CAN总线位定时配置实战:从原理到寄存器设置的完整指南
1. 项目概述为什么CAN总线的位定时如此重要在嵌入式系统尤其是汽车电子和工业控制领域控制器局域网总线Controller Area Network, CAN是连接各个电子控制单元的“神经系统”。它之所以能在嘈杂的电磁环境和严苛的物理条件下稳定工作其核心秘诀之一就在于一套精密的位定时与同步机制。很多工程师在初次配置CAN时往往只关注波特率这一个数字比如“500kbps”却忽略了其背后一整套参数同步段、传播段、相位缓冲段、同步跳转宽度的协同作用。这就像只调了汽车的发动机转速却忽略了变速箱齿比、轮胎抓地力和悬挂软硬结果就是要么跑不起来要么稍微有点颠簸就失控。我见过不少项目在实验室里通信一切正常一旦装车或者上了产线就出现偶发性的通信错误、丢帧甚至总线关闭。排查到最后十有八九是位定时配置不够“健壮”。位定时配置的本质是在物理信号传输延迟、节点晶振误差和电磁干扰这三座大山之间为数据的“采样判决”找到一个绝对安全的时间窗口。这个窗口就是“采样点”。配置不当采样点就可能落在信号跳变的边缘或者噪声尖峰上导致误判把显性电平Dominant逻辑0读成隐性电平Recessive逻辑1或者反过来。本文将以德州仪器M3系列控制器中的CAN模块为例抛开枯燥的理论堆砌直接切入工程实践。我会详细拆解位定时的每一个参数是如何影响总线行为的并通过高波特率1Mbps和低波特率100kbps两个具体计算实例手把手带你完成从理论到寄存器的配置全过程。你会发现那些看似复杂的公式和寄存器位域最终都是为了回答几个核心问题信号需要多久才能传遍整个网络我们的时钟到底有多准以及如何让总线在遇到干扰时能“自我纠正”2. CAN位定时核心机制深度解析要配置好位定时必须首先理解CAN总线是如何“感知”一个比特位的。这并非简单的周期计时而是一个动态的、具备同步和容错能力的状态机过程。2.1 一个比特位的解剖四段式结构CAN协议将一个比特位时间划分为四个不重叠的段。请注意在数据手册和配置寄存器中你可能会看到两种命名体系它们本质是等价的但侧重点不同。协议逻辑段用于理解原理同步段Sync_Seg固定为1个时间量子。所有节点的位定时逻辑都期望在这个段内检测到总线边沿从隐性到显性的下降沿。它用于实现硬同步强制对齐节点间的位时间起点。传播时间段Prop_Seg用于补偿信号在总线上物理传输的延迟。这个延迟包括发送器输出延迟、总线线路传播延迟约5ns/米和接收器输入延迟。Prop_Seg的长度必须大于或等于整个网络环路延迟的两倍。相位缓冲段1Phase_Seg1用于补偿节点间的晶振频率误差。在重同步时可以通过延长Phase_Seg1来“等待”边沿的到来。相位缓冲段2Phase_Seg2同样用于补偿频率误差。在重同步时可以通过缩短Phase_Seg2来“追赶”边沿的到来。采样点就位于Phase_Seg1结束的时刻。寄存器配置段用于实际配置 为了方便寄存器设计通常将上述段进行合并TSEG1 Prop_Seg Phase_Seg1TSEG2 Phase_Seg2Sync_Seg固定为1个时间量子不单独占用寄存器位。因此比特时间 1 (Sync_Seg) TSEG1 TSEG2个时间量子。关键理解Prop_Seg是“物理补偿”保证信号有足够时间稳定。Phase_Seg1和Phase_Seg2是“时钟补偿”用于吸收发送和接收节点之间的时钟漂移。采样点之所以放在Phase_Seg1之后是为了确保信号经过Prop_Seg的传播已经稳定并且已经过Phase_Seg1的初步相位调整此时进行采样可靠性最高。