LK.Bing
- 浏览: 80239 次
- 性别:
- 来自: 临川－>成都
-
最新评论
-
Golden_Sky：
请问，如果配置好了，还要自己手动调用logger.error( ...
log4j邮件发送错误日志 -
iruieye：
public class MainFrame extends ...
如何设置JPanel大小 -
1sun1：
写这么详细，真是有心人啊
RedHat9安装oracle10g -
bushkarl：
...
Ubuntu下实现root自动登录 -
Trader：
3Q
最小长度为5最小长度为5最小长度为5最小长度为5最小长 ...
如何设置JPanel大小
今天好像碰到了韩国星际天王Bisu、Jaedong和Stork
相关推荐
Java-TermProject是Jaedong创建的一个以Java编程语言为主题的项目，主要目的是深入理解和实践Java相关的编程术语和技术。在这个项目中，Jaedong可能涵盖了Java的基础到高级概念，旨在提升编程技能并展示对Java生态...
体育课评分系统 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程：https://www.bilibili.com/video/BV1BfB2YYEnS
研究报告
客运自助售票小程序 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程：https://www.bilibili.com/video/BV1BfB2YYEnS
一个完整yolov8整合包yolov8-一体机一个完整yolov8整合包参考仓库https://github.com/z1069614715/objectdetection_scriptB站教学视频https://www.bilibili.com/video/BV15g4y157MF/
解决CAM350导入gerber提示“找不到首标题%，载入停止” 把文件放到gerber上一层或gerber层，运行此bat命令即可
行业研究报告、行业调查报告、研报
使用yolov7训练自己的数据集pytorch-yolov7使用yolov7训练自己的数据集参考https://github.com/WongKinYiu/yolov7
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。
机电一体化系统中机器学习应用的最终项目交通标志检测-Tensorflow-YOLOv3-YOLOv4与 Syed Imad 合作完成的机电一体化系统中机器学习应用的最终项目 ( https://github.com/syed019 )关于任何识别系统都有两个主要任务检测（在输入图像上找到物体的位置和大小）和分类（将检测到的物体分类为子类）。这两项任务通常都使用单个检测/分类模型（如 YOLO 或 SSD）完成，其中输入图像用边界框和相应的类别标记。但是，标记和训练此类数据集需要大量时间和精力。因此，该项目的主要目标是仅检测一个主要类别（标志），并集成定制的卷积神经网络来对检测到的物体进行分类（子类，如限速、停车标志等）。这样，我们只需要训练一次检测模型来检测一个主要类别，而可以根据任务要求训练多个分类模型来对检测到的物体进行分类。输出实时检测对已保存图像进行检测 设置和要求OpenCV（版本 4）PythonNumpyTensorFlow喀拉拉YOLO 实现对于这个项目，由于时间限制，我们决定使用公开可用的数据集（德国交通标
Yolov3的Pytorch版本实现模板检测YOLOV3-火灾探测csdn githubYolov3的Pytorch版本实现模板检测，其具体效果如下要求环境windows10编程语言python编程工具pycharm所需的包requirements.txt火车1.安装包本次需要的包在requirements.txt中，通过 pip install -r requirements.txt即可。2.所需体重文件$ cd weights/$ bash download_weights.sh进入weights目录下，运行sh文件，即可下载本次所需权重，即darknet53.conv.74,yolov3.weights,yolov3-tiny.weights3.修改配置文件信息$ cd config/$ bash create_custom_model.sh <num_classes>进入config目录。执行bash create_custom_model.sh <num_classes>，其中num_classes为类别参数，根据
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。
Yolov4-deepsort-头盔检测使用darknet 框架YOLOv4 模型训练的头盔（安全帽）检测器。测试环境Windows 10 x64 2020 (build 19041.388)NVIDIA RTX 2070 SuperCUDA 10.1 / CuDNN 7.6.5Python 3.7.7 x64tensorflow 2.2.0 GPU受训重量Google 云端硬盘放入体重文件./configs要使用自己的数据集进行训练，你应该自己使用darknet。并且需要更改一些参数使用数据集roboflow.ai 公共数据集+ 约 100 张图片依赖项Pythonopencv-python、numpy、scikit-image在图像上绘制框和文本TensorFlow 2.2.0使用DeepSORT模型来跟踪对象matplotlib创建颜色图CUDA 10.1 / CuDNN 7.6.5暗网用于 yolov4 物体检测dark.dll, pthreadVC2.dll (windows)预编译（我不确定它是否可以在不同的机器上运行
研究报告
内容概要：本文详细介绍了运算放大器和比较器的基本原理及其内部电路结构。内容涵盖了运算放大器和比较器的定义、内部电路、绝对最大额定值、电气特性、相位延迟、振荡、可靠性和响应时间等方面。通过具体的公式和实例，阐述了它们的工作机制和技术细节。 适合人群：具有电子工程背景的专业人士，尤其是从事模拟电路设计的技术人员。 使用场景及目标：适用于理解和设计运算放大器和比较器的应用电路，帮助读者掌握其关键技术和参数，优化电路性能。 其他说明：文中提供了大量图表和实例，以便读者更好地理解和应用相关理论。同时，还详细介绍了如何解决一些常见问题，如振荡、失真和噪声等问题。
基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台，含有代码注释，新手也可看懂，个人手打98分项目，导师非常认可的高分项目，毕业设计、期末大作业和课程设计高分必看，下载下来，简单部署，就可以使用。该项目可以直接作为毕设、期末大作业使用，代码都在里面，系统功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值，项目都经过严格调试，确保可以运行！ 基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐微信小程序+基于SpringBoot和Vue的管理后台基于uniapp的奶茶店点餐
YOLOC 是将不同的模块组合起来构建不同的物体检测模型，包括 YOLOv3、YOLOv4、Scaled_YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOX、YOLOR、PPYOLO、PPYOLOEYOLOC介绍 YOLOC正在组合不同的模块来构建不同的对象检测模型。结合一些模块和技巧来改进YOLO检测模型，使用不同数据集的效果不一致。需要通过具体的实验进行尝试和验证YOLOC中的支持的模块有主流 YOLOv3 模型网络结构主流YOLOv4模型网络结构主流 Scaled_YOLOv4 模型网络结构主流YOLOv5模型网络结构主流 YOLOv6 模型网络结构主流 YOLOv7 模型网络结构主流 YOLOX 模型网络结构主流 YOLOR 模型网络结构 PicoDet模型网络结构变压器架构的主干、颈部、头部改进了变压器系列的骨干、颈部、头部注意系列的脊椎、颈部、头部基于anchor-free和anchor-based的检测器FPN、PANet、BiFPN等结构CIoU、DIoU、GIoU、EIoU、S
## 数据指标说明 资源名称：2000-2021年县域农产品产量面板数据 区域范围：全国各县区 时间范围：2000-2021年 格式：Excel 数据量：近30w 指标：县域代码、县域名称、所属地级市、所属省份、产品种类或名称、单位、产量
研究报告