![](https://csdnimg.cn/release/downloadcmsfe/public/img/no-data.51c5211b.png)
![](https://csdnimg.cn/release/downloadcmsfe/public/img/good-course.ff455529.png)
- Fortran语言相关项目的示例Fortran语言大小:229KBFortran语言相关项目的示例Fortran语言相关项目的示例
0 5浏览
会员免费 - 基于MATLAB编程的端午节祝福动画生成系统(代码完整,数据齐全)matlab大小:1MB基于MATLAB编程的端午节祝福视频生成系统,需要MATLAB打开duanwujie.m文件运行,选择自己喜好的背影图片,图片可以自定义,然后输入祝福语,就可以生成祝福动画基于MATLAB编程的端午节祝福视频生成系统,需要MATLAB打开duanwujie.m文件运行,选择自己喜好的背影图片,图片可以自定义,然后输入祝福语,就可以生成祝福动画
0 6浏览
会员免费 - 遗传算法求解三维装箱问题.rar三维装箱大小:43KB基于遗传算法求解三维装箱问题(代码完整,数据齐全)基于遗传算法求解三维装箱问题(代码完整,数据齐全)
0 15浏览
会员免费 - 2024年备战蓝桥杯记录蓝桥杯大小:61MB2024年备战蓝桥杯记录,遗憾退场。2024年备战蓝桥杯记录,遗憾退场。
0 16浏览
会员免费 - 轴承故障频谱分析系统(代码完整,数据齐全)频谱分析大小:808KB轴承故障频谱分析系统(代码完整,数据齐全)轴承故障频谱分析系统(代码完整,数据齐全)
0 3浏览
会员免费 - Labelme 是一个开源的图像标注工具,它被广泛应用于图像标注和语义分割领域软件/插件大小:72MBLabelme 是一个开源的图像标注工具,它被广泛应用于图像标注和语义分割领域。这个工具提供了一个平台,允许用户手动标注图像并创建标签数据,这些数据可以用于训练机器学习模型或进行计算机视觉研究。Labelme 支持多种标注方式,包括矩形、圆形、多边形、线段和点等,具有友好的用户界面和强大的功能,可以轻松处理大量图像。 Labelme 是基于 JavaScript 开发的,可以在任何地方使用,不需要在电脑上安装大型数据集。此外,Labelme 的源代码可以安装到服务器上使用,并且可以在 PyCharm 中运行,便于进行二次开发。Labelme 的界面默认是英文的,但可以通过修改相应的 Python 文件来进行汉化。 安装 Labelme 可以通过 Python 的第三方库使用 pip 命令直接安装,推荐使用虚拟环境 Anaconda 来隔离安装环境。安装后,用户可以通过命令行启动 Labelme 并使用其标注功能。Labelme 的标注结果通常保存为与图像文件同名的 JSON 文件,其中包含了关键点坐标、图像文件名、类别等信息。Labelme 是一个开源的图像标注工具,它被广泛应用于图像标注和语义分割领域。这个工具提供了一个平台,允许用户手动标注图像并创建标签数据,这些数据可以用于训练机器学习模型或进行计算机视觉研究。Labelme 支持多种标注方式,包括矩形、圆形、多边形、线段和点等,具有友好的用户界面和强大的功能,可以轻松处理大量图像。 Labelme 是基于 JavaScript 开发的,可以在任何地方使用,不需要在电脑上安装大型数据集。此外,Labelme 的源代码可以安装到服务器上使用,并且可以在 PyCharm 中运行,便于进行二次开发。Labelme 的界面默认是英文的,但可以通过修改相应的 Python 文件来进行汉化。 安装 Labelme 可以通过 Python 的第三方库使用 pip 命令直接安装,推荐使用虚拟环境 Anaconda 来隔离安装环境。安装后,用户可以通过命令行启动 Labelme 并使用其标注功能。Labelme 的标注结果通常保存为与图像文件同名的 JSON 文件,其中包含了关键点坐标、图像文件名、类别等信息。
0 6浏览
会员免费 - 师大AI大一下期末复习礼包人工智能大小:149MB大一下期末复习礼包大一下期末复习礼包
0 14浏览
会员免费 - webrtc aecm 代码,msvs2019工程 附带测试wav文件webrtc大小:857KBwebrtc aecm 代码,msvs2019工程 附带测试wav文件webrtc aecm 代码,msvs2019工程 附带测试wav文件
0 4浏览
会员免费 - bootstrap资源程序:简易的bootstrap模板源码,响应式模板,简易模板,bootstrapbootstrap大小:2MBbootstrap资源程序:简易的bootstrap模板源码,响应式模板,简易模板,bootstrapbootstrap资源程序:简易的bootstrap模板源码,响应式模板,简易模板,bootstrap
0 7浏览
会员免费 - halcon多种条码识别例子图像处理大小:3MB附件代码使用HALCON软件编写的脚本,HALCON是一个用于机器视觉和图像处理的高级编程语言。代码主要分为三个部分(Part A、Part B和Part C),每个部分都演示了多线程在不同场景下的应用和性能。 Part A 展示了线程创建的开销。在这个部分中,代码创建了三个线程,每个线程执行一个空操作(do_nothing()),然后立即加入(par_join)。通过测量创建和加入这些线程所需的时间,可以了解线程创建的开销。在快速任务中创建线程是不建议的,因为线程创建和销毁的开销可能比任务本身还要大。 Part B 展示了完美的并行化。在这个部分中,代码创建了三个线程,每个线程执行一个等待操作(wait_seconds(1)),模拟长时间运行的任务。由于这些任务不包含内部并行化,所以可以实现最佳的加速效果。通过测量执行这些线程所需的时间,可以了解并行化的性能。 Part C 演示了如何并行读取条形码和数据码。 整个脚本的目的是演示多线程在机器视觉任务中的应用,以及如何通过并行化来提高性能。通过实际测量和比较,可以更好地理解多线程在不同情况下的效率和适用性。附件代码使用HALCON软件编写的脚本,HALCON是一个用于机器视觉和图像处理的高级编程语言。代码主要分为三个部分(Part A、Part B和Part C),每个部分都演示了多线程在不同场景下的应用和性能。 Part A 展示了线程创建的开销。在这个部分中,代码创建了三个线程,每个线程执行一个空操作(do_nothing()),然后立即加入(par_join)。通过测量创建和加入这些线程所需的时间,可以了解线程创建的开销。在快速任务中创建线程是不建议的,因为线程创建和销毁的开销可能比任务本身还要大。 Part B 展示了完美的并行化。在这个部分中,代码创建了三个线程,每个线程执行一个等待操作(wait_seconds(1)),模拟长时间运行的任务。由于这些任务不包含内部并行化,所以可以实现最佳的加速效果。通过测量执行这些线程所需的时间,可以了解并行化的性能。 Part C 演示了如何并行读取条形码和数据码。 整个脚本的目的是演示多线程在机器视觉任务中的应用,以及如何通过并行化来提高性能。通过实际测量和比较,可以更好地理解多线程在不同情况下的效率和适用性。
0 7浏览
会员免费 - 检测和读取图像中的文本小例子图像处理大小:259KB这段代码是使用HALCON软件的脚本语言编写的,主要用于图像处理和模式识别任务中的光学字符识别(OCR)。HALCON是一款广泛使用的图像处理软件,它提供了丰富的库函数来处理图像、识别物体、执行机器学习和执行OCR等任务。 这段代码的主要作用是演示如何使用HALCON软件中的find_text函数来检测和读取图像中的文本。以下是代码的主要步骤和功能: 初始化窗口句柄,并设置窗口的显示字体。 读取OCR分类器(基于多层感知器MLP),并创建文本模型。 显示消息,解释如何使用find_text函数以及最重要的参数。 清除窗口,显示关于如何创建文本模型和获取分割结果的信息。 读取图像,并使用find_text函数检测图像中的文本。 通过调用get_text_object函数获取分割的文本行。 显示图像和检测到的文本行。 设置文本模型参数,以限制分割到特定极性的文本(例如,仅暗文本在亮背景上)。 进一步设置文本模型参数,以限制分割到特定属性的文本(例如,最小字符高度)。 搜索特定文本结构时,可以设置文本行分隔符和结构。 显示图像和根据特定参数分割的文本行。 具体请查阅附件实施代码.这段代码是使用HALCON软件的脚本语言编写的,主要用于图像处理和模式识别任务中的光学字符识别(OCR)。HALCON是一款广泛使用的图像处理软件,它提供了丰富的库函数来处理图像、识别物体、执行机器学习和执行OCR等任务。 这段代码的主要作用是演示如何使用HALCON软件中的find_text函数来检测和读取图像中的文本。以下是代码的主要步骤和功能: 初始化窗口句柄,并设置窗口的显示字体。 读取OCR分类器(基于多层感知器MLP),并创建文本模型。 显示消息,解释如何使用find_text函数以及最重要的参数。 清除窗口,显示关于如何创建文本模型和获取分割结果的信息。 读取图像,并使用find_text函数检测图像中的文本。 通过调用get_text_object函数获取分割的文本行。 显示图像和检测到的文本行。 设置文本模型参数,以限制分割到特定极性的文本(例如,仅暗文本在亮背景上)。 进一步设置文本模型参数,以限制分割到特定属性的文本(例如,最小字符高度)。 搜索特定文本结构时,可以设置文本行分隔符和结构。 显示图像和根据特定参数分割的文本行。 具体请查阅附件实施代码.
