电脑桌面
添加易通论缘成稿毕设投稿到电脑桌面
安装后可以在桌面快捷访问

26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx

26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第1页
1/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第2页
2/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第3页
3/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第4页
4/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第5页
5/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第6页
6/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第7页
7/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第8页
8/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第9页
9/121页
26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx_第10页
10/121页
IWHKJ 大学本科毕业设计摘 要IIWHKJ 大学本科毕业设计伴随智能交通以及自动驾驶技术的快速发展,道路场景里的目标检测已是计算机视觉领域里的一个研究热点。往常的这类目标检测手段在复杂场景下有着精度欠缺、实时性难保的问题,不太能满足高级驾驶辅助系统对感知能力的要求。鉴于此类缘由,这里设计并实施了一套基于深度学习开展的道路目标检测系统,凭借改进后的YOLOv11 架构实现了车辆、行人以及骑车人这三类道路目标的高精度实时检测。就模型架构方面,系统把 YOLOv11 当作基础框架,并在骨干网络之中通过引入深度可分离卷积替换标准卷积以降低计算方面的开销...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

26年WP电子信息工程 基于深度学习的实时场景道路目标检测6.61-AI17.42全日(23202字).docx

您可能关注的文档

发表评论取消回复

  
新文件+ 关注
机构认证
内容提供者

新文件

确认删除?
qq
  • 联系点击这里给我发消息
搜索教程
联系客服
  • 联系客服
回到顶部