0.45882352941176470.45882352941176470.45490196078431370.45490196078431370.45882352941176470.45490196078431370.450980392156862750.44705882352941180.43921568627450980.431372549019607860.42352941176470590.4039215686274510.388235294117647070.372549019607843150.364705882352941160.36078431372549020.35686274509803920.352941176470588260.35686274509803920.35686274509803920.36078431372549020.364705882352941160.364705882352941160.36862745098039220.37647058823529410.38431372549019610.40.415686274509803940.42352941176470590.435294117647058830.435294117647058830.43921568627450980.443137254901960760.44705882352941180.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.44705882352941180.44705882352941180.443137254901960760.43921568627450980.435294117647058830.431372549019607860.41960784313725490.41176470588235290.4039215686274510.3960784313725490.40.4039215686274510.41176470588235290.42352941176470590.435294117647058830.443137254901960760.450980392156862750.45882352941176470.45882352941176470.46274509803921570.46666666666666670.46666666666666670.46666666666666670.46666666666666670.470588235294117640.470588235294117640.470588235294117640.46274509803921570.45490196078431370.450980392156862750.44705882352941180.44705882352941180.450980392156862750.45490196078431370.45882352941176470.46274509803921570.46274509803921570.46274509803921570.46274509803921570.45490196078431370.450980392156862750.44705882352941180.443137254901960760.443137254901960760.44705882352941180.450980392156862750.45490196078431370.45490196078431370.45490196078431370.450980392156862750.44705882352941180.443137254901960760.443137254901960760.443137254901960760.443137254901960760.44705882352941180.44705882352941180.443137254901960760.443137254901960760.43921568627450980.43921568627450980.431372549019607860.42352941176470590.415686274509803940.407843137254901960.3960784313725490.38431372549019610.36862745098039220.35686274509803920.352941176470588260.345098039215686270.345098039215686270.34117647058823530.345098039215686270.349019607843137240.35686274509803920.36078431372549020.36078431372549020.36862745098039220.38039215686274510.407843137254901960.435294117647058830.43921568627450980.443137254901960760.44705882352941180.44705882352941180.450980392156862750.45490196078431370.450980392156862750.45490196078431370.45490196078431370.45882352941176470.46274509803921570.46274509803921570.46666666666666670.470588235294117640.47450980392156860.47450980392156860.478431372549019630.48235294117647060.48235294117647060.48235294117647060.486274509803921560.490196078431372530.490196078431372530.490196078431372530.486274509803921560.48235294117647060.48235294117647060.47450980392156860.47450980392156860.47450980392156860.46666666666666670.45490196078431370.44705882352941180.43921568627450980.43921568627450980.43921568627450980.443137254901960760.44705882352941180.44705882352941180.43921568627450980.427450980392156840.41176470588235290.3960784313725490.38431372549019610.38039215686274510.38039215686274510.392156862745098030.40.415686274509803940.41960784313725490.41960784313725490.40.38039215686274510.364705882352941160.349019607843137240.349019607843137240.349019607843137240.352941176470588260.352941176470588260.34117647058823530.337254901960784340.337254901960784340.34117647058823530.34117647058823530.34117647058823530.337254901960784340.337254901960784340.329411764705882350.329411764705882350.32549019607843140.32549019607843140.32549019607843140.32549019607843140.32156862745098040.32156862745098040.32156862745098040.32156862745098040.32156862745098040.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.31764705882352940.309803921568627460.30588235294117650.30588235294117650.30588235294117650.30588235294117650.30588235294117650.301960784313725470.29803921568627450.29803921568627450.294117647058823540.294117647058823540.294117647058823540.45882352941176470.45882352941176470.45882352941176470.45490196078431370.45490196078431370.45490196078431370.44705882352941180.443137254901960760.43921568627450980.431372549019607860.42352941176470590.4039215686274510.392156862745098030.38039215686274510.36862745098039220.364705882352941160.36078431372549020.36078431372549020.36078431372549020.36078431372549020.36078431372549020.364705882352941160.36862745098039220.372549019607843150.37647058823529410.38431372549019610.3960784313725490.41176470588235290.42352941176470590.431372549019607860.43921568627450980.44705882352941180.44705882352941180.