自动驾驶场景下的目标检测是计算机视觉中重要研究方向之一,确保自动驾驶汽车对物体进行实时准确的目标检测是研究重点。近年来,深度学习技术迅速发展并被广泛应用于自动驾驶领域中,极大促进了自动驾驶领域的进步。为此,针对YOLO(You On...自动驾驶场景下的目标检测是计算机视觉中重要研究方向之一,确保自动驾驶汽车对物体进行实时准确的目标检测是研究重点。近年来,深度学习技术迅速发展并被广泛应用于自动驾驶领域中,极大促进了自动驾驶领域的进步。为此,针对YOLO(You Only Look Once)算法在自动驾驶领域中的目标检测研究现状,从以下4个方面分析。首先,总结单阶段YOLO系列检测算法思想及其改进方法,分析YOLO系列算法的优缺点;其次,论述YOLO算法在自动驾驶场景下目标检测中的应用,从交通车辆、行人和交通信号识别这3个方面分别阐述和总结研究现状及应用情况;此外,总结目标检测中常用的评价指标、目标检测数据集和自动驾驶场景数据集;最后,展望目标检测存在的问题和未来发展方向。展开更多
文中通过ESRI公司发布的ArcGIS for Android结合SQLite数据库的空间扩展Spatialite来构建客户端,服务端以PostgreSQL作为数据库,使用JavaEE的Servlets技术进行开发,构建了福州市实时路况系统,实现将所有空间数据离线储存在客户端,克服...文中通过ESRI公司发布的ArcGIS for Android结合SQLite数据库的空间扩展Spatialite来构建客户端,服务端以PostgreSQL作为数据库,使用JavaEE的Servlets技术进行开发,构建了福州市实时路况系统,实现将所有空间数据离线储存在客户端,克服了传统的移动GIS需要从GIS服务器接收矢量数据或者切片数据耗费流量的缺陷,还减少GIS服务器架设。结果表明,通过ArcGIS for Android和Spatialite组合,不仅可在不影响用户体验的情况下,大量节省用户的流量,还降低服务器的架设难度和成本。展开更多
文摘自动驾驶场景下的目标检测是计算机视觉中重要研究方向之一,确保自动驾驶汽车对物体进行实时准确的目标检测是研究重点。近年来,深度学习技术迅速发展并被广泛应用于自动驾驶领域中,极大促进了自动驾驶领域的进步。为此,针对YOLO(You Only Look Once)算法在自动驾驶领域中的目标检测研究现状,从以下4个方面分析。首先,总结单阶段YOLO系列检测算法思想及其改进方法,分析YOLO系列算法的优缺点;其次,论述YOLO算法在自动驾驶场景下目标检测中的应用,从交通车辆、行人和交通信号识别这3个方面分别阐述和总结研究现状及应用情况;此外,总结目标检测中常用的评价指标、目标检测数据集和自动驾驶场景数据集;最后,展望目标检测存在的问题和未来发展方向。
文摘文中通过ESRI公司发布的ArcGIS for Android结合SQLite数据库的空间扩展Spatialite来构建客户端,服务端以PostgreSQL作为数据库,使用JavaEE的Servlets技术进行开发,构建了福州市实时路况系统,实现将所有空间数据离线储存在客户端,克服了传统的移动GIS需要从GIS服务器接收矢量数据或者切片数据耗费流量的缺陷,还减少GIS服务器架设。结果表明,通过ArcGIS for Android和Spatialite组合,不仅可在不影响用户体验的情况下,大量节省用户的流量,还降低服务器的架设难度和成本。
