简介:摘要:目标检测算法在不断更新迭代,从20世纪90年代至今,目标检测领域已经发生了翻天覆地的变化。本文简要梳理了目标检测算法的发展历程,重点对YOLOv1和YOLOv3两代算法进行了详细讨论,同时还探讨了YOLO算法在农业、工业、医学和遥感监测等领域的广泛应用,并展望了其未来的发展潜力。
简介:摘要 对初始位置完全未知且距离较远的点云配准时,传统ICP算法容易出现匹配偏差、错误等结果。针对这一问题,提出了基于快速点特征直方图的采样一致性配准的粗配准方法。对待配准点云构建快速点特征直方图,基于此特征利用采样一致性算法实现粗配准,然后再使用ICP算法实现精配准。实验结果证明,该方法与传统ICP算法相比,能改善点云匹配准确度,得到正确的配准结果。
简介:摘要:近年来,人工智能的大火不仅冲击着传统的生活方式,同时也很大程度上对于立法尤其是知识产权方面的法律提出了新的挑战。作为人工智能的核心的算法如何进行保护,现有的法律规定主要是以专利的方式提供保护。那么就引出了几大问题,其一,智能算法为何能被纳入专利的范围,其二,是否可以以其他方式方式保护算法,其三,专利保护的局限性在于哪里?本文旨在对智能算法专利的这三个问题进行分析,探索智能算法保护的多元性价值。
简介:摘要 我国现阶段人民生活质量不断的提高,汽车使用率在不断的增强,现阶段对车辆管理的工作任务非常间距,交通部门需要协调好对车辆的管理工作。对于汽车而言,车牌是能够识别的身份证明,因此,在对汽车管理工作内容当中关于车牌识别方面,需要准确快速,因此,本文针对车牌识别工作进行研究,完善的识别系统以及核心的算法。
简介:摘要:随着我国酒店、房地产等行业的发展,地毯的需求量在逐年增加,而地毯中有些优点是其他铺地材料无法与之相比的,产生的有害气体最少、安全性高等,因此受人们所喜爱,购买力增加,供不应求,所以一些厂家开始用机器生产地毯。本文是研究自动规划路径毯机算法,通过比较各个阶段不同的算法,选择最优算法,来实现地毯机自动规划路径,提高地毯机制作地毯的效率。
简介:摘要:通过图像获得一些重要信息是当前较为流行的途径之一,图像分析中,图像可以直接反映事物的特征。但是由于在雾霾天气状况下,受到空气中介质(如气溶胶、尘埃、雾和烟尘)的影响下被光线散射,导致图像退化和信息模糊,这将会出现严重的图像降质问题,难以提取有用的特征信息。本文基于Matlab开发平台,对单张图像去雾技术进行研究,主要包括:直方图均衡化,Retinex增强处理及基于暗通道先验去雾算法,并且通过良好的人机交互界面显示去雾效果评估信息,最后设计了基于matlab平台开发的去雾技术及去雾效果评估系统。
简介:摘要:随着互联网技术的不断更新及发展,人们的生产、生活无时无刻都在与互联网产生交互,对于一些普遍通用的APP、WEB界面的访问量急剧上升,这就对搭载服务的硬件设备产生严重的负载,随时可能存在宕机、500等字样的出现。这就要求我们的硬件设备性能足够高,然而高性能对应的就是高投资,如何提高互联网的综合性能,保证服务质量已成为人们关注的焦点和热点话题,网络超载等现象的出现,给个人和各个领域带来了严重的威胁和挑战。服务器负载均衡技术的出现就很好的解决了这些问题,负载均衡技术已经成为提升各种设备性能的一项重要技术。本文就负载均衡原理、实施、扩展功能开始论述。
简介:摘要:一直以来,由于遗传算法的优异性,被广泛应用在各个领域;本文通过遗传的各个步骤和方法的介绍,便于学者理解,并指出算法的评价指标,为广大学者提供验算标准。
简介:摘要:在航海时代蓬勃发展的今天,电子海图的出现为海员提供了很多方便,在船舶航行中航线设计船员比较关注,在航线中寻找线路的最短航线成了研究的热点,最短航线不仅能给公司带来可观的经济效益,还能大幅度缩短航程,本文介绍了Dijkstra算法以及包括它的优化和改进的A*算法和Bellman-Ford算法,并进行了实验比较。最后,对Dijkstra算法在电子海图路径规划中的局限性进行了讨论,并提出了未来的研究方向。
简介:摘要:本次课题的目的,是对现在主流的图像去雨算法进行一个对比,并通过对比,通过具体的案例,来分析出不同的算法间的优略。在本次课题中,主要对两个算法进行,分别是基于滤波去雨算法和暗通道先验算法去雨。对于基于滤波去雨算法和暗通道先验算法去雨的优略而言,基于滤波去雨算法更加适合雨水相较不那么密集的图像,面对雨水密集的图像时,它处理的结果一般。但它算法简单,易于实现;对于暗通道先验算法去雨而言,它对于雨水是否密集无太大的要求,都能有较好的效果,缺点在于运算量较大,且需要构建不少函数来支撑算法的实现,最后的结果如果不进行图像融合,呈现出灰色的图像。对于它们二者的结果,用MATLAB进行了复现。
简介:摘要 随着人工智能技术的不断发展,深度学习正在迅速崛起.它可以把复杂的信息结构转换成更加简单易懂的模型,并且可以根据不同的模型结构,快速地提取出更多的信息,这使得它可以更好地帮助人类理解和预测未来的行业,比如图像处理、语音处理和自动驾驶。因此,将深度学习算法应用于推荐系统具有十分重要的意义。