简介:摘要:目标检测算法在不断更新迭代,从20世纪90年代至今,目标检测领域已经发生了翻天覆地的变化。本文简要梳理了目标检测算法的发展历程,重点对YOLOv1和YOLOv3两代算法进行了详细讨论,同时还探讨了YOLO算法在农业、工业、医学和遥感监测等领域的广泛应用,并展望了其未来的发展潜力。
简介:摘要:深度学习已经在目标检测领域取得了显著的进展,通过自动学习特征表示和端到端的训练方式,提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述,包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测,具有实时性和高效性,但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位,但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来,深度学习目标检测算法将进一步发展,结合单阶段和两阶段的优势,以提高性能和效果。
简介:摘要:建筑工程项目建设的全过程一般要经历投资决策阶段、初步设计阶段、设计阶段,承发包与施工阶段、竣工验收阶段,每个阶段会产生不同造价,即投资估算、概算、控制价、合同价和结算价。基于全过程造价控制要求,合同价要小于控制价,控制价要小于概算价,概算价要小于投资估算。但长期以来,投资失控现象频繁发生,这就需要对工程项目进行全过程造价控制,通过对投资/造价的动态监控,防止造价超过预期。造价指标是建筑工程决策阶段投资估算的依据、是初步设计阶段判断设计方案合理性的评判标准、是施工图设计阶段限额设计的依据、是项目承发包阶段招投标价格的重要参考,因此,在全过程造价管理中具有重要地位。