毕业设计：在线购物系统

【实例简介】2019.03.14 MATLAB公开教程的PPT，课程内容： 1. 简介 深度学习：直接从数据中进行学习 卷积神经网络：用于图像识别、目标检测、语义分割等任务 2. MATLAB的优势 支持与Tensorflow/Pytorch等开源框架协作 简单易学，高质量的帮助文档和大量示例 高效的开发平台，完整的工具链 实用的数据标注和可视化工具 强大的代码生成功能 支持多平台部署 3. 仅用11行代码实现图像分类 1行代码直接导入经典的Alexnet网络模型 通过摄像头实时采集图像数据，可识别1000种常见物体 4. 迁移学习的力量 基于已有的卷积神经网络进行微调，实现专属图像识别 丰富的预训练模型，包括SqueezeNet, ResNet-18, DenseNet-201, Inception-ResNet-v2等 5. 设计复杂网络的利器：Deep Network Designer 图形交互界面，便于设计和修改复杂的网络 支持一键分析，自动修正网络结构中的错误 6. MATLAB与Tensorflow/Pytorch等开源框架的协作 通过ONNX (Open Neural Network Exchange)共享深度学习模型 支持直接导入Keras和Caffe的模型

本资源为双闭环直流调速系统的动态仿真模型，转速控制器和电流控制器采用工程设计的方法进行设计。仿真可完美运行。

基于labview的简易自动可乐售卖机程序，可实现自动售货和找零的功能，仅供参考

gcc离线安装 rpm 安装包

DSP程序开发：MATLAB调试及直接目标代码生成 带标签DSP程序开发：MATLAB调试及直接目标代码生成 带标签

用于鱼眼摄像头的一个环视参考文档很不错，自己最开始做这个相关的项目就是参考这个文档，发现写的很是不错，非常值得参考特别有用的，哈哈哈哈哈哈哈哈哈哈赵三峰,谢明,陈玉明:基于逆向投影的全景泊车系统设计与实现其中,(x,y)表示校正图像的坐标,(x,y)表示鱼眼图像的坐标此算法的效果如图所示。1------图校正前后图像俯视变换clay.OB图离散化后的路面本文采用直接线性变换()来找到俯视变换的投影矩阵,这种方法的优点在于不需要知道摄像头视RR角等参数,只需要在图像坐标系下标定对特征点就可R以计算出个未知的参数,从而得到单应性矩阵,并利R用单应性矩阼完成俯视变换。其中,M表示合成图像的宽度,单位:像素;No表示直接线性变换的公式如下合成图像的高度,单位:像素;R表示合成区域的宽Coxi i+Coli+Cu22i +Cu3)度,单位:;R1表示合成区域的长度,单位(iam,0)表示图像的坐标,单位:像素;x,y表示合成区C102+(ny2+C12x;+CrC20x:+C21y+C2231+1)域路面的坐标,单位:。下面判断路面上的点被哪个摄像头拍到,因此将路其中,(2v)表示图像坐标,(xy2)为物体空间坐标,面分成八个区域,如图所示Co,co1,…,C2为未知参数。但是本文的物体选择的是路面特征点,因此公式的z=0,简化后的二维公式为:(左前前)(右前)IX). Ti t Coli+CUsC0x;+C21y;+1(左)汽车v C1o x, +C11)2+C13C20x:+C21y1+1如果川矩阵的形式表示,如下(左后)(后)(右后)ROT=C1C1 CI图路而的八个区域图中,Il、ⅣV、V和ⅤI四个区域只能被前,左,RO表示路面坐标到图像左边的变换矩阵,则ROn右,后四个摄像头看到。I、I、VI和VI为两个摄像表示图像到路面的投影矩阵头的交叉区域,可能被两个摄像头看到,因此需要判断图像合成交叉区域被哪个摄像头采集到,四个交叉区域的判别方本文的创新点就在于跳出了传统图像拼接的想维,法相同,因此以区域1为例描述如下采用一种更加简单有效的算法来实现无缝拼接全景。)取区域I内任意一点(jo),计算其路面坐标假设路面合成区域的大小为长R1,宽为Rw,单假定该点可以被前摄像头采集到,通过与前摄位:。R的宽度方向平均分成M等份,R1的高像头的投影矩阵ROlo相乘,便可以得到该点在前摄度方向平均分成N等份,其中任意一点坐标用(mm)像头的像素坐标av),如果0≤

ITD分解matlab程序，完整的程序包，可运行，含有实例，用于信号的分解去噪。不懂得可以联系我

微分进化算法，附带简单的例子，可以站内交流，

新型优化算法，万有引力搜索算法，matlab程序

对GrabCut算法讲解分析的很透彻，有文档，附带源码！运行绝对没有问题。