YOLOv是当下最先进的目标检测算法之一，提供快速、准确的物体检测能力。YOLOv的论文下载，详细介绍了该算法的设计思路、实现方法和应用场景，对于学习图像识别和计算机视觉领域的人士具有重要参考作用。
暂无评论
基于混合高斯与边缘检测的目标检测算法研究，陈钟荣，夏利娜，混合高斯模型对光照和天气变化等较敏感，易产生阴影，而传统阴影去除算法涉及多个阈值设定，且阈值一般随视频不同而不同。针对此
提出结合主元变换与异方差变量含误差模型的椭圆识别与定位方法。根据椭圆长轴对应于椭圆主元方向的特点，利用主元变换法将目标边缘数据变换到主元坐标系，给出新的椭圆轮廓度误差评定方法，将变换后数据点集的椭圆轮
一种运动目标检测算法的研究，董兴龙，马洪连，运动目标检测是计算机视觉研究的焦点之一，应用范围非常广泛。本文提出一种改进的运动目标检测算法，该方法将基于中心对称局部二
提出了一种亮度直方图匹配的运动目标检测算法，采用相邻两帧各子块的直方图匹配程度检测运动目标，通过自适应的最大阈值方差法来选取阈值，在HSV色度空间下检测阴影，用形态学方法进行后处理，得到准确的运动目标
效去除运动目标包含的阴影区域，从而实现人头区域的检测针对摄像机在静止条件下的自适应运动目标检测，提出一种改进的运动目标检测算法。首先，针对高斯混合背景建模初期背景建模效果不理想的问题，利用统计的方法得
数字图像目标检测是计算机视觉研究中的主要内容之一，具有较广泛的用途。提出一种针对数字图像中模糊小目标进行检测的算法。将所有像素值看作具有对应地址的元素集合，根据需要确定小目标像素范围，把图像分为目标集
一种改进的快速目标检测算法，吴珍荣，毛征，提出一种基于视频序列的快速目标检测方法，通过ViBe(visualbackgroundextractor)算法对背景像素进行建模。利用视频第一帧完成背景模型的
基于卷积神经网络的目标检测算法，夏源，张洪刚，本文是基于卷积神经网络的目标检测学习算法，与传统的物体检测算法不同，基于深度学习的目标检测算法，可以通过从海量数据中自动
针对传统滑动窗口行人检测速度慢、无效窗口数量大和识别率低的问题，提出基于似物目标的快速行人检测算法。该算法首先使用改进的二值化赋范梯度算法生成目标候选集，再利用NDOG特征描述子计算目标特征。通过在I
针对SSD算法在计算机视觉中检测多目标时出现的漏检现象，提出了一种改进方法，即在SSD算法的基础上，将VGG-16网络替换为密集型网络，并对目标检测后的所有预测框进行非极大值抑制算法的改进。这一改进使
暂无评论