0 11浏览
会员免费 - 身份证数字识别DBNET+PCA支持向量机大小:49MB采用DBNET检测身份证数字所在区域,然后使用切割字符的方法,使用PCA+SVM训练和分类,支持C++/PYTHON开发采用DBNET检测身份证数字所在区域,然后使用切割字符的方法,使用PCA+SVM训练和分类,支持C++/PYTHON开发
0 18浏览
会员免费 - Simulink三相两电平逆变器RAR大小:807KB三相两电平逆变器的电路结构如下图所示,作为非常基本的电力电子电路,三相两电平逆变器是一种常见的逆变器拓扑结构,它由六个功率开关管组成,能够将直流电源转换为两种电平的交流输出。其基本原理是通过控制六个功率开关管的通断状态,实现对交流输出波形的调制,从而实现电压的逆变三相两电平逆变器的电路结构如下图所示,作为非常基本的电力电子电路,三相两电平逆变器是一种常见的逆变器拓扑结构,它由六个功率开关管组成,能够将直流电源转换为两种电平的交流输出。其基本原理是通过控制六个功率开关管的通断状态,实现对交流输出波形的调制,从而实现电压的逆变
0 7浏览
会员免费 - python 验证码 高精准 OCR模型 源代码python大小:62MBOCR模型 源代码,解决网站验证码识别问题,内容包含项目工程源代码,python技术开发,源代码供大家共享OCR模型 源代码,解决网站验证码识别问题,内容包含项目工程源代码,python技术开发,源代码供大家共享
0 14浏览
会员免费 - 机器学习必读经典-统计学习方法-配套课件机器学习大小:55MB《统计学习方法》是一本经典的机器学习教材,由李航编写。这本书分为两篇,详细介绍了监督学习和无监督学习的主要方法。第一篇涵盖了决策树、感知机、支持向量机、最大熵模型、逻辑斯谛回归、EM算法、隐马尔科夫模型等监督学习方法。第二篇探讨了聚类、奇异值分解、主成分分析、潜在语义分析等无监督学习方法。作为统计机器学习领域的经典教材,它为学习者提供了丰富的理论基础和实践经验,对于理解机器学习算法、提高实际应用能力以及进行相关课程的教学都具有重要意义。《统计学习方法》是一本经典的机器学习教材,由李航编写。这本书分为两篇,详细介绍了监督学习和无监督学习的主要方法。第一篇涵盖了决策树、感知机、支持向量机、最大熵模型、逻辑斯谛回归、EM算法、隐马尔科夫模型等监督学习方法。第二篇探讨了聚类、奇异值分解、主成分分析、潜在语义分析等无监督学习方法。作为统计机器学习领域的经典教材,它为学习者提供了丰富的理论基础和实践经验,对于理解机器学习算法、提高实际应用能力以及进行相关课程的教学都具有重要意义。
0 9浏览
会员免费 - PSO解决旅行商问题资源:旅行商问题的 pso解决方案tsp大小:742KBPSO解决旅行商问题资源,旅行商问题的 pso解决方案PSO解决旅行商问题资源,旅行商问题的 pso解决方案
0 7浏览
会员免费 - GUI仿真资源:mmn排队系统仿真源代码,gui界面,实现动画仿真软件/插件大小:29KBGUI仿真资源,mmn排队系统仿真源代码,gui界面,实现动画仿真GUI仿真资源,mmn排队系统仿真源代码,gui界面,实现动画仿真
0 7浏览
会员免费 - python-weibo-analyze.rar 微博情感分析训练模型python大小:131MB### 微博情感分析训练模型介绍 #### 关键信息提取 - **资源名称**:微博情感分析训练模型 - **资源类型**:机器学习模型 - **主要功能**:分析微博文本的情感倾向 #### 科普风格概要介绍 微博情感分析训练模型是一种专门针对微博文本的机器学习模型。它的核心功能是分析微博内容中的情感倾向,比如积极、消极或中性。这种模型通常基于自然语言处理(NLP)技术,利用大量的微博数据训练而成。通过学习大量的文本数据,模型能够识别出表达特定情感的语言模式,从而对新的微博内容进行情感判断。 #### 适用人群和使用场景 - **适用人群**: - 数据分析师:用于分析微博用户的情感趋势。 - 社交媒体经理:监控品牌在微博上的情感反响。 - 研究人员:研究社交媒体情感表达的模式。 - **使用场景**: - 市场分析:了解消费者对产品或服务的情感态度。 - 社会研究:分析公众对特定事件或话题的情感反应。 - 品牌管理:监控品牌在微博上的形象和声誉。 #### 资源目标和其他重要说明 - **资源目标**:提供一种工具,帮助用户快速、准确地分析微博文本的情感倾向### 微博情感分析训练模型介绍 #### 关键信息提取 - **资源名称**:微博情感分析训练模型 - **资源类型**:机器学习模型 - **主要功能**:分析微博文本的情感倾向 #### 科普风格概要介绍 微博情感分析训练模型是一种专门针对微博文本的机器学习模型。它的核心功能是分析微博内容中的情感倾向,比如积极、消极或中性。这种模型通常基于自然语言处理(NLP)技术,利用大量的微博数据训练而成。通过学习大量的文本数据,模型能够识别出表达特定情感的语言模式,从而对新的微博内容进行情感判断。 #### 适用人群和使用场景 - **适用人群**: - 数据分析师:用于分析微博用户的情感趋势。 - 社交媒体经理:监控品牌在微博上的情感反响。 - 研究人员:研究社交媒体情感表达的模式。 - **使用场景**: - 市场分析:了解消费者对产品或服务的情感态度。 - 社会研究:分析公众对特定事件或话题的情感反应。 - 品牌管理:监控品牌在微博上的形象和声誉。 #### 资源目标和其他重要说明 - **资源目标**:提供一种工具,帮助用户快速、准确地分析微博文本的情感倾向
0 4浏览
免费 - mobilenet-v1-ssd-mp-0-675.pthjetson.inference大小:34MBmobilenet-v1-ssd-mp-0-675.pthmobilenet-v1-ssd-mp-0-675.pth
0 6浏览
会员免费 - 轻松案例学习GUI+Matlab GUI学习+PID参数整定matlab大小:2MB这是基于MATLAB的PID控制器设计GUI项目。通过该GUI,用户可以快速调整PID参数,实时查看系统响应,并进行频域和时域分析,完成复杂的控制系统设计和优化。此工具特别适合在自动控制、机电一体化、化工过程控制等领域工作的工程师和研究人员,提高他们在控制系统设计和调试方面的效率。对于自动化控制、机械工程和电子工程等专业的学生和教师,这款GUI工具是理想的教学和学习辅助工具,能够通过直观界面理解PID控制原理。应用场景包括工业自动化中的温度、压力、流量控制,机器人领域的电机、位置控制和轨迹跟踪,过程控制中的反应釜温度和浓度控制,以及控制理论研究中的仿真和实验。此外,这款工具在教育培训中也是不可或缺的,通过直观界面帮助学生快速掌握PID控制基本原理和应用,教师可以轻松开展相关课程的教学和实验。我们的MATLAB PID控制器设计GUI项目为用户提供了一个强大而直观的工具,适用于各类工程应用和教适用于各类工程应用和教育场景,无论您是工程师、研究人员、学生还是企业技术人员,都可以通过该工具轻松设计、优化和调试PID控制器,从而提高工作效率和成果质量。欢迎大家下载使用,并提出宝贵意见和建议。这是基于MATLAB的PID控制器设计GUI项目。通过该GUI,用户可以快速调整PID参数,实时查看系统响应,并进行频域和时域分析,完成复杂的控制系统设计和优化。此工具特别适合在自动控制、机电一体化、化工过程控制等领域工作的工程师和研究人员,提高他们在控制系统设计和调试方面的效率。对于自动化控制、机械工程和电子工程等专业的学生和教师,这款GUI工具是理想的教学和学习辅助工具,能够通过直观界面理解PID控制原理。应用场景包括工业自动化中的温度、压力、流量控制,机器人领域的电机、位置控制和轨迹跟踪,过程控制中的反应釜温度和浓度控制,以及控制理论研究中的仿真和实验。此外,这款工具在教育培训中也是不可或缺的,通过直观界面帮助学生快速掌握PID控制基本原理和应用,教师可以轻松开展相关课程的教学和实验。我们的MATLAB PID控制器设计GUI项目为用户提供了一个强大而直观的工具,适用于各类工程应用和教适用于各类工程应用和教育场景,无论您是工程师、研究人员、学生还是企业技术人员,都可以通过该工具轻松设计、优化和调试PID控制器,从而提高工作效率和成果质量。欢迎大家下载使用,并提出宝贵意见和建议。
