洛天的小窝

一、题目描述   考虑一个余弦信号 $\small {x\left (t \right) =\cos \left (2\pi f_0t \right)}$ 沿着一条受到多径效应和多普勒效应影响的信道传输的情形。设有两条路径，并且假定该正弦信号正由一个移动的物体发出，因此会发生多普勒频移。设接收信号为： $$ \begin{aligned} r\left( t \right) =a_0\cos\left( 2\pi \left( f_0-v \right) \left( t-\dfrac{L_0}{c} \right) \right) +a_1\cos\left( 2\pi \left( f_0 ...

一、实验要求   ARM Cortex-M3 微处理器使用端口 GPIOA 控制一片七段数码管（共阳极），按键 K 连接 GPIOA15 管脚。   实现下述功能：使用查询方式查询按键状态，当按键打开时， GPIOA15 管脚为 “0” ，数码管显示 0；当按键闭合时，GPIOA15 管脚为 “1”，数码管显示自己的学号，每隔 1 秒显示 1 位，显示结束后，数码管灯关闭。 二、实现流程 三、实验代码 3.1 写入中断向量 AREA RESET,CODE EXPORT __Vectors EXPORT Reset_Handler__Vectors DCD __initial_sp DCD ...

目标检测基础与 MMDet 目标检测简介 实例应用 人脸识别 身份识别、属性分析 … 智慧城市 垃圾检测、非法占道检测、违章停车检测、危险物体检测、自助服务、烟雾和火灾检测、标准着装检测、危险行为检测 … 自动驾驶 环境感知、路径规划与控制 … 下游视觉任务 文字之别、人体姿态估计 … 滑窗 Sliding Window 未完待续…

  由于本人之前没有接触过 python 和机器学习的相关知识，这次图像分类的配置过程可谓一路艰辛，本文当是一次避坑总结。 配置环境概览: 平台: Windows 11 Python: 3.9.16 GPU: 本地 GPU CUDA: 11.7 cuDNN: 8.5 Pytorch: 1.13.1 OpenCV: 4.6.0 MMCV: 1.7.0 MMCls: 0.25.0 一、环境安装   整体环境框架如下： 1. CUDA 与 cuDNN 安装   网上有很多的教程，这里就不再赘述了，不过我以后有时间会补充上滴。这里推荐一个：【CUDA】cuda 安装。   不过有一点要说明，在安 ...

MMcls 实例应用 & 超算平台的使用 一、MMClasification 深度学习模型的训练涉及几个方面:   1. 模型结构：模型有几层、每层多少通道数等等   2. 数据集：用什么数据训练模型: 数据集划分、数据文件路径、数据增强策略等等   3. 训练策略：梯度下降算法、学习率参数、batch size 训练总轮次、学习率变化策略等等   4. 运行时：GPU 、分布式环境配置等等   5. 一些辅助功能：如打印日志、定时保存 checkpoint 等等 在 OpenMMLab 项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练过程：   1. ...

一、图像分类概述   图像分类问题就是构建一个可实现的计算函数 $F:\mathbb {R} ^{H\times W\times 3}\rightarrow {1,\cdots ,K}$，且预测结果符合人类认知。但是难点就是图像内容是像素整体呈现出来的结果，和个别像素没有直接的关联，难以设计具体的算法实现。于是需要需要让机器从数据中学习。而机器学习也是有局限的，机器学习算法善于处理低维、分布相对简单的数据，而对于几十万维的复杂数据处理优势就不足了。我们需要更好的图像分类方法。 特征工程   在 90 年代，人们用计算梯度直方图 (Histogram of Oriented Gradients) ...

初探深度学习与神经网络 一、计算机视觉四大基本任务 检测：如特定目标检测，通用目标检测等。 分割：如语义分割、实例分割、关键点检测等。 定位 分类 案例：虚拟主播，人脸识别，人体姿态跟踪等等。 二、MMLab 算法框架   MMDetection：目标检测   MMClassification：图像分类   MMSegmentation：语义分割   MMPose &MMHuman3D：人体姿态   MMTracking：目标追踪   MMAction2：视频理解分析   MMOCR：文字检测   MMEditing：图像处理   …… 算法框架 三、机器学习 3.1 为什么要进 ...

灰度图像变换——阈值化处理总结

摘要   分赌注问题又称为点数问题，是法国学者梅雷于 1654 年向法国数学家帕斯卡提出的。   该问题简单来说就是两个水平相同的赌徒 A 和 B，约定先胜 $t$ 局的人赢得赌注，在赌局中的某时刻，两赌徒终止赌博，此时 A 胜 $r$ 局，B 胜 $s$ 局，应该如何合理分配赌注。赌注问题不仅成为概率论的起源，同时荷兰数学家惠更斯在此基础上撰写《论赌博中的计算》一书，提出了数学期望的概念，推动了概率论的发展。   本文用理论分析运算得出赌注分配的最佳方案，并采用 MATLAB 仿真实验验证结果的正确性。 一、问题假设 假设先胜 18 局的人赢得赌注，且在 A 胜 10 局且 B 胜 7 局 ...