2.2 时间量子位定时的最小刻度时间量子是CAN位定时配置中的基本时间单位其长度由系统时钟和波特率预分频器决定tq (BRP 1) / f_CAN_CLK其中f_CAN_CLK是CAN控制器的输入时钟频率BRP是波特率预分频器寄存器值通常为0-63。一个比特位包含的时间量子数必须在8到25之间。这个范围是协议规定的。太少的tq会导致分辨率不足无法精细调整采样点太多的tq会降低对时钟误差的容忍度。实操心得在资源允许的情况下倾向于选择较高的f_CAN_CLK和较大的BRP值以获得更多的时间量子数。这给了你更灵活的Prop_Seg和Phase_Seg配置空间从而可能获得更高的时钟容差。例如同样是1Mbps用8个tq和用20个tq配置出来的鲁棒性是天壤之别。2.3 同步跳转宽度总线的“弹性”与“容错”SJW是位定时配置中最精妙也最易被误解的参数。它定义了在一次重同步过程中相位缓冲段Phase_Seg1或Phase_Seg2可以被临时拉长或缩短的最大时间量子数。它的工作逻辑是这样的当节点检测到一个边沿没有落在预期的Sync_Seg内时它会判断这个边沿是“早到了”还是“晚到了”。边沿早于采样点说明发送节点时钟相对较快。接收节点会缩短Phase_Seg2最多缩短SJW个tq以尽快开始下一个比特位从而“追赶”发送节点。边沿晚于采样点说明发送节点时钟相对较慢。接收节点会延长Phase_Seg1最多延长SJW个tq以“等待”边沿的到来然后再进入采样点。SJW的核心价值在于噪声滤波。参考TI文档中的经典图示对应原文Figure 23-14一个短暂的显性噪声尖峰出现在总线上。如果SJW设置得足够大大于等于该噪声边沿造成的相位误差采样点就可以被“推移”到噪声尖峰结束之后从而采样到正确的隐性电平。如果SJW设置得过小采样点无法被足够推移就会落在噪声尖峰内导致采样错误。配置铁律SJW ≤ min(Phase_Seg1, Phase_Seg2)。它不能超过任何一个相位缓冲段的长度否则重同步时调整会超出段的范围导致逻辑错误。通常为了获得最大容错能力会将其设置为min(4, Phase_Seg1)因为SJW的最大功能值通常为4。3. 位定时参数计算与配置实战理论清晰后我们进入实战环节。配置位定时的过程是一个在多项约束条件下寻找最优解的过程。下面我给出一个通用的、可遵循的计算流程并结合TI M3的实例进行说明。3.1 通用计算流程与约束条件确定系统参数f_CAN_CLK CAN模块的输入时钟频率Hz。Bit_Rate 目标通信波特率bps。Bit_Time 1 / Bit_Rate。t_Bus 总线长度米。信号传播速度按典型值5 ns/m计算。t_Transceiver CAN收发器的环路延迟发送接收需查阅数据手册通常在100-200ns量级。计算物理传播延迟t_Prop_Delay 2 * (t_Bus * 5ns/m t_Transceiver)这里乘以2是因为信号需要到达最远端节点并产生回波显性到隐性的边沿变化需要被所有节点正确识别这是最坏情况。选择时间量子数并计算tq 目标Bit_Time N * tq其中8 ≤ N ≤ 25。 尝试不同的波特率预分频器BRP值从0开始计算tq (BRP 1) / f_CAN_CLK。 找到使N Bit_Time / tq结果为整数且在8~25范围内的BRP。可能有多个解。分配各段时间量子Sync_Seg 1 tq(固定)。Prop_Seg(单位: tq) ceil(t_Prop_Delay / tq)。ceil是向上取整保证物理延迟被完全覆盖。剩余tq数Remaining_tq N - 1 - Prop_Seg。将Remaining_tq分配给Phase_Seg1和Phase_Seg2。通常为了对称和最大化容差如果剩余tq为偶数则平分为奇数则让Phase_Seg1比Phase_Seg2多1个tq。