0 20浏览
会员免费 - AI摄影电商工作流+Pulid+facerestore人工智能大小:1MB兄弟们 解密一个AI影楼的工作流 你可能刷到过这种AI写真直播间 定制他需要刷一个热气球或者一辆跑车 但AI写真生成只需1分钟 这种效率让他们似的赚的盆满钵满 所以我试着搭配这套工作流 在liblib网站找到最新的摄影写真XL大模型 也结合了字节跳动新出的 Pulid捕捉人脸技术 让这套工作流表现力 轻轻松松远超现在市场 同行AI写真质量 然而我也上传工作流和配套提示词 及配套的AI大模型都会分享出来 就算你是AI的小白也能轻松的驾驭 首先拖入我给你们的工作流 然后你需要做的只是上传你想生成的画面 只需上传一张你平时的头像 按下生成就可以轻松的搞定兄弟们 解密一个AI影楼的工作流 你可能刷到过这种AI写真直播间 定制他需要刷一个热气球或者一辆跑车 但AI写真生成只需1分钟 这种效率让他们似的赚的盆满钵满 所以我试着搭配这套工作流 在liblib网站找到最新的摄影写真XL大模型 也结合了字节跳动新出的 Pulid捕捉人脸技术 让这套工作流表现力 轻轻松松远超现在市场 同行AI写真质量 然而我也上传工作流和配套提示词 及配套的AI大模型都会分享出来 就算你是AI的小白也能轻松的驾驭 首先拖入我给你们的工作流 然后你需要做的只是上传你想生成的画面 只需上传一张你平时的头像 按下生成就可以轻松的搞定
0 23浏览
免费 - 卡尔曼滤波器激光雷达SLAM算法设计-分析了基于运动学车辆模型的自动驾驶MPC横向控制算法 附matlab代码自动驾驶大小:8MB深入研究了结合卡尔曼滤波器的激光雷达SLAM(同时定位与地图构建)算法,并针对自动驾驶车辆的横向控制,提出了基于运动学车辆模型的MPC(模型预测控制)算法。文章不仅详细分析了算法的理论基础,还通过仿真实验测试了算法的性能和鲁棒性,为自动驾驶技术的研发提供了有价值的参考。 内容概要: 介绍卡尔曼滤波器在激光雷达SLAM中的应用及其优势。 阐述基于运动学车辆模型的MPC横向控制算法的设计思路。 分析算法在仿真环境下的性能表现和鲁棒性测试结果。 讨论算法的实际应用场景和潜在的改进方向。 适用人群: 自动驾驶技术研发人员 机器人学和人工智能研究者 控制理论与应用工程师 相关专业的研究生和高年级本科生 使用场景: 自动驾驶车辆的定位与导航 智能交通系统的开发与优化 机器人路径规划与控制 高级驾驶辅助系统(ADAS)的研发 目标: 提供一种结合卡尔曼滤波器和MPC的高效自动驾驶控制策略。 通过仿真实验验证算法的有效性和实用性。 推动自动驾驶技术在实际应用中的发展和创新。 关键词标签: 卡尔曼滤波器 激光雷达SLAM 自动驾驶 MPC横向控制 运动学车辆模型 性能分析 鲁棒性 仿真实验深入研究了结合卡尔曼滤波器的激光雷达SLAM(同时定位与地图构建)算法,并针对自动驾驶车辆的横向控制,提出了基于运动学车辆模型的MPC(模型预测控制)算法。文章不仅详细分析了算法的理论基础,还通过仿真实验测试了算法的性能和鲁棒性,为自动驾驶技术的研发提供了有价值的参考。 内容概要: 介绍卡尔曼滤波器在激光雷达SLAM中的应用及其优势。 阐述基于运动学车辆模型的MPC横向控制算法的设计思路。 分析算法在仿真环境下的性能表现和鲁棒性测试结果。 讨论算法的实际应用场景和潜在的改进方向。 适用人群: 自动驾驶技术研发人员 机器人学和人工智能研究者 控制理论与应用工程师 相关专业的研究生和高年级本科生 使用场景: 自动驾驶车辆的定位与导航 智能交通系统的开发与优化 机器人路径规划与控制 高级驾驶辅助系统(ADAS)的研发 目标: 提供一种结合卡尔曼滤波器和MPC的高效自动驾驶控制策略。 通过仿真实验验证算法的有效性和实用性。 推动自动驾驶技术在实际应用中的发展和创新。 关键词标签: 卡尔曼滤波器 激光雷达SLAM 自动驾驶 MPC横向控制 运动学车辆模型 性能分析 鲁棒性 仿真实验
0 10浏览
会员免费 - 卡尔曼滤波器的MPC汽车控制器(python)智能汽车python大小:81MB详细介绍了如何结合卡尔曼滤波器和模型预测控制(MPC)技术来设计和实现一个高效稳定的汽车控制器。通过Python编程语言的具体实现,文章展示了如何在汽车控制系统中应用这两种先进的控制策略,以提高对环境变化和测量噪声的鲁棒性。 内容概要: 概述卡尔曼滤波器和模型预测控制(MPC)的基本原理。 描述如何将卡尔曼滤波器用于估计汽车的状态,如位置、速度和姿态。 展示如何通过MPC生成最优控制指令,以预测和优化汽车的未来行为。 提供Python代码实现,包括卡尔曼滤波器和MPC算法的集成。 适用人群: 汽车工程师 控制理论研究者 自动驾驶技术开发者 计算机科学与工程专业的学生和教师 使用场景: 自动驾驶汽车的轨迹规划和控制 高级驾驶员辅助系统(ADAS)的开发 汽车动力学仿真和测试 控制理论的教学和研究 目标: 向读者传授卡尔曼滤波器和MPC在汽车控制中的应用知识。 提供一个实用的Python实现示例,供读者学习和参考。 促进先进控制技术在汽车行业的应用和创新。 关键词标签: 卡尔曼滤波器 MPC 汽车控制器 Python 实现 自动驾驶 控制策略 状态估计 最优控制详细介绍了如何结合卡尔曼滤波器和模型预测控制(MPC)技术来设计和实现一个高效稳定的汽车控制器。通过Python编程语言的具体实现,文章展示了如何在汽车控制系统中应用这两种先进的控制策略,以提高对环境变化和测量噪声的鲁棒性。 内容概要: 概述卡尔曼滤波器和模型预测控制(MPC)的基本原理。 描述如何将卡尔曼滤波器用于估计汽车的状态,如位置、速度和姿态。 展示如何通过MPC生成最优控制指令,以预测和优化汽车的未来行为。 提供Python代码实现,包括卡尔曼滤波器和MPC算法的集成。 适用人群: 汽车工程师 控制理论研究者 自动驾驶技术开发者 计算机科学与工程专业的学生和教师 使用场景: 自动驾驶汽车的轨迹规划和控制 高级驾驶员辅助系统(ADAS)的开发 汽车动力学仿真和测试 控制理论的教学和研究 目标: 向读者传授卡尔曼滤波器和MPC在汽车控制中的应用知识。 提供一个实用的Python实现示例,供读者学习和参考。 促进先进控制技术在汽车行业的应用和创新。 关键词标签: 卡尔曼滤波器 MPC 汽车控制器 Python 实现 自动驾驶 控制策略 状态估计 最优控制
0 10浏览
