ccc的案例列表
基于计算机视觉的车道线与路面异物检测系统
基于Qt Creator和OpenCV，使用C++和Python编程语言，组合应用成熟的数字图像处理、机器学习(深度学习)等领域的算法，开发了一款基于计算机视觉的车道线与路面异物检测系统。系统包括视频采集车道线检测、路面异物检测、斑马线检测、路面箭头识别、路面目标检测共6个功能模块。视频采集：通过文件或手机摄像头采集行车视频。车道线检测：检测邻近的两条车道线或者视频中的多条车道线。路面异物检测：检测当前车道中的异物。斑马线检测：检测视频中的斑马线。路面箭头识别：识别当前车道中的5类路面箭头。路面目标检测：检测视频中常见的10类路面目标。
基于yolov5的机场异物检测系统
基于pyqt5和OpenCV，使用Python编程语言，组合应用成熟的数字图像处理和深度学习目标检测算法，开发了一款基于yolov5的异物检测系统。系统包括视频采集、机场异物检测2个功能模块。视频采集：通过文件采集行车视频。机场异物检测：通过yolov5模型推理roi区域，检测特定类别的机场异物。
案例判断参考
ccc的案例列表
基于计算机视觉的车道线与路面异物检测系统
基于Qt Creator和OpenCV，使用C++和Python编程语言，组合应用成熟的数字图像处理、机器学习(深度学习)等领域的算法，开发了一款基于计算机视觉的车道线与路面异物检测系统。系统包括视频采集车道线检测、路面异物检测、斑马线检测、路面箭头识别、路面目标检测共6个功能模块。视频采集：通过文件或手机摄像头采集行车视频。车道线检测：检测邻近的两条车道线或者视频中的多条车道线。路面异物检测：检测当前车道中的异物。斑马线检测：检测视频中的斑马线。路面箭头识别：识别当前车道中的5类路面箭头。路面目标检测：检测视频中常见的10类路面目标。...
基于yolov5的机场异物检测系统
基于pyqt5和OpenCV，使用Python编程语言，组合应用成熟的数字图像处理和深度学习目标检测算法，开发了一款基于yolov5的异物检测系统。系统包括视频采集、机场异物检测2个功能模块。视频采集：通过文件采集行车视频。机场异物检测：通过yolov5模型推理roi区域，检测特定类别的机场异物。...
