# 物体深度成像
深度学习物体检测综述
本文深入介绍了基于深度学习的物体检测方法，包括 Faster R-CNN、YOLO、SSD 等。其中，我们着重讲解了这些方法在实
彩色物体的高阶关联成像研究
彩色物体的高阶关联成像研究,林豪彬,姚治海,相比于传统经典成像基于光场的强度分布测量,关联成像是基于光场强度的关联测量,它有不受
水下物体偏振成像探测的实验研究
偏振包含丰富的物体表面反射、散射信息,可有效提高成像探测能力。当前,水下物体偏振成像探测实验主要集中在偏振度研究,而缺乏对Sto
强散射随机介质中吸收物体的成像
以宽带连续光为光源对隐藏在强散射随机介质中的吸收物体成像进行了实验研究,用一种新的图像处理方法恢复了被散射光所淹没的吸收物体的像
Stokes参量数字全息法实现相位物体成像
为实现对相位物体的无损检测和成像,克服数字同轴全息相位物体成像技术在消除零级像和孪生像的干扰时存在的系列问题,提出一种基于Sto
彩色漫射物体的压缩全息层析成像
漫射物体的压缩全息利用其非相干散射密度函数在统计意义上满足稀疏先验这一假设,可以从多幅散斑图案实现漫射物体的层析重建,避免了散斑
深度摄像机物体边缘检测
相机初始化,图像捕获,左目与右目图像分别获取及显示、 对左目与右目图像分别进行 Canny 算法边缘检测并显示效果图等功能。
YOLO介绍深度网络物体检测
YouOnlyLookOnce，2016。将物体检测用回归的方法实现，与SSD共同走在世界的前列
二维周期物体自成像条件的扩展
基于标量衍射理论研究了二维周期物体自成像现象,进一步地扩展了二维周期物体的自成像条件。研究表明,只要两个方向周期长度的平方满足整
深度学习之Pytorch物体检测实战
从代码层面讲解了FasterRCNN、SSD及YOLO这三大经典框架的相关知识，并进一步介绍了物体检测的细节与难点问题，让读者可