会员免费 - 计算机视觉+yolov9+最强物体检测与自动定位计算机视觉大小:2MBYOLO(You Only Look Once)是深度学习模型系列,专门用于实时物体检测。YOLO-v9作为该系列最新版本,在性能、速度和精度上有显著提升。YOLO-v9沿用了单次卷积神经网络架构,能够在单次前向传播过程中完成图像中的物体定位和分类。在多个标准数据集上,YOLO-v9展现了顶尖性能,如在COCO和PASCAL VOC等常用数据集上达到了新的精度记录,平均精度均值(mAP)显著提高。此外,YOLO-v9的推理速度也进一步优化,即使在高分辨率图像上仍能保持高效运行,适合实时应用。YOLO-v9的广泛用处包括自动驾驶、安防监控、医疗影像分析和零售业等。在自动驾驶领域,YOLO-v9能够快速准确识别道路上的行人、车辆、交通标志等,提高自动驾驶系统的安全性和可靠性;在安防监控中,YOLO-v9可用于实时检测和识别潜在威胁,如入侵者或可疑物体,提升安全监控自动化程度;在医疗影像分析中,YOLO-v9能帮助医生快速识别异常病灶,如肿瘤或病变组织,辅助诊断和治疗;在零售业,YOLO-v9可用于智能货架管理、顾客行为分析、商品库存管理等,提升零售运营效率。相对算法,高效快速。YOLO(You Only Look Once)是深度学习模型系列,专门用于实时物体检测。YOLO-v9作为该系列最新版本,在性能、速度和精度上有显著提升。YOLO-v9沿用了单次卷积神经网络架构,能够在单次前向传播过程中完成图像中的物体定位和分类。在多个标准数据集上,YOLO-v9展现了顶尖性能,如在COCO和PASCAL VOC等常用数据集上达到了新的精度记录,平均精度均值(mAP)显著提高。此外,YOLO-v9的推理速度也进一步优化,即使在高分辨率图像上仍能保持高效运行,适合实时应用。YOLO-v9的广泛用处包括自动驾驶、安防监控、医疗影像分析和零售业等。在自动驾驶领域,YOLO-v9能够快速准确识别道路上的行人、车辆、交通标志等,提高自动驾驶系统的安全性和可靠性;在安防监控中,YOLO-v9可用于实时检测和识别潜在威胁,如入侵者或可疑物体,提升安全监控自动化程度;在医疗影像分析中,YOLO-v9能帮助医生快速识别异常病灶,如肿瘤或病变组织,辅助诊断和治疗;在零售业,YOLO-v9可用于智能货架管理、顾客行为分析、商品库存管理等,提升零售运营效率。相对算法,高效快速。
0 12浏览
会员免费 - 采用模型卡尔曼滤波,也称为线性二次估计(LQE)来恢复状态 两个控制器:线性二次调节器(LQR)和预测控制器(MPC)文档+程序模型卡尔曼滤波大小:6MB深入探讨了采用模型卡尔曼滤波(也称为线性二次估计LQE)来恢复系统状态的先进技术,并将其与两种流行控制器——线性二次调节器(LQR)和预测控制器(MPC)进行了详细的比较分析。通过理论分析和实验验证,本文旨在为工程师和研究人员提供一个全面的视角,以理解不同控制策略在实际应用中的表现和适用性。 内容概要: 介绍模型卡尔曼滤波的基本原理及其在状态估计中的应用。 详细解释线性二次调节器(LQR)的工作机制及其设计方法。 探讨预测控制器(MPC)的概念,包括其优化过程和实施挑战。 通过案例研究和模拟结果,对比LQR和MPC在不同场景下的性能。 讨论各控制策略的优缺点,以及在特定工业和科研领域内的应用潜力。 适用人群: 控制工程师 自动化系统设计师 研究人员和学者 高级技术学生和专业人士 使用场景: 工业自动化与控制 机器人技术与导航 航空航天工程 任何需要精确状态估计和控制的先进系统 目标: 为读者提供关于模型卡尔曼滤波、LQR和MPC的深入理解。 指导读者如何选择合适的控制策略以满足特定的系统要求。 促进先进控制技术在多个领域的应用和发展。 关键词标签: 模型卡尔曼滤波 LQE 线性二次调深入探讨了采用模型卡尔曼滤波(也称为线性二次估计LQE)来恢复系统状态的先进技术,并将其与两种流行控制器——线性二次调节器(LQR)和预测控制器(MPC)进行了详细的比较分析。通过理论分析和实验验证,本文旨在为工程师和研究人员提供一个全面的视角,以理解不同控制策略在实际应用中的表现和适用性。 内容概要: 介绍模型卡尔曼滤波的基本原理及其在状态估计中的应用。 详细解释线性二次调节器(LQR)的工作机制及其设计方法。 探讨预测控制器(MPC)的概念,包括其优化过程和实施挑战。 通过案例研究和模拟结果,对比LQR和MPC在不同场景下的性能。 讨论各控制策略的优缺点,以及在特定工业和科研领域内的应用潜力。 适用人群: 控制工程师 自动化系统设计师 研究人员和学者 高级技术学生和专业人士 使用场景: 工业自动化与控制 机器人技术与导航 航空航天工程 任何需要精确状态估计和控制的先进系统 目标: 为读者提供关于模型卡尔曼滤波、LQR和MPC的深入理解。 指导读者如何选择合适的控制策略以满足特定的系统要求。 促进先进控制技术在多个领域的应用和发展。 关键词标签: 模型卡尔曼滤波 LQE 线性二次调
0 8浏览
会员免费 - csp资源程序:基于运动想象CSP算法matlab代码实现以及主流参考文章matlab大小:17MBcsp资源程序,基于运动想象CSP算法matlab代码实现以及主流参考文章csp资源程序,基于运动想象CSP算法matlab代码实现以及主流参考文章
0 7浏览
会员免费 - 鸡检测和跟踪yolo-v8数据集185张数据集大小:22MB鸡检测和跟踪yolo-v8数据集185张 原始自定义数据集*(v1)*由106个鸡及其周围环境的图像组成。 该数据集在公共许可证下可用。 ##零镜头对象跟踪 *使用Wendy Thomas的视频(通过使用[Roboflow的视频摄取工具]将其包含在该数据集中)(https://docs.roboflow.com/adding-data/video) ![示例-零镜头对象跟踪](https://i.imgur.com/pWvANOg.gif) ##入门 您可以下载此数据集在自己的项目中使用,也可以将其分叉到Roboflow上的工作空间中创建自己的模型。 ##数据集版本 ###版本1(v1)-106个图像 ***预处理:**自动定向 ***增强:***未应用增强* ***训练指标:***此版本的数据集未经过训练* ###版本2(v2)-106个图像 ***预处理:**自动定向和调整大小(拉伸至416x416) ***增强:***未应用增强* ***训练指标:***此版本的数据集未经过训练* ###版本3(v3),“v1增强的COCO transferLearning”-254个图像 *3倍鸡检测和跟踪yolo-v8数据集185张 原始自定义数据集*(v1)*由106个鸡及其周围环境的图像组成。 该数据集在公共许可证下可用。 ##零镜头对象跟踪 *使用Wendy Thomas的视频(通过使用[Roboflow的视频摄取工具]将其包含在该数据集中)(https://docs.roboflow.com/adding-data/video) ![示例-零镜头对象跟踪](https://i.imgur.com/pWvANOg.gif) ##入门 您可以下载此数据集在自己的项目中使用,也可以将其分叉到Roboflow上的工作空间中创建自己的模型。 ##数据集版本 ###版本1(v1)-106个图像 ***预处理:**自动定向 ***增强:***未应用增强* ***训练指标:***此版本的数据集未经过训练* ###版本2(v2)-106个图像 ***预处理:**自动定向和调整大小(拉伸至416x416) ***增强:***未应用增强* ***训练指标:***此版本的数据集未经过训练* ###版本3(v3),“v1增强的COCO transferLearning”-254个图像 *3倍
0 7浏览