Phase_Seg2 floor(Remaining_tq / 2)Phase_Seg1 Remaining_tq - Phase_Seg2检查Phase_Seg2最小值Phase_Seg2必须大于等于CAN控制器的信息处理时间IPT通常为0-2个tq需查芯片手册。TI M3的IPT为0但一般建议Phase_Seg2 ≥ 2以保证稳定性。确定SJWSJW min(4, Phase_Seg1)。取两者中较小值且不能大于Phase_Seg2。计算振荡器容差 使用公式验证配置的鲁棒性。振荡器容差df必须满足两个条件来自原文公式1112df ≤ SJW / (20 * Bit_Time)df ≤ min(Phase_Seg1, Phase_Seg2) / [2 * (13 * Bit_Time - Phase_Seg2)]计算出的df是理论最大容差。你使用的晶振实际精度如±0.1%必须小于这个值。转换为寄存器值 TI M3的位定时寄存器BTR需要写入的是功能值减1。BRP_reg BRPSJW_reg SJW - 1TSEG1_reg (Prop_Seg Phase_Seg1) - 1TSEG2_reg Phase_Seg2 - 13.2 高波特率配置实例1 Mbps给定条件f_CAN_CLK 10 MHzBit_Rate 1 Mbps-Bit_Time 1 μs总线长度L 40 m收发器环路延迟t_Trcv 130 ns(假设值)计算过程传播延迟t_Prop_Delay 2 * (40m * 5ns/m 130ns) 2 * (200ns 130ns) 660 ns我们向上取整估算为700 ns以留有余量。选择tq 尝试BRP 0tq (01)/10MHz 100 ns。N 1 μs / 100 ns 10。满足8 ≤ 10 ≤ 25。可行。分配tqSync_Seg 1 tq 100 nsProp_Seg ceil(700 ns / 100 ns) 7 tqRemaining_tq 10 - 1 - 7 2 tq分配Phase_Seg2 1 tq,Phase_Seg1 1 tq。检查Phase_Seg2 1 tq大于IPT(0)勉强可接受但处于临界状态。在实际应用中1Mbps下Phase_Seg2为1tq可能抗干扰能力较弱。确定SJWSJW min(4, Phase_Seg11) 1 tq计算容差条件1:df ≤ 1 / (20 * 10) 0.5%条件2:df ≤ 1 / [2*(13*10 - 1)] 1 / 258 ≈ 0.39%理论最大容差df_max ≈ 0.39%。 这意味着节点晶振精度必须优于±0.39%。对于1Mbps高速通信这是一个相对严格但合理的要求。寄存器配置TSEG1 Prop_Seg Phase_Seg1 7 1 8-TSEG1_reg 7TSEG2 Phase_Seg2 1-TSEG2_reg 0SJW 1-SJW_reg 0BRP 0-BRP_reg 0根据TI文档的格式组合写入位定时寄存器(TSEG2_reg 12) | (TSEG1_reg 8) | (SJW_reg 6) | BRP_reg。 即(0x0 12) | (0x7 8) | (0x0 6) | 0x0 0x0700。实操心得这个配置Prop_Seg7 Phase_Seg11 Phase_Seg21非常极限。Phase_Seg2仅1个tq几乎没有给重同步缩短Phase_Seg2留出空间。在干扰较大的环境中风险较高。如果系统时钟允许应尝试寻找其他BRP和N的组合以获得更宽松的相位缓冲段。