异构的噪声。为了解决小目标检测和噪声这两个问题，本文首先提出了一种新颖的神经网络架构，即用于小物体检测的样本加权混合网络（SWIPENet）。SWIPENet由高分辨率和语义丰富的超
2020-07-24 11:05
Module，在不损失分辨率的情况下，提升感受野。特征融合 ：不同层的特征图包含不同的特征，浅层
2022-11-04 11:14
信息。这样，融合图象上目标细部特征更加清晰，光谱信息更加丰富。3．高通滤波融合法高通滤波
2013-11-22 13:35
系统的关键任务之一，其主要的功能是检测前方道路上出现的目标的空间位置和目标类别。传统目标检测算法依赖于手工设计好的
2023-03-06 13:55
设为96）。通过 CSP 结构实现 top-down 和 bottom-up 的特征融合。缩小的特征使得计算成本更低且不损失准确性。此外，在原有 CSP-PAN 的顶部
2024-12-19 14:33
和非实时系统区别的几个显著特征：2、硬实时，强实时和软实时二、纵览各种RTOS，哪家是硬实时系统1、VxWorks：2、QNX：3、RTEMS4、ThreadX：5、Green Hills：三、举例：硬实时案例：强实时案例：软实时案例：一、背景知识：
2022-01-10 06:53
的研究方向。目前，在照明条件良好的白天场景等标准场景中，目标检测显示出了显著的效率和可靠性。然而，在夜间等不利条件下，目标
2021-08-31 07:43
，这个尺寸既可以尽量保 留图片的信息以防止目标检测准确率下降，又可以在神经网络运算过程中很方便地通过 Max pooling 进行降采样。经过三层 Max pooling 后特征
2023-06-20 19:45
的应用.pdf基于FPGA的车辆牌照识别系统的设计.pdf图像的显著性特征提取(信号与信息处理专业优秀论文).pdf
2012-07-28 14:28
本文将HOG特征和PCANet网络提取的特征进行融合，不仅包含数据的浅层局部和数据分布信息，还包含深度判别性信息，在AR及Yale B人脸数据库的实验结果验证了本文算法
2020-11-25 06:17
