基于CenterNet简化后只做目标检测的源代码， 各个文件说明： （一）目录层级 data：存放训练数据，目前只存放了太平洋汽车网的训练数据，主要是识别车牌的位置。只有训练集的数据。 exp：训练中日志存放的位置 images：验证时候图片存放的位置 models：存放训练过程中产生的模型 src：源代码 （二）文件说明： dataset: -- CtdetDataset.py: 读取图片并进行预处理 detector: -- CtdetDetector.py: 预测推理流程 model: 存放各个BackBone的模型代码 prune: -- prune.py: Slimming裁剪方法 train: -- CtdetTrainer.py: 训练主体流程 -- CtdetTrainer_NNI.py: 基于NNI裁剪训练主体流程 -- losses.py: 训练中各种loss的计算方法 utils: -- image.py: 图像处理方法，包括高斯变化，调整亮度、饱和度等方法 -- logger.py: 日志处理方法 src: -- demo_3dcar_ai.py: 一张图片推

计算机课程设计，深度学习和目标测。包括图像分类和每一步检测、数据集的转换齐全。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

随着全球数据量的激增，集中式云计算无法提供低时延、高效率的视频监控服务。基于此，提出分布式边缘计算模型，在边缘端直接处理视频数据，减少网络的传输压力，缓解中央云服务器的计算负担，降低视频监控系统的处理时延。结合联邦学习算法，采用轻量级神经网络，分场景训练模型，并将其部署于计算能力受限的边缘设备上。实验结果表明，对比通用神经网络模型，所提方法检测准确度提高18%，模型训练时间有效减少。

多目标最小生成树问题是典型的NP 问题,Zhou 和Gen 提出了一种用于计数多目标最小生成树问题 的所有非劣最优最小生成树的算法,但该算法无法保证能够找到所有非劣最优最小生成树.针对此问题,提出一种改进的计数算法,并定性说明改进算法能够找到问题的所有非劣最优最小生成树.改进算法在进行子树剔除时增加了一些条件.模拟实验结果表明,改进后的计数算法能够找到所有的非劣最优解.这也说明该算法具有应用的潜力.

. ├── bin │   ├── nmbd │   ├── smbd │   └── smbpasswd ├── etc │   └── samba │   └── smb.conf ├── lib └── var ├── lock ├── log └── tmp 8 directories, 4 files

遗传算法多目标函数优化MATLAB代码遗传基因 本文的仿真源代码。 抽象的 我们解决了认知无线电网络中的功率控制问题，在该网络中，次要用户利用空间频谱机会而不会对主要用户造成不可接受的干扰。 提出了一个优化问题，旨在最大程度地提高次要用户的效用并确保主要和次要用户的QoS。 为了解决功率分配问题，提出了一种遗传算法，并提出了两种适应度函数。 第一个旨在最小化辅助网络的总发射功率消耗。 第二个是多目标函数，面向联合优化次级网络的总容量和发射功率消耗。 结果表明，基于多目标适应度函数的遗传算法辅助功率控制方案的性能接近最佳。 入门 为了运行仿真，您需要Matlab 2015a或更高版本以及与已安装的Matlab版本兼容的C编译器。 在命令行中输入： git clone https://github.com/raikel/GeneticCrn 打开Matlab并将源目录src （及其所有子文件夹）添加到Matlab搜索路径。 在Matlab工作区中，打开目录src\lib\mex并在命令窗口中键入： compile 这将编译所有源mex文件。 要使用默认参数值运行仿真，请在Matlab命令窗

【优化求解】基于黑洞算法求解最优目标matlab源码.zip

基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx

最近唯一能够像SiamMask一样在线操作并从边界框初始化开始生成mask的跟踪器是Yeo等人的基于超像素的方法.①作者认为以往直接回归box的方法存在一定的偏差，而使用分割提取mask然后再确定box的方法能够更好的定位box 的宽高。 ②现有的跟踪器，都使用矩形边界框来初始化目标并估计其在后续帧中的位置。尽管简单的矩形很方便，但通常无法正确表示对象。

基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向、python、目标跟踪学习者。 也可作为课程设计、期末大作业。包含：项目源码、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。