例如若f_CAN_CLK能提高到20MHz使用BRP1则tq100ns不变但N20可以分配更多的tq给Phase_Seg1和Phase_Seg2大幅提升稳定性。3.3 低波特率配置实例100 kbps给定条件f_CAN_CLK 2 MHzBit_Rate 100 kbps-Bit_Time 10 μs总线长度L 40 m收发器环路延迟t_Trcv 140 ns(假设值)计算过程传播延迟t_Prop_Delay 2 * (40m * 5ns/m 140ns) 2 * (200ns 140ns) 680 ns取整700 ns。选择tq 尝试BRP 1tq (11)/2MHz 1 μs。N 10 μs / 1 μs 10。可行。分配tqSync_Seg 1 tq 1 μsProp_Seg ceil(700 ns / 1 μs) 1 tq(注意这里1μs 700ns已足够覆盖)Remaining_tq 10 - 1 - 1 8 tq分配Phase_Seg2 4 tq,Phase_Seg1 4 tq。检查Phase_Seg2 4 tq远大于IPT非常安全。确定SJWSJW min(4, Phase_Seg14) 4 tq计算容差条件1:df ≤ 4 / (20 * 10) 2.0%条件2:df ≤ 4 / [2*(13*10 - 4)] 4 / 252 ≈ 1.59%理论最大容差df_max ≈ 1.59%。 这个容差非常宽松意味着即使使用精度较差的晶振如±1%系统也能稳定工作。寄存器配置TSEG1 Prop_Seg Phase_Seg1 1 4 5-TSEG1_reg 4TSEG2 Phase_Seg2 4-TSEG2_reg 3SJW 4-SJW_reg 3BRP 1-BRP_reg 1组合寄存器值(3 12) | (4 8) | (3 6) | 1 0x34C1。配置对比与启示参数高波特率 (1 Mbps) 实例低波特率 (100 kbps) 实例说明比特时间1 μs10 μs低波特率时间窗口宽10倍tq长度100 ns1 μs由f_CAN_CLK和BRP决定tq数量 (N)1010本例巧合相同Prop_Seg占比7/10 70%1/10 10%高速下传播延迟占比巨大Phase_Seg占比2/10 20%8/10 80%低速下有大量空间用于同步和滤波SJW占比1/10 10%4/10 40%低速下同步调整能力极强理论时钟容差~0.39%~1.59%低速对晶振精度要求低得多从对比可以看出高波特率配置的核心矛盾是“时间紧”。比特时间短传播延迟相对占比高挤占了用于同步和滤波的相位缓冲段空间导致配置僵硬对时钟精度要求苛刻。低波特率配置则“游刃有余”有充足的相位缓冲段和SJW系统抗干扰和容错能力强。4. 工程实践中的常见问题与排查技巧即使按照流程计算在实际调试中仍会遇到各种问题。以下是我从多个项目中总结出的常见坑点与解决方案。4.1 通信不稳定偶发错误帧症状总线大部分时间正常但在电机启动、继电器动作等干扰源工作时出现错误帧错误计数器特别是接收错误计数器缓慢增长。排查思路首要怀疑采样点这是最常见的原因。使用专业的CAN总线分析仪如Vector CANalyzer, PEAK PCAN-View或示波器抓取总线波形精确测量实际采样点位置。与配置的采样点(Sync_Seg Prop_Seg Phase_Seg1) / N进行对比。调整策略如果采样点过早落在信号边沿或振铃区增加Phase_Seg1即增大TSEG1将采样点向后推移。这通常通过减小TSEG2来实现总tq数N不变。如果采样点过晚接近位结束减小Phase_Seg1即减小TSEG1将采样点前移。通常通过增大TSEG2来实现。经验值参考在汽车行业对于高速CAN500kbps采样点通常设置在87.5%到90%之间。