免费 - 350多幅苹果树上自然生长的苹果图像yolo-v8数据集数据集大小:67MB350多幅苹果树上自然生长的苹果图像yolo-v8数据集 由Roboflow用户提供 注释数据集包含350多幅苹果树上自然生长的苹果图像。与其他现有的套装不同,这套套装试图捕捉白天自然光照射不同的树上生长的苹果。 训练数据由彼得·布洛赫家中苹果树的77张照片组成。照片拍摄后,将其分割成多个较小的图像,每个图像的分辨率为360×640像素。此数字被选为稍后在该项目中使用的CV摄影机的最低自然分辨率。350多幅苹果树上自然生长的苹果图像yolo-v8数据集 由Roboflow用户提供 注释数据集包含350多幅苹果树上自然生长的苹果图像。与其他现有的套装不同,这套套装试图捕捉白天自然光照射不同的树上生长的苹果。 训练数据由彼得·布洛赫家中苹果树的77张照片组成。照片拍摄后,将其分割成多个较小的图像,每个图像的分辨率为360×640像素。此数字被选为稍后在该项目中使用的CV摄影机的最低自然分辨率。
0 10浏览
免费 - 农村无人机配送资源代码:无人机航迹规划 蚁群算法 数字地形软件/插件大小:24KB农村无人机配送资源代码,无人机航迹规划 蚁群算法 数字地形农村无人机配送资源代码,无人机航迹规划 蚁群算法 数字地形
0 12浏览
会员免费 - 618资源代码:运筹学中用0.618法解决线搜索问题,VS2005的环境软件/插件大小:23KB618资源代码,运筹学中用0.618法解决线搜索问题,VS2005的环境618资源代码,运筹学中用0.618法解决线搜索问题,VS2005的环境
0 4浏览
会员免费 - 四自由度受迫性振动MATLAB源代码matlab大小:2MB四自由度受迫性振动MATLAB源代码四自由度受迫性振动MATLAB源代码
0 11浏览
免费 - CCPD2020绿牌车数据集数据集大小:881MBCCPD2020绿牌车数据集,有训练集,预测集,验证集CCPD2020绿牌车数据集,有训练集,预测集,验证集
0 8浏览
会员免费 - 亚博智能k210开发板py版本拓展例程源码软件/插件大小:24KB亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展例程源码亚博智能k210开发板py版本拓展
0 17浏览
会员免费 - 亚博智能k210开发板附件k210大小:90MB亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能k210开发板附件亚博智能
0 26浏览
会员免费 - 数字图像处理-实验一:采样与量化.rar图像处理大小:2MB内容概要: "数字图像处理--实验一:采样与量化.rar"是一个关于数字图像处理基础概念的实验文件。它主要介绍了采样和量化这两个数字图像处理中的关键步骤。采样是将连续的模拟图像转换为离散的数字图像的过程,而量化则是将采样得到的数值转换为有限数量的可表示值的过程。该文件可能包含了理论讲解、实验指导、代码示例和实验结果分析等内容。 适用人群: 本实验文件适合数字图像处理、计算机视觉、电子工程等相关领域的学生、研究人员和专业人士。尤其适合那些正在学习或研究数字图像处理基础理论,以及需要进行图像采样和量化实验的个人。 使用场景及目标: 该文件可以用于学术课程的辅助教学,帮助学生理解数字图像处理中的采样和量化过程。同时,它也可以作为自学材料,供个人深入学习图像处理的基础知识。目标是让使用者能够掌握采样和量化的原理,学会如何将理论知识应用到实际的图像处理实验中,提高对数字图像质量控制的认识。 其他说明: 由于这是一个压缩文件,用户需要有相应的解压缩软件才能访问文件内容。此外,如果文件中包含了编程代码或实验数据,用户可能还需要具备一定的编程能力和数据处理能力。内容概要: "数字图像处理--实验一:采样与量化.rar"是一个关于数字图像处理基础概念的实验文件。它主要介绍了采样和量化这两个数字图像处理中的关键步骤。采样是将连续的模拟图像转换为离散的数字图像的过程,而量化则是将采样得到的数值转换为有限数量的可表示值的过程。该文件可能包含了理论讲解、实验指导、代码示例和实验结果分析等内容。 适用人群: 本实验文件适合数字图像处理、计算机视觉、电子工程等相关领域的学生、研究人员和专业人士。尤其适合那些正在学习或研究数字图像处理基础理论,以及需要进行图像采样和量化实验的个人。 使用场景及目标: 该文件可以用于学术课程的辅助教学,帮助学生理解数字图像处理中的采样和量化过程。同时,它也可以作为自学材料,供个人深入学习图像处理的基础知识。目标是让使用者能够掌握采样和量化的原理,学会如何将理论知识应用到实际的图像处理实验中,提高对数字图像质量控制的认识。 其他说明: 由于这是一个压缩文件,用户需要有相应的解压缩软件才能访问文件内容。此外,如果文件中包含了编程代码或实验数据,用户可能还需要具备一定的编程能力和数据处理能力。
0 11浏览
会员免费 - (深度域适应单位目标检测).rar目标检测大小:604KB适用人群: 本论文适合计算机视觉、机器学习、深度学习领域的研究人员和开发者,特别是那些对目标检测、领域自适应、迁移学习感兴趣的专业人士。此外,对于在自动驾驶、机器人视觉、人机交互等领域工作的工程师和技术人员,这篇论文也提供了宝贵的信息和见解。 使用场景及目标: 作为学术研究的参考资料,帮助研究人员了解DDAOD领域的最新进展和研究动态。 作为教育材料,供大学教师和学生在相关课程中学习和讨论。 作为技术开发和产品创新的指导,帮助企业和创业团队探索新的应用场景和解决方案。适用人群: 本论文适合计算机视觉、机器学习、深度学习领域的研究人员和开发者,特别是那些对目标检测、领域自适应、迁移学习感兴趣的专业人士。此外,对于在自动驾驶、机器人视觉、人机交互等领域工作的工程师和技术人员,这篇论文也提供了宝贵的信息和见解。 使用场景及目标: 作为学术研究的参考资料,帮助研究人员了解DDAOD领域的最新进展和研究动态。 作为教育材料,供大学教师和学生在相关课程中学习和讨论。 作为技术开发和产品创新的指导,帮助企业和创业团队探索新的应用场景和解决方案。
0 3浏览
免费 - 数字图像处理-实验一:采样与量化.rar图像处理大小:2MB内容概要: 这份资源是一份关于“图像的采样与量化”的实验文档,详细记录了在MATLAB环境下进行图像处理的实验过程。文档中介绍了实验的目的、内容、所需仪器与设备,以及实验原理,包括采样和量化的基本概念和它们在图像处理中的重要性。此外,还提供了MATLAB代码示例,展示了如何对图像进行不同程度的采样和量化,并分析了实验结果。 适用人群: 本文档适用于学习数字图像处理的大学生、研究生,以及相关专业的研究人员和开发人员。特别是对MATLAB编程和图像处理技术感兴趣的初学者,可以通过这份文档快速入门并理解图像采样与量化的基本原理。 使用场景及目标: 在学术教学中,作为图像处理课程的实验教材或辅助资料。 作为自学者的实践指南,帮助学习者通过动手实践来掌握图像采样和量化的技能。 为研究人员提供图像处理技术的理论基础和编程实践,以支持更高级的研究工作。内容概要: 这份资源是一份关于“图像的采样与量化”的实验文档,详细记录了在MATLAB环境下进行图像处理的实验过程。文档中介绍了实验的目的、内容、所需仪器与设备,以及实验原理,包括采样和量化的基本概念和它们在图像处理中的重要性。此外,还提供了MATLAB代码示例,展示了如何对图像进行不同程度的采样和量化,并分析了实验结果。 适用人群: 本文档适用于学习数字图像处理的大学生、研究生,以及相关专业的研究人员和开发人员。特别是对MATLAB编程和图像处理技术感兴趣的初学者,可以通过这份文档快速入门并理解图像采样与量化的基本原理。 使用场景及目标: 在学术教学中,作为图像处理课程的实验教材或辅助资料。 作为自学者的实践指南,帮助学习者通过动手实践来掌握图像采样和量化的技能。 为研究人员提供图像处理技术的理论基础和编程实践,以支持更高级的研究工作。
