登录社区云,与社区用户共同成长
邀请您加入社区
指的是在红外探测器芯片焦平面阵列上,每个像元的实际物理尺寸,也就是我们常说的30μm、25μm 、17μm、12μm、10μm 、8μm之类的。或者像元中心距,即相邻像元中心之间的物理距离。空间分辨率 = 瞬时视场角 = IFOV。
空间分辨率 = 瞬时视场角 = IFOV
像元尺寸指的是在红外探测器芯片焦平面阵列上,每个像元的实际物理尺寸,也就是我们常说的30μm、25μm 、17μm、12μm、10μm 、8μm之类的。有些人也称这个尺寸为像元间距或者像元中心距,即相邻像元中心之间的物理距离。
像元尺寸
有些人也称这个尺寸为像元间距
. 空间分辨率 = 像元间距 镜头焦距 (单位 m r a d ) 空间分辨率 = \dfrac{像元间距}{镜头焦距}(单位mrad) 空间分辨率=镜头焦距像元间距(单位mrad) .
参考资料公式来源1公式来源2像元尺寸和像元间距
有“AI”的1024 = 2048,欢迎大家加入2048 AI社区
更多推荐
Rust数组与向量
数组实现了IntoIterator trait,可以使用for-in迭代,for-in会自动调用数组的into_iter方法转换成迭代器。在Rust中,从数组到切片是隐式的,而从切片转换到数组不是隐式的。当我们尝试在数组中移动一个元素,这会导致数组的一部分内容不再被数组拥有,是不可预算的行为。一维数组只由列组成,二维数组是由行和列组成的,而三维数组是由行、列和深度组成的。数组类型需要手动声明,并且
论文AI率飙到90%?别怕!7款实测好用的降AI率工具,帮你轻松过关!
解决大规模AI推理服务冷启动问题!AI应用架构师的6个技巧
本文聚焦大规模AI推理服务冷启动到底是什么?它为什么会导致服务延迟暴涨?架构师该用哪些技巧彻底解决它?用“早餐店故事”引入冷启动问题拆解冷启动的3个根源逐个讲解6个优化技巧(原理+代码+案例)实战:用TensorFlow Serving解决冷启动应用场景+工具推荐+未来趋势冷启动总延迟 = 模型加载时间 + 资源初始化时间 + 第一次请求计算时间模型加载:10秒;资源初始化:2秒;第一次计算:5秒
扫一扫分享内容
所有评论(0)