首页
AI Coding
数据标注
NEW
沸点
课程
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
叁两_2025_12
掘友等级
软件项目经理
人工智能学习随笔,仅供学习参考使用。不着急,我慢慢写,你们慢慢看一点一点来。
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
40
文章 40
沸点 0
赞
40
返回
|
搜索文章
最新
热门
深度学习——⻋道线定位及拟合
透视变换 透视变换将检测结果转换为俯视图 直⽅图确定⻋道线位置 知道⻋道线精确定位的思想: ⾸先利⽤直⽅图的⽅法确定左右⻋道线的位置 然后利⽤滑动窗⼝的⽅法,搜索⻋道线位置 进⾏拟合,然后绘制⻋道区域
深度学习——车道线提取
HLS颜⾊空间 H表示⾊相,即颜⾊,S表示饱和度,即颜⾊的纯度,L表示颜⾊的明亮程度 ⻋道线提取的⽅法 颜⾊空间转换-》边缘检测-》颜⾊阈值-》合并得到检测结果
深度学习——张氏标定法
张⽒标定法 利⽤棋盘格图像对相机进⾏标定:单应性矩阵,利⽤约束条件求解内参矩阵, 根据内参矩阵估计外参矩阵,利⽤极⼤似然⽅法估计参数,优化⽅法:⽜顿 法,⾼斯⽜顿法和LM算法 标定流程: 打印⼀张棋盘
深度学习——相机标定
相机的成像原理 相机成像基于小孔成像模型(Pinhole Camera Model),光线通过小孔(光圈)在成像平面(传感器)上形成倒立的实像。 相机标定 分类 世界坐标系 是⽬标物体位置的参考系 ⽤
深度学习——SORT
SORT SORT核⼼: 卡尔曼滤波; 匈⽛利匹配。 可以拆分为两个部分: 匈⽛利算法匹配过程(分配) 卡尔曼预测加更新过程(位置预测和更新) 关键步骤: 轨迹卡尔曼滤波预测→ 使⽤匈⽛利算法将预测后
深度学习——匈⽛利算法与KM算法
方法:匈⽛利算法与KM算法 用来解决多⽬标跟踪中的数据关联问题,匈⽛利算法与KM算法都是为了求解⼆分图的最⼤匹配问题。 匈⽛利算法 匈牙利算法解决无权图的最大匹配问题 将每个匹配对象的地位视为相同,在
深度学习——卡尔曼滤波器
作用 卡尔曼滤波就可以⽤来预测⽬标在后续帧中出现的位置,然后用预测之后的位置与当前位置坐比较。得到当前位置的物体是哪个物体。 优点 最⼤的优点是采⽤递归的⽅法来解决线性滤波的问题。 它只需要当前的测量
深度学习——多目标检测
多⽬标跟踪(MOT) 在⼀段视频中同时跟踪多个⽬标。 主要应⽤在安防监控和⾃动驾驶等领域中。 多⽬标跟踪问题中并不是所有⽬标都会在第⼀帧出现,也并不是所有⽬标都会出现在每⼀帧。 如何对出现的⽬标进⾏初
深度学习——车流量预测
车流预测方式 ⼈⼯统计 需要消耗⼤量的⼈⼒ 当⼯作⼈员在⻓时间计数后会因疲惫造成漏检或重复计数 统计结果具有不可验证性。 可接触式或不可接触式的传感器于路⾯进⾏⻋辆计数 可接触式传感器⼀般铺设于道路下
深度学习——YOLO
yolo网络架构 理解其输入输出 yolo优缺: yolo模型的训练样本构建的方法 理解yolo模型的损失函数 YOLOv2 改进方法 在继续保持处理速度的基础上,对这三个方面进行了改进 预测更准确(
下一页
个人成就
文章被点赞
42
文章被阅读
6,518
掘力值
1,008
关注了
0
关注者
2
收藏集
0
关注标签
6
加入于
2025-05-07