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.450980392156862750.44705882352941180.443137254901960760.43921568627450980.435294117647058830.427450980392156840.42352941176470590.41960784313725490.415686274509803940.41176470588235290.407843137254901960.407843137254901960.41176470588235290.41960784313725490.427450980392156840.43921568627450980.44705882352941180.45490196078431370.45882352941176470.45882352941176470.46666666666666670.47450980392156860.47450980392156860.470588235294117640.470588235294117640.46666666666666670.46666666666666670.46274509803921570.45882352941176470.45490196078431370.450980392156862750.450980392156862750.45490196078431370.46274509803921570.46666666666666670.470588235294117640.470588235294117640.47450980392156860.47450980392156860.470588235294117640.46274509803921570.45882352941176470.45490196078431370.450980392156862750.450980392156862750.45490196078431370.45882352941176470.46274509803921570.46274509803921570.46274509803921570.46274509803921570.45490196078431370.44705882352941180.44705882352941180.44705882352941180.443137254901960760.43921568627450980.43921568627450980.43921568627450980.443137254901960760.43921568627450980.435294117647058830.427450980392156840.41960784313725490.415686274509803940.407843137254901960.3960784313725490.38039215686274510.36862745098039220.35686274509803920.349019607843137240.345098039215686270.345098039215686270.345098039215686270.349019607843137240.352941176470588260.36078431372549020.36078431372549020.364705882352941160.37647058823529410.388235294117647070.41176470588235290.435294117647058830.43921568627450980.443137254901960760.44705882352941180.450980392156862750.450980392156862750.450980392156862750.45490196078431370.45490196078431370.45882352941176470.45882352941176470.46274509803921570.46274509803921570.46274509803921570.46666666666666670.47450980392156860.47450980392156860.478431372549019630.478431372549019630.48235294117647060.48235294117647060.48235294117647060.486274509803921560.486274509803921560.486274509803921560.486274509803921560.486274509803921560.48235294117647060.478431372549019630.478431372549019630.48235294117647060.47450980392156860.46274509803921570.45490196078431370.44705882352941180.44705882352941180.443137254901960760.44705882352941180.450980392156862750.450980392156862750.450980392156862750.43921568627450980.427450980392156840.415686274509803940.4039215686274510.3960784313725490.392156862745098030.40.4039215686274510.41176470588235290.415686274509803940.41960784313725490.4039215686274510.38431372549019610.372549019607843150.35686274509803920.35686274509803920.35686274509803920.35686274509803920.352941176470588260.349019607843137240.345098039215686270.349019607843137240.352941176470588260.35686274509803920.35686274509803920.35686274509803920.35686274509803920.35686274509803920.35686274509803920.35686274509803920.352941176470588260.349019607843137240.345098039215686270.345098039215686270.34117647058823530.34117647058823530.34117647058823530.337254901960784340.337254901960784340.337254901960784340.33333333333333330.33333333333333330.33333333333333330.329411764705882350.329411764705882350.329411764705882350.33333333333333330.33333333333333330.33333333333333330.33333333333333330.329411764705882350.329411764705882350.329411764705882350
基于神经网络CNN的辣条包装袋缺陷检测python源码+模型+超详细注释.zip （88个子文件） 
__init__.py 0B onnx_predict_test.py 3KB train_bak_添加注释.py 6KB
执行过程.txt 188B test_20200819.py 3KB aa.txt 2.67MB 样本生成.py 4KB
utils utils.py 1KB __pycache__ utils.cpython-36.pyc 1KB train_ct.py 10KB train_multy_inputs.py 10KB torch_model_train_Acc98.036_test_Acc0.959_ct.onnx 42.66MB core networks.py 4KB __pycache__ networks.cpython-36.pyc 2KB config.cpython-36.pyc 1KB config.py 1KB onnx_video_demo.py 1KB data_ct train 0 
5_.jpg 1KB 6_A.jpg 847B 1_A.jpg 749B 4_A.jpg 764B 6_.jpg 801B 1.jpg 731B 5_A.jpg 1KB 1_.jpg 759B 3_A.jpg 1020B 3.jpg 1KB 1 5_.jpg 1KB 2.jpg 3KB 8_.jpg 1KB 3_.jpg 813B 6.jpg 1KB 10_.jpg 4KB 6_.jpg 836B 1.jpg 813B 12_.jpg 2KB 9_.jpg 836B 9_ (2).jpg 862B 7_.jpg 4KB 14_ (2).jpg 2KB 3.jpg 984B 8_ (2).jpg 2KB 1.jpg 2KB test 0 357_A.jpg 751B 425_.jpg 795B 369_.jpg 778B 401_A.jpg 798B 415_.jpg 777B 1 285_A.jpg 857B 329_.jpg 1KB 311_.jpg 1019B 327_A.jpg 791B 334_A.jpg 1KB 357_.jpg 1KB 288_A.jpg 821B 318_.jpg 1010B 339_.jpg 1KB 279_A.jpg 946B model 01_weight_ct.pth 0B 01.pth 0B 01_ct.pth 0B train_1.py 8KB 备注 156B models_network squeezenet.py 2KB googlenet.py 4KB shufflenet.py 7KB resnext.py 4KB nasnet.py 9KB xception.py 6KB shufflenetv2.py 5KB rir.py 7KB mobilenetv2.py 3KB inceptionv4.py 18KB senet.py 5KB preactresnet.py 4KB densenet.py 5KB resnet.py 5KB vgg.py 2KB __pycache__ vgg.cpython-36.pyc 2KB densenet.cpython-36.pyc 4KB resnet.cpython-36.pyc 5KB mobilenet.py 5KB inceptionv3.py 11KB attention.py 12KB 图片预测_canny_onnx.py 5KB train.py 10KB bb.txt 348KB onnx_predict.py 3KB资源评论
onnx
- 粉丝: 9439
- 资源: 5594
最新资源
- 1_ROT编码 (2).zip
- IMG_7230.jpg
- python+翻译器+语音
- 一个简单的库存管理系统，使用PHP、JavaScript、Bootstrap和CSS开发
- Python(Tkinter+matplotlib)实现光斑处理系统源代码
- HC32F4A0-v2.2.0-LittleVgl-8.3-1111.zip， 基于HC32F4A0的LVGL8.3工程
- 220913201郭博宇数据结构3.docx
- 小米R3G路由器breed专属
- MATLAB实现QRLSTM长短期记忆神经网络分位数回归时间序列区间预测（含完整的程序和代码详解）
- AN-HC32F4A0系列的外部存储器控制器EXMC -Rev1.1
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