这是一个经过大量验证的、在稳定性和效率之间取得平衡的经验位置。你可以以此为目标进行微调。实操技巧如果没有专业工具可以编写一个简单的自发自收测试程序在强干扰环境下长时间运行统计错误帧率。然后系统性地微调TSEG1/TSEG2每次调整1-2个tq观察错误率的变化趋势找到“最安静”的配置。4.2 节点无法加入网络或频繁进入“总线关闭”状态症状单个节点无法与网络中其他正常节点通信错误计数器快速递增直至总线关闭Bus-Off。排查思路检查波特率一致性这是首要原因。确保网络上所有节点的f_CAN_CLK、BRP、TSEG1、TSEG2计算后得到的实际比特时间完全一致。即使都设为“500kbps”如果tq数分配不同实际周期可能有微小差异累积后导致失步。检查物理层在确认配置一致后问题可能出在物理层。测量终端电阻高速CAN应为60欧姆在总线两端各挂一个120欧姆电阻。检查节点供电是否稳定CANH/CANL线是否接反、短路或开路。检查时钟源节点的晶振或时钟电路可能存在较大频偏或抖动。使用频率计测量实际的f_CAN_CLK看是否与软件配置值相符精度是否在计算出的df_max范围内。注意事项在修改位定时配置寄存器前必须确保CAN控制器处于初始化模式Init位为1且配置使能位CCE位为1。在TI M3中需要先设置CTL寄存器的Init位然后CCE位会自动置1此时才能修改BTR寄存器。修改完成后清除Init位退出初始化模式控制器开始同步并参与通信。4.3 如何为自定义网络计算最优配置当你需要为一个全新的CAN网络确定位定时参数时遵循以下步骤收集系统极限参数确定网络最大长度。选择网络中环路延迟最大的收发器型号并查取其最坏情况下的延迟值。确定所有节点使用的晶振最差精度例如±0.5%。逆向设计将晶振精度作为已知的df代入振荡器容差公式。公式中有SJW、Phase_Seg1、Phase_Seg2、Bit_Time等变量。你的目标是找到一个Bit_Time即波特率和tq分配方案使得计算出的df_max大于你的实际晶振精度并且留有至少20%-30%的余量。迭代与权衡降低波特率是立竿见影的方法它能直接增加Bit_Time放松所有约束。提高f_CAN_CLK可以减小tq在相同Bit_Time内获得更多tq数从而更精细地分配各段。在满足Prop_Seg的前提下尽量让Phase_Seg1和Phase_Seg2相等或接近并最大化SJW通常设为Phase_Seg1或4中的较小值这样可以获得最大的时钟容差。使用配置工具验证许多半导体厂商如NXP、Infineon、Microchip都提供免费的CAN位定时计算器软件。输入你的系统参数它会自动列出所有符合协议的有效配置并给出时钟容差。这是一个非常高效的辅助工具可以帮你快速验证手动计算的结果或发现更优解。4.4 关于噪声滤波的再强调位定时配置特别是SJW和采样点的设置是CAN总线内置的“软件滤波器”主要针对短时脉冲噪声。对于持续时间较长的共模干扰或低频噪声则需要依靠收发器本身的共模抑制能力和良好的PCB布局、屏蔽层等硬件设计。一个重要的原则是SJW是你的朋友不是敌人。在资源tq数允许的情况下不要吝啬给SJW分配足够的宽度。一个较大的SJW例如3或4能显著提升总线在噪声环境下的“弹性”允许采样点有更大的移动范围来避开干扰。当然前提是遵守SJW ≤ min(Phase_Seg1, Phase_Seg2)的规则。最后所有配置都应在实际的硬件环境中进行最终测试和验证。理论计算是基础但实验室的安静环境与真实世界的复杂电磁环境截然不同。务必在样机或实验平台上进行长时间、高负载、带有典型干扰源的稳定性测试观察错误计数器的变化确保配置的鲁棒性。

