文件名称：视频图matlab代码-OpenTrafficMonitoring:OpenTrafficMonitoring
文件大小：19.23MB
文件格式：ZIP
更新时间：2024-06-16 09:00:03
系统开源
视频图matlab代码开放式流量监控+已发布 我们建议使用： 它速度更快，并且对硬件的需求更少 这是用Python编写的completeley 航空影像的车辆检测与状态估计 这是本规范和数据，并配有以下出版物： （1） 航空影像中车辆状态估计的准确度表征（2） 两者都发表在 该存储库包括： 预处理：来自视频的图像，图像配准等 车辆检测：基于FPN和ResNet101构建的Mask R-CNN源代码，来自 预先训练的权重：从出版物中复制结果或直接应用于您自己的数据集 后处理：生成边界框，执行跟踪，估计车辆状态变量（如位置，速度，加速度和方向） 用于评估针对工业级参考传感器执行的基准测试的数据（请参见出版物） 绘制结果：可视化图像上的边界框和状态变量并创建视频 关于如何应用转移学习来改善数据集结果的描述和示例 用于出版物的示例数据，请参见下文 这是基准实验的一个示例： 该图描绘了在飞行高度为50 m的测试轨道的经过矫正的地图上的鸟瞰图。 分别以黑色和红色表示的参考轨迹。 汽车以螺旋形行驶，以在图像帧中捕获不同的车辆姿势和位置。 蓝色矩形和叉号表示图像框和中心。 为了进行估算，在测试轨道上将
【文件预览】：
OpenTrafficMonitoring-master
----setup.cfg(99B)
----README.md(11KB)
----LICENSE(1KB)
----datasets()
--------vehicle_detection()
----mrcnn()
--------config.py(9KB)
--------visualize.py(19KB)
--------utils.py(33KB)
--------model.py(124KB)
--------parallel_model.py(7KB)
--------__init__.py(1B)
----requirements.txt(141B)
----MANIFEST.in(58B)
----results()
--------results are stored here.txt(0B)
----setup.py(2KB)
----samples()
--------vehicle_detection()
----assets()
--------map_with_DJI_0029_path.jpg(1.35MB)
--------error_results_paper.png(119KB)
--------figure2_publication2.png(102KB)
--------public_road_small.jpg(103KB)
--------figures_publication2.png(253KB)
--------figure_results_both_publications.png(247KB)
--------table_results.png(41KB)
--------map_with_DJI_0029_path_small.jpg(46KB)
--------figure1_publication2.png(147KB)
----logs()
--------download data from FAU server.txt(0B)