0 19浏览
免费 - 使用 dlib 库的人脸检测识别代码(C++)软件/插件大小:161KB使用 dlib 库的人脸检测识别代码,使用 HoG-SVM 检测人脸,使用 5 点面部地标模型进行人脸矫正,使用 resnet 残差网络模型进行人脸特征值提取和比较使用 dlib 库的人脸检测识别代码,使用 HoG-SVM 检测人脸,使用 5 点面部地标模型进行人脸矫正,使用 resnet 残差网络模型进行人脸特征值提取和比较
0 9浏览
会员免费 - matlab仿真:智能微电网PSO优化算法matlab大小:197KBmatlab仿真程序,智能微电网PSO优化算法matlab仿真程序,智能微电网PSO优化算法
0 7浏览
会员免费 - DeepGlobe数据集是一个专注于遥感图像分析的大型公开数据集,主要用于推动遥感图像分割和语义理解等领域的研数据集大小:781MBDeepGlobe数据集可以从官方网站上进行下载。在下载之前,可能需要注册账号。下载后的数据集需要进行一些必要的预处理操作,包括数据集的读取、图像预处理和标签预处理等。 一、数据集概述 DeepGlobe数据集由高分辨率的卫星图像以及相应的标注数据组成,旨在支持计算机视觉和遥感技术领域的科研人员开发更加先进的算法。该数据集涵盖了多个子任务,如道路分割、建筑物检测等,每个子任务都有其特定的数据集。 二、DeepGlobe Road数据集 数据来源:DeepGlobe Road数据集包含了来自6个国家的遥感影像,这些影像由高分辨率卫星拍摄。 数据规模:数据集中包含了训练集、验证集和测试集三部分,总共有20,000张图片。这些图片使用了像元尺寸为0.3米和0.05米的两种分辨率进行了测试。 标注信息:每张图片都配备了详细的道路轮廓线标注,用于支持道路分割任务的训练和评估。 三、DeepGlobe语义分割数据集 数据特点:该数据集专注于提供高分辨率的亚米卫星图像,特别关注农村地区。由于土地覆盖类型的多样性和注释的高密度,该数据集对算法的挑战性较高。 数据规模:数据集共包含1146幅卫星DeepGlobe数据集可以从官方网站上进行下载。在下载之前,可能需要注册账号。下载后的数据集需要进行一些必要的预处理操作,包括数据集的读取、图像预处理和标签预处理等。 一、数据集概述 DeepGlobe数据集由高分辨率的卫星图像以及相应的标注数据组成,旨在支持计算机视觉和遥感技术领域的科研人员开发更加先进的算法。该数据集涵盖了多个子任务,如道路分割、建筑物检测等,每个子任务都有其特定的数据集。 二、DeepGlobe Road数据集 数据来源:DeepGlobe Road数据集包含了来自6个国家的遥感影像,这些影像由高分辨率卫星拍摄。 数据规模:数据集中包含了训练集、验证集和测试集三部分,总共有20,000张图片。这些图片使用了像元尺寸为0.3米和0.05米的两种分辨率进行了测试。 标注信息:每张图片都配备了详细的道路轮廓线标注,用于支持道路分割任务的训练和评估。 三、DeepGlobe语义分割数据集 数据特点:该数据集专注于提供高分辨率的亚米卫星图像,特别关注农村地区。由于土地覆盖类型的多样性和注释的高密度,该数据集对算法的挑战性较高。 数据规模:数据集共包含1146幅卫星
0 16浏览
会员免费 - MNIST手写体识别(基于PyTorch平台的LeNet网络)pytorch大小:11MB基于PyTorch构建LeNet卷积神经网络,对MNIST数据集进行处理,实现手写体识别。 资源包括: 1 数据集 2 源代码文件(.ipynb版本) 3 源代码文件(.py版本)基于PyTorch构建LeNet卷积神经网络,对MNIST数据集进行处理,实现手写体识别。 资源包括: 1 数据集 2 源代码文件(.ipynb版本) 3 源代码文件(.py版本)
0 9浏览
会员免费 - python实训项目 1.分类类型数据挖掘任务 2.回归类型数据挖掘任务 3.综合类型数据挖掘任务数据挖掘大小:423MB回归类型数据挖掘任务 基于卷积神经网络(CNN)的岩石图像分类。有一岩石图片数据集,共300张岩石图片,图片尺寸224x224。岩石种类有砾岩(Conglomerate)、安山岩(Andesite)、花岗岩(Granite)、石灰岩(Limestone)、石英岩(Quartzite)和5种,每种岩石图片各50张,共250张。请选择合适模型对该数据集进行建模,训练优化模型并给出模型评估指标,再利用GUI框架开发岩石图片分类界面。 2.2分类类型数据挖掘任务 基于ARIMA和多层神经网络模型的地铁站点日客流量预测。有郑州市2015年8月-11月各地铁闸机刷卡数据集。对每日各地铁站的客流量进行分析并进行可视化。基于上一步的分析结果,分别采用ARIMA模型和多层神经网络模型对数据进行建模,训练优化模型并分别给出评估指标。原始数据如下所示,共分为4个文件,近15GB。 2.3综合类型数据挖掘任务 航空公司客户价值分析。航空公司客户价值分析。航空公司已积累了大量的会员档案信息和其乘坐航班记录(air_data.csv),以2014年3月31日为结束时间抽取两年内有乘机记录的所有客户的详细数据。回归类型数据挖掘任务 基于卷积神经网络(CNN)的岩石图像分类。有一岩石图片数据集,共300张岩石图片,图片尺寸224x224。岩石种类有砾岩(Conglomerate)、安山岩(Andesite)、花岗岩(Granite)、石灰岩(Limestone)、石英岩(Quartzite)和5种,每种岩石图片各50张,共250张。请选择合适模型对该数据集进行建模,训练优化模型并给出模型评估指标,再利用GUI框架开发岩石图片分类界面。 2.2分类类型数据挖掘任务 基于ARIMA和多层神经网络模型的地铁站点日客流量预测。有郑州市2015年8月-11月各地铁闸机刷卡数据集。对每日各地铁站的客流量进行分析并进行可视化。基于上一步的分析结果,分别采用ARIMA模型和多层神经网络模型对数据进行建模,训练优化模型并分别给出评估指标。原始数据如下所示,共分为4个文件,近15GB。 2.3综合类型数据挖掘任务 航空公司客户价值分析。航空公司客户价值分析。航空公司已积累了大量的会员档案信息和其乘坐航班记录(air_data.csv),以2014年3月31日为结束时间抽取两年内有乘机记录的所有客户的详细数据。
0 19浏览
会员免费 - 基于卷积神经网络(CNN)的岩石图像分类器cnn大小:770MB基于卷积神经网络(CNN)的岩石图像分类。有一岩石图片数据集,共300张岩石图片,图片尺寸224x224。岩石种类有砾岩(Conglomerate)、安山岩(Andesite)、花岗岩(Granite)、石灰岩(Limestone)、石英岩(Quartzite)和5种,每种岩石图片各50张,共250张。请选择合适模型对该数据集进行建模,训练优化模型并给出模型评估指标,再利用GUI框架开发岩石图片分类界面。基于卷积神经网络(CNN)的岩石图像分类。有一岩石图片数据集,共300张岩石图片,图片尺寸224x224。岩石种类有砾岩(Conglomerate)、安山岩(Andesite)、花岗岩(Granite)、石灰岩(Limestone)、石英岩(Quartzite)和5种,每种岩石图片各50张,共250张。请选择合适模型对该数据集进行建模,训练优化模型并给出模型评估指标,再利用GUI框架开发岩石图片分类界面。
0 11浏览
