YOLO 实时嵌入设备安防检测
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
1 利用深度学习网络Faster R-CNN进行道路行人的检测与识别，用于安防，自动驾驶。主要包括精确找到物体所在位置，并标注出物体的类别。
2 利用深度学习网络YOLO进行目标检测，主要优化模型在嵌入式设备上的运行效率，在智能家居监控系统中集成，实现实时人员和异常物体检测，降低误报率 15%。
2 利用深度学习网络YOLO进行目标检测，主要优化模型在嵌入式设备上的运行效率，在智能家居监控系统中集成，实现实时人员和异常物体检测，降低误报率 15%。
YOLO 实时嵌入设备安防检测
联系该工程师
微信扫码，建群沟通
案例介绍
1 利用深度学习网络Faster R-CNN进行道路行人的检测与识别，用于安防，自动驾驶。主要包括精确找到物体所在位置，并标注出物体的类别。
2 利用深度学习网络YOLO进行目标检测，主要优化模型在嵌入式设备上的运行效率，在智能家居监控系统中集成，实现实时人员和异常物体检测，降低误报率 15%。
案例图片
相似案例推荐
-
医用试管智能识别与监管系统
基于图像采集实现试管条码识别，将识别到的数据记录到数据库中，
-
基于时空特征融合的端到端微表情识别系统
通过整合空间（面部纹理、几何特征）和时间（动态光流、连续帧变
-
工业产品智能瑕疵检测系统
作品介绍： 主要用于自动化识别产品表面的颜色偏差、污渍斑点
-
基于语义分割的复杂场景行人检测系统
本案例为学术与工业结合的创新项目，针对街道、商圈等高密度复杂
-
深度学习模型优化
对处理三维点云的深度学习模型PointMLP模型进行优化，将
-
路径规划，深度学习模型优化
上面是对一个茶行进行模拟路径规划得到的结果，使用遗传算法以及
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
