極大地減少了識(shí)別所需要的時(shí)間。圖4給出了3幅交通標(biāo)識(shí)識(shí)別的識(shí)別結(jié)果圖像。
2019-08-08 10:04:036232 目標(biāo)識(shí)別部分是在快速檢測(cè)的結(jié)果上進(jìn)行，快速檢測(cè)部分提供了目標(biāo)的疑似區(qū)域，在疑似區(qū)域?qū)?yīng)的原始圖像上，形成目標(biāo)切片、提取特征、分類器判定，形成目標(biāo)候選區(qū)域。目標(biāo)識(shí)別部分的主要工作體現(xiàn)在分類器的訓(xùn)練，因?yàn)?b class="flag-6" style="color: red">識(shí)別部分只是使用與訓(xùn)練部分相同的特征提取方式，以及分類模型的導(dǎo)入等。
2019-08-26 09:48:038100 在現(xiàn)代社會(huì)，人臉目標(biāo)識(shí)別技術(shù)在各大領(lǐng)域應(yīng)用得越來(lái)越廣泛;同時(shí)，社會(huì)治安環(huán)境和國(guó)際安全問(wèn)題也愈發(fā)嚴(yán)峻，人臉目標(biāo)識(shí)別面臨著越來(lái)越嚴(yán)峻的挑戰(zhàn)。在復(fù)雜環(huán)境下，檢測(cè)目標(biāo)和背景場(chǎng)景都是復(fù)雜且動(dòng)態(tài)變化的，傳統(tǒng)的人
2021-05-18 14:48:4610 無(wú)人機(jī)在線目標(biāo)識(shí)別和定位技術(shù)研究綜述
2021-06-19 14:59:0030 采用優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識(shí)別系統(tǒng) 人工智能技術(shù)與咨詢 前天 本文來(lái)自《光學(xué)精密工程》，作者劉可佳等 關(guān)注微信公眾號(hào)：人工智能技術(shù)與咨詢。了解更多咨詢！ 摘要 針對(duì)視頻數(shù)據(jù)利用低效和光測(cè)設(shè)備目標(biāo)識(shí)別
2021-11-16 14:33:21878 
深度殘差網(wǎng)絡(luò)的無(wú)人機(jī)多目標(biāo)識(shí)別 人工智能技術(shù)與咨詢 來(lái)源：《圖學(xué)學(xué)報(bào)》。作者翟進(jìn)有等 摘要：傳統(tǒng)目標(biāo)識(shí)別算法中，經(jīng)典的區(qū)域建議網(wǎng)絡(luò)(RPN)在提取目標(biāo)候選區(qū)域時(shí)計(jì)算量大，時(shí)間復(fù)雜度較高，因此提出一種
2021-12-02 17:14:14936 
深度殘差網(wǎng)絡(luò)的無(wú)人機(jī)多目標(biāo)識(shí)別 人工智能技術(shù)與咨詢? 來(lái)源：《圖學(xué)學(xué)報(bào)》。作者翟進(jìn)有等 摘要： 傳統(tǒng)目標(biāo)識(shí)別算法中，經(jīng)典的區(qū)域建議網(wǎng)絡(luò)(RPN)在提取目標(biāo)候選區(qū)域時(shí)計(jì)算量大，時(shí)間復(fù)雜度較高，因此提出
2021-12-06 17:02:02445 基于三維激光點(diǎn)云的目標(biāo)識(shí)別與跟蹤研究 來(lái)源：《汽車工程》 ，作者徐國(guó)艷等 ［摘要］ 針對(duì)無(wú)人車環(huán)境感知中的障礙物檢測(cè)問(wèn)題，設(shè)計(jì)了一套基于車載激光雷達(dá)的目標(biāo)識(shí)別與跟蹤方法。為降低計(jì)算量，提高處理速度
2022-01-17 11:22:44639 基于三維激光點(diǎn)云的目標(biāo)識(shí)別與跟蹤研究 來(lái)源：《汽車工程》?，作者徐國(guó)艷等 ［摘要］?針對(duì)無(wú)人車環(huán)境感知中的障礙物檢測(cè)問(wèn)題，設(shè)計(jì)了一套基于車載激光雷達(dá)的目標(biāo)識(shí)別與跟蹤方法。為降低計(jì)算量，提高處理速度
2022-02-15 13:36:382593 
隨著機(jī)器視覺(jué)技術(shù)的快速發(fā)展，傳統(tǒng)很多需要人工來(lái)手動(dòng)操作的工作，漸漸地被機(jī)器所替代。
傳統(tǒng)方法做目標(biāo)識(shí)別大多都是靠人工實(shí)現(xiàn)，從形狀、顏色、長(zhǎng)度、寬度、長(zhǎng)寬比來(lái)確定被識(shí)別的目標(biāo)是否符合標(biāo)準(zhǔn)，最終
2023-02-07 12:00:07698 
近日，矽典微發(fā)布了兩款XenP系列毫米波傳感器。該系列命名為“影”旨在幫助客戶優(yōu)化智能設(shè)備對(duì)人體測(cè)距定位和多目標(biāo)識(shí)別的需求。
2023-04-15 09:34:351267 來(lái)源：機(jī)器視覺(jué)沙龍隨著機(jī)器視覺(jué)技術(shù)的快速發(fā)展，傳統(tǒng)很多需要人工來(lái)手動(dòng)操作的工作，漸漸地被機(jī)器所替代。傳統(tǒng)方法做目標(biāo)識(shí)別大多都是靠人工實(shí)現(xiàn)，從形狀、顏色、長(zhǎng)度、寬度、長(zhǎng)寬比來(lái)確定被識(shí)別的目標(biāo)是否符合
2022-12-15 10:44:10619 
通過(guò)加強(qiáng)圖像分割，能夠提高機(jī)器視覺(jué)的圖像目標(biāo)識(shí)別的自動(dòng)化水平，使得圖像目標(biāo)識(shí)別效果更加顯著。圖像分割的方法有很多種，不同方法分別適用于不同領(lǐng)域，這里重點(diǎn)介紹以下3種分割方法。
2024-01-15 12:17:54122 文章來(lái)源：MEMS引言從20世紀(jì)80年代開(kāi)始，機(jī)器視覺(jué)技術(shù)的發(fā)展速度不斷加快，已經(jīng)走進(jìn)了人們的日常生活與工作之中。機(jī)器視覺(jué)的圖像目標(biāo)識(shí)別系統(tǒng)的自動(dòng)化程度較高，應(yīng)用范圍廣，尤其在危險(xiǎn)場(chǎng)所的運(yùn)用，采用
2024-02-23 08:26:49280 隨著機(jī)器視覺(jué)技術(shù)的快速發(fā)展，傳統(tǒng)很多需要人工來(lái)手動(dòng)操作的工作，漸漸地被機(jī)器所替代。傳統(tǒng)方法做目標(biāo)識(shí)別大多都是靠人工實(shí)現(xiàn)，從形狀、顏色、長(zhǎng)度、寬度、長(zhǎng)寬比來(lái)確定被識(shí)別的目標(biāo)是否符合標(biāo)準(zhǔn)，最終定義出
2024-03-14 08:26:20222
正在加载...
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論