会员免费 - Scratch 设计一个简单应用程序编程语言大小:3KBScratch 是一个图形化的编程环境,专为儿童和初学者设计,以帮助他们学习编程的基本概念。在 Scratch 中,你不需要编写代码,而是通过拖拽编程块来构建应用程序。以下是设计一个简单应用程序的基本步骤: 打开Scratch:访问 Scratch官网 并注册一个账户,或者下载Scratch桌面应用程序。 创建新项目:登录后,点击“创建”来开始一个新的项目。 选择角色:在舞台上,你可以选择一个角色或者上传自己的角 ** 片。 添加背景:点击“背景”标签,选择一个背景或者上传自己的背景图片。 编写代码:使用拖拽的方式将编程块组合在一起来创建应用程序的逻辑。 添加交互:使用事件、控制、运算、变量等编程块来添加交互功能。 测试应用程序:点击绿旗按钮来运行你的应用程序,并测试它是否按预期工作。 分享和保存:当你满意你的应用程序时,可以点击“文件”菜单保存你的项目,或者点击“分享”按钮来分享你的项目Scratch 是一个图形化的编程环境,专为儿童和初学者设计,以帮助他们学习编程的基本概念。在 Scratch 中,你不需要编写代码,而是通过拖拽编程块来构建应用程序。以下是设计一个简单应用程序的基本步骤: 打开Scratch:访问 Scratch官网 并注册一个账户,或者下载Scratch桌面应用程序。 创建新项目:登录后,点击“创建”来开始一个新的项目。 选择角色:在舞台上,你可以选择一个角色或者上传自己的角 ** 片。 添加背景:点击“背景”标签,选择一个背景或者上传自己的背景图片。 编写代码:使用拖拽的方式将编程块组合在一起来创建应用程序的逻辑。 添加交互:使用事件、控制、运算、变量等编程块来添加交互功能。 测试应用程序:点击绿旗按钮来运行你的应用程序,并测试它是否按预期工作。 分享和保存:当你满意你的应用程序时,可以点击“文件”菜单保存你的项目,或者点击“分享”按钮来分享你的项目
0 10浏览
免费 - TensorFlow实现语音转换为文本tensorflow大小:3KBTensorFlow 提供了多种工具和库来实现语音到文本(Speech-to-Text,STT)的转换。附件是一个使用 TensorFlow 的 Speech Recognition API 来将语音转换为文本的基本示例代码。 请注意,实际使用时需要根据你的具体需求进行调整。你需要下载一个预训练的模型文件和词汇表文件,这些可以从 TensorFlow 的模型库或其他资源中获取。此外,你需要将音频文件转换为 TensorFlow 能够处理的格式,并确保音频文件的采样率与模型训练时使用的采样率一致。 在实际应用中,你可能还需要考虑音频预处理、错误处理、性能优化等问题。此外,TensorFlow 还提供了其他高级API,如 TensorFlow Lite 和 TensorFlow.js,用于在移动设备和浏览器中实现语音识别功能。TensorFlow 提供了多种工具和库来实现语音到文本(Speech-to-Text,STT)的转换。附件是一个使用 TensorFlow 的 Speech Recognition API 来将语音转换为文本的基本示例代码。 请注意,实际使用时需要根据你的具体需求进行调整。你需要下载一个预训练的模型文件和词汇表文件,这些可以从 TensorFlow 的模型库或其他资源中获取。此外,你需要将音频文件转换为 TensorFlow 能够处理的格式,并确保音频文件的采样率与模型训练时使用的采样率一致。 在实际应用中,你可能还需要考虑音频预处理、错误处理、性能优化等问题。此外,TensorFlow 还提供了其他高级API,如 TensorFlow Lite 和 TensorFlow.js,用于在移动设备和浏览器中实现语音识别功能。
0 12浏览
免费 - HAL识别二维码小例子图像处理大小:2KBHALCON是一款功能强大的图像处理软件,它提供了丰富的图像处理和机器视觉算法,包括二维码识别,首先,确保你已经安装了HALCON软件,并且你的开发环境已经配置好了HALCON的开发包。 附件示例展示了如何使用HALCON进行二维码识别的基本步骤: 读取图像。 将图像转换为灰度图像。 对图像进行二值化处理。 可选:进行滤波操作以去除噪点。 使用code_2d_reader操作符寻找二维码区域。 可选:显示二维码区域。 提取二维码区域的图像。 使用read_code_2d操作符从二维码区域中读取数据。 输出二维码数据。 请注意,你需要将your_image_path替换为你的二维码图像的实际路径,并且根据你的具体需求调整代码中的参数和操作。HALCON是一款功能强大的图像处理软件,它提供了丰富的图像处理和机器视觉算法,包括二维码识别,首先,确保你已经安装了HALCON软件,并且你的开发环境已经配置好了HALCON的开发包。 附件示例展示了如何使用HALCON进行二维码识别的基本步骤: 读取图像。 将图像转换为灰度图像。 对图像进行二值化处理。 可选:进行滤波操作以去除噪点。 使用code_2d_reader操作符寻找二维码区域。 可选:显示二维码区域。 提取二维码区域的图像。 使用read_code_2d操作符从二维码区域中读取数据。 输出二维码数据。 请注意,你需要将your_image_path替换为你的二维码图像的实际路径,并且根据你的具体需求调整代码中的参数和操作。
0 6浏览
免费 - k210开发板源码.rar软件/插件大小:7MBk210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发k210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发板源码.rark210开发
0 19浏览
会员免费 - k210 开发板AI模型文件.rar人工智能大小:5MBk210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件k210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件.rark210 开发板AI模型文件
0 17浏览
会员免费 - Matlab与Simulink仿真程序专栏文章.rarmatlab大小:1MB基于Matlab的空中交通管制仿真 基于Matlab在以地球为中心的场景中模拟和跟踪航路飞机仿真 基于Matlab模拟、检测和跟踪飞机着陆进场中异常的仿真 基于Matlab使用空间分布和同步无源传感器测量值来跟踪对象 基于Matlab使用雷达资源管理有效跟踪多个机动目标仿真 基于Matlab使用跟踪筛选器跟踪机动目标仿真 基于Matlab生成并可视化多架飞机轨迹仿真基于Matlab的空中交通管制仿真 基于Matlab在以地球为中心的场景中模拟和跟踪航路飞机仿真 基于Matlab模拟、检测和跟踪飞机着陆进场中异常的仿真 基于Matlab使用空间分布和同步无源传感器测量值来跟踪对象 基于Matlab使用雷达资源管理有效跟踪多个机动目标仿真 基于Matlab使用跟踪筛选器跟踪机动目标仿真 基于Matlab生成并可视化多架飞机轨迹仿真
0 13浏览
免费 - Matlab科研绘图模板第5期-堆叠图(只需替换数据)matlab大小:40KBMatlab代码详细演示了如何绘制一个堆叠图。本代码只需要替换成己自的数据,即可获得Nature配色的堆叠图,让你的论文看起来更上档次,让你在科研道路上一路畅通!Matlab代码详细演示了如何绘制一个堆叠图。本代码只需要替换成己自的数据,即可获得Nature配色的堆叠图,让你的论文看起来更上档次,让你在科研道路上一路畅通!