相关新闻

EDGE:如何用AI让音乐自动生成专业级舞蹈动作?

EDGE:如何用AI让音乐自动生成专业级舞蹈动作?

EDGE:如何用AI让音乐自动生成专业级舞蹈动作? 【免费下载链接】EDGE Official PyTorch Implementation of EDGE (CVPR 2023) 项目地址: https://gitcode.com/gh_mirrors/edge3/EDGE 想象一下,只需一段音乐,AI就能创作出专业…

2026/7/25 12:07:54 阅读更多 →
OpenCV-Python实战(23)——将OpenCV计算机视觉项目部署到云端

OpenCV-Python实战(23)——将OpenCV计算机视觉项目部署到云端

OpenCV-Python实战(23)——将OpenCV计算机视觉项目部署到云端 0. 前言 1. 创建 PythonAnywhere 站点环境 2. 将 OpenCV 计算机视觉项目部署到云端 3. 测试部署在云端的计算机视觉项目 小结 系列链接 0. 前言 我们已经学习了如何将在 Web 端部署 OpenCV 计算机视觉项目,但是…

2026/7/25 22:01:54 阅读更多 →
flatcc开发者指南:贡献代码、调试技巧与社区协作流程

flatcc开发者指南:贡献代码、调试技巧与社区协作流程

flatcc开发者指南:贡献代码、调试技巧与社区协作流程 【免费下载链接】flatcc FlatBuffers Compiler and Library in C for C 项目地址: https://gitcode.com/gh_mirrors/fl/flatcc FlatCC FlatBuffers 编译器是一个为C语言设计的高性能序列化库,…

2026/7/25 6:15:51 阅读更多 →

最新新闻

AI辅助写作全流程工具链设计与实战指南

AI辅助写作全流程工具链设计与实战指南

1. 项目概述:AI辅助写作的现状与价值去年我完成了一本关于机器学习的专业著作,从初稿到出版用了11个月。最耗时的不是内容创作本身,而是反复修改格式、核对参考文献、调整图表位置这些"机械劳动"。直到我系统性地将AI工具引入写作流…

2026/7/26 5:34:22 阅读更多 →
深度强化学习在电力系统调度优化中的应用与实践

深度强化学习在电力系统调度优化中的应用与实践

1. 能源调度优化与强化学习的碰撞电力系统调度员每天都要面对这样的难题:如何在满足电网安全约束的前提下,让发电成本降到最低?传统优化算法像是带着镣铐跳舞,而深度强化学习(DRL)给这个问题带来了新的解法…

2026/7/26 5:34:22 阅读更多 →
基于omnicoder-9b的智能PDF转换工具开发实践

基于omnicoder-9b的智能PDF转换工具开发实践

1. 项目背景与核心需求在数字化办公场景中,我们经常遇到扫描版PDF文件无法直接编辑和检索的问题。这类文件本质上是图片的集合,而非真正的文本内容。传统OCR(光学字符识别)方案虽然能解决部分问题,但往往面临格式丢失、…

2026/7/26 5:34:22 阅读更多 →
Linux系统编程:从libc到glibc的演进与优化实践

Linux系统编程:从libc到glibc的演进与优化实践

1. 从标准C库到现代Linux的演进之路在Linux系统编程领域,libc和glibc这两个术语经常交替出现,却鲜有人能说清它们之间的渊源与差异。作为Linux系统中最基础也最核心的库,C标准库的实现直接决定了整个系统的兼容性、性能和稳定性。我曾在多个嵌…

2026/7/26 5:34:22 阅读更多 →
深度学习早停机制优化:从阈值判断到概率决策

深度学习早停机制优化:从阈值判断到概率决策

1. 早停机制的本质与演进早停(Early Stopping)是深度学习训练过程中最常用的正则化技术之一,其核心思想是通过监控验证集指标来提前终止训练,防止模型过拟合。传统实现方式通常基于固定阈值判断——当验证集损失连续N个epoch未下降…

2026/7/26 5:34:22 阅读更多 →
基于CNN的岩石图像识别系统设计与实现

基于CNN的岩石图像识别系统设计与实现

1. 项目概述:基于CNN的岩石识别系统设计与实现在野外地质调查和矿产资源勘探中,岩石类型的快速准确识别一直是个技术难点。传统方法依赖专家目视鉴定,不仅效率低下,而且受主观因素影响较大。针对这一问题,我们开发了一…

2026/7/26 5:33:22 阅读更多 →

日新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/26 0:00:31 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/26 0:00:31 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/26 0:00:31 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/26 0:00:31 阅读更多 →

月新闻