0 16浏览
免费 - 基于深度学习的人脸检测与识别系统,Pytorch实现 .rarpytorch大小:4MBDFace 是个开源的深度学习人脸检测和人脸识别系统。所有功能都采用 pytorch 框架开发。pytorch是一个由facebook开发的深度学习框架,它包含了一些比较有趣的高级特性,例如自动求导,动态构图等。DFace天然的继承了这些优点,使得它的训练过程可以更加简单方便,并且实现的代码可以更加清晰易懂。 DFace可以利用CUDA来支持GPU加速模式。我们建议尝试linux GPU这种模式,它几乎可以实现实时的效果。DFace 是个开源的深度学习人脸检测和人脸识别系统。所有功能都采用 pytorch 框架开发。pytorch是一个由facebook开发的深度学习框架,它包含了一些比较有趣的高级特性,例如自动求导,动态构图等。DFace天然的继承了这些优点,使得它的训练过程可以更加简单方便,并且实现的代码可以更加清晰易懂。 DFace可以利用CUDA来支持GPU加速模式。我们建议尝试linux GPU这种模式,它几乎可以实现实时的效果。
0 6浏览
会员免费 - MATLAB进行深度学习的一个例子matlab大小:11KB深度学习是一个广泛的领域,包含了许多不同的应用和模型。附件是使用MATLAB进行深度学习的一个简单例子,我们将使用一个简单的卷积神经网络(CNN)来对图像进行分类 请注意,这是一个简单的示例,实际应用中可能需要更复杂的数据预处理、模型调优和验证步骤。此外,MATLAB还提供了其他深度学习工具箱,如Deep Learning Toolbox和Image Processing Toolbox,它们提供了更多的功能和高级特性来支持深度学习任务。深度学习是一个广泛的领域,包含了许多不同的应用和模型。附件是使用MATLAB进行深度学习的一个简单例子,我们将使用一个简单的卷积神经网络(CNN)来对图像进行分类 请注意,这是一个简单的示例,实际应用中可能需要更复杂的数据预处理、模型调优和验证步骤。此外,MATLAB还提供了其他深度学习工具箱,如Deep Learning Toolbox和Image Processing Toolbox,它们提供了更多的功能和高级特性来支持深度学习任务。
0 15浏览
免费 - ApproxMVBB:计算3D点云的最小体积有向包围盒代码c++大小:4MBc++代码,包含了eigen算法库,可直接通过cmake编译,无需单独配置依赖库c++代码,包含了eigen算法库,可直接通过cmake编译,无需单独配置依赖库
0 7浏览
会员免费 - OpenCV4系统化学习路线图(新版)软件/插件大小:3KB一、什么是OpenCV OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。它由英特尔公司发起并参与开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用。OpenCV提供了大量的计算机视觉、图像处理和模式识别的算法,包括实时图像处理、视频分析、特征检测、目标跟踪、人脸识别、物体识别、图像分割、光流法、立体视觉、运动估计、机器学习和深度学习等。 OpenCV是一个跨平台的库,支持多种操作系统,包括Linux、Windows、Android、Mac OS和iOS等。它使用C++编写,同时也提供了Python、Java、MATLAB等语言的接口,方便不同编程语言的开发者使用。由于OpenCV的开源性和跨平台性,它已经成为计算机视觉领域最受欢迎的库之一,广泛应用于工业检测、医学影像处理、智能交通系统、安防监控系统、机器人视觉、游戏开发等领域。一、什么是OpenCV OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。它由英特尔公司发起并参与开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用。OpenCV提供了大量的计算机视觉、图像处理和模式识别的算法,包括实时图像处理、视频分析、特征检测、目标跟踪、人脸识别、物体识别、图像分割、光流法、立体视觉、运动估计、机器学习和深度学习等。 OpenCV是一个跨平台的库,支持多种操作系统,包括Linux、Windows、Android、Mac OS和iOS等。它使用C++编写,同时也提供了Python、Java、MATLAB等语言的接口,方便不同编程语言的开发者使用。由于OpenCV的开源性和跨平台性,它已经成为计算机视觉领域最受欢迎的库之一,广泛应用于工业检测、医学影像处理、智能交通系统、安防监控系统、机器人视觉、游戏开发等领域。
0 8浏览
会员免费 - 医药行业缺陷检测小例子缺陷检测大小:479KB这个例子展示了来自制药行业的一个应用。任务是检查自动填充的泡罩包装的内容。第一张图像(参考图像)被用来定位泡罩形状内的腔室,作为一个参考模型,然后使用这个模型来重新对齐后续的图像。利用图像分割技术,每个腔室的内容被分割出来,最后通过一些形状特征进行分类。这个例子展示了来自制药行业的一个应用。任务是检查自动填充的泡罩包装的内容。第一张图像(参考图像)被用来定位泡罩形状内的腔室,作为一个参考模型,然后使用这个模型来重新对齐后续的图像。利用图像分割技术,每个腔室的内容被分割出来,最后通过一些形状特征进行分类。
0 8浏览
免费 - wireshark案例:wireshark 源码 供参考网络工具大小:28MBwireshark案例 wireshark 源码 供参考wireshark案例 wireshark 源码 供参考
0 5浏览
会员免费 - 细说PyTorch深度学习:理论、算法、模型与编程实现 03pytorch大小:536MB细说PyTorch深度学习:理论、算法、模型与编程实现 书籍源码细说PyTorch深度学习:理论、算法、模型与编程实现 书籍源码
0 117浏览
会员免费 - 细说PyTorch深度学习:理论、算法、模型与编程实现 02pytorch大小:772MB细说PyTorch深度学习:理论、算法、模型与编程实现 书籍源码细说PyTorch深度学习:理论、算法、模型与编程实现 书籍源码
0 42浏览
会员免费 - 细说PyTorch深度学习:理论、算法、模型与编程实现 01pytorch大小:591MB细说PyTorch深度学习:理论、算法、模型与编程实现 书籍源码细说PyTorch深度学习:理论、算法、模型与编程实现 书籍源码
0 12浏览
会员免费 - S109AFTG电机驱动电路图与应用软件/插件大小:628KBS109AFTG电机驱动电路图与应用 TB67S109A电机驱动器,配备PWM斩波器的两相双极步进电机驱动器,内置时钟解码器。特点: 1. 能够控制一台双极步进电机; 2. 能够用PWM来控制恒流驱动; 3. 允许全步、半步、1/4、1/8,1/16、1/32步运行; 4. 错误检测(TSD/ISD)信号输出功能; 5. 内置错误检测电路(热关断TSD),过电流关断(ISD),以及上电复位(POR); 6. 可通过外电阻与电容自定义电机的斩波频率。 使用事项: 1. 用于低速场合---每分钟不超过1000转,(0.9度时6666PPS),最好在 1000-3000PPS(0.9度)间使用,可通过减速装置使其在此间工作,此时电机工作效率高,噪音低; 2. 步进电机最好不使用整步状态,整步状态时振动大; 3. 电机在较高速或大惯量负载时,一般不在工作速度起动,而采用逐渐升频提速,一是 电机不失步,二是可以减少噪音同时可以提高停止的定位精度; 4. 应遵循先选电机后选驱动的原则。S109AFTG电机驱动电路图与应用 TB67S109A电机驱动器,配备PWM斩波器的两相双极步进电机驱动器,内置时钟解码器。特点: 1. 能够控制一台双极步进电机; 2. 能够用PWM来控制恒流驱动; 3. 允许全步、半步、1/4、1/8,1/16、1/32步运行; 4. 错误检测(TSD/ISD)信号输出功能; 5. 内置错误检测电路(热关断TSD),过电流关断(ISD),以及上电复位(POR); 6. 可通过外电阻与电容自定义电机的斩波频率。 使用事项: 1. 用于低速场合---每分钟不超过1000转,(0.9度时6666PPS),最好在 1000-3000PPS(0.9度)间使用,可通过减速装置使其在此间工作,此时电机工作效率高,噪音低; 2. 步进电机最好不使用整步状态,整步状态时振动大; 3. 电机在较高速或大惯量负载时,一般不在工作速度起动,而采用逐渐升频提速,一是 电机不失步,二是可以减少噪音同时可以提高停止的定位精度; 4. 应遵循先选电机后选驱动的原则。
0 9浏览
会员免费