水稻叶部病害检测，目标检测，yolo，voc
2025-03-25 11:00:31
978
10种宠物狗-图像分类数据集，图像分类，cnn，卷积神经网络
2025-03-15 21:10:42
855
高压输电线塔鸟巢检测，目标检测，yolo，voc
2025-03-06 20:14:48
1000
家禽（驴、猪、鸭）-图像分类数据集，图像分类，cnn，卷积神经网络
2025-03-04 16:07:26
595
昆虫检测，目标检测，yolo，voc
2025-02-18 19:40:58
1174
葡萄果品分级以及葡萄簇识别，目标检测，yolo，voc
2025-01-26 13:16:04
1079
垃圾识别数据集，目标检测，yolo，voc
2025-01-26 00:15:00
1337
甲状腺结节-图像分割数据集，图像分割，unet，cnn，卷积神经网络
2025-01-20 10:09:29
887
甲状腺肿瘤-图像分类数据集，图像分类，cnn，卷积神经网络
2025-01-14 22:03:46
1081
农田杂草检测，目标检测，yolo，voc
2025-01-14 17:04:19
1092
水面垃圾检测，目标检测，yolo，voc
2025-01-07 16:06:50
1327
6种水果分级-图像分类数据集，图像分类，cnn，卷积神经网络
2025-01-02 11:56:39
951
遥感图像车辆检测，目标检测，yolo，voc
2024-12-31 21:53:49
1027
咖啡豆成熟度检测，目标检测，yolo，voc
2024-12-19 15:00:41
867
1
柑橘叶部病害检测，目标检测，yolo，voc
2024-12-11 17:27:29
922
101种美食图像分类数据集，图像分类，cnn，卷积神经网络
2024-12-05 16:55:44
1357
1
77种商品图像分类数据集，图像分类，cnn，卷积神经网络
2024-12-05 14:26:37
1049
1
焊接缺陷检测，目标检测，yolo，voc
2024-11-27 15:26:14
1674
1
脑肿瘤对象检测，目标检测，yolo，voc
2024-11-27 10:45:22
971
啤酒花叶部病害图像分类数据集，深度学习
2024-11-21 10:13:41
1028
马铃薯叶部病害图像分类数据集，深度学习
2024-11-20 15:55:19
864
十一种农业有害生物图像分类数据集，深度学习，目标检测
2024-11-19 16:11:53
1097
常见车辆病害数据集，目标检测，yolo，voc，复杂背景
2024-10-13 15:52:42
1744
1
人检测数据集，目标检测，yolo，voc，复杂背景
2024-10-10 16:09:26
1114
皮肤病检测数据集，目标检测，yolo，voc，复杂背景
2024-09-25 14:56:21
1762
2
肺结节检测数据集，目标检测，yolo，voc，复杂背景
2024-09-24 15:59:12
1379
电梯电动车检测数据集，目标检测，yolo，voc，复杂背景
2024-09-17 16:48:52
1485
钢轨缺陷检测数据集，目标检测，yolo，voc，复杂背景
2024-09-16 20:57:39
2001
屏幕缺陷检测数据集，目标检测，yolo，voc，复杂背景
2024-09-15 12:35:15
1758
道路缺陷数据集，目标检测，yolo，voc，复杂背景
2024-09-14 23:40:38
1693
PCB电路板缺陷检测数据集，目标检测，yolo，voc，复杂背景
2024-09-14 13:26:29
1824
常见鱼类病害数据集，目标检测，yolo，voc，复杂背景
2024-09-12 22:15:58
1791
野生动物检测数据集，目标检测，yolo，voc，复杂背景
2024-09-10 15:58:02
1923
1
海底生物检测数据集，目标检测，yolo，voc，复杂背景
2024-09-08 14:23:09
1931
宠物狗检测数据集，目标检测，yolo，voc，复杂背景
2024-09-06 21:38:38
1775
葡萄数据集，目标检测，yolo，voc，复杂背景
2024-09-04 20:40:36
1601
在这个步骤中，我们将定义一个简单的卷积神经网络（CNN），用于图像分类任务。CNN由一系列卷积层、池化层、激活函数和全连接层组成。self.conv1 = nn.Conv2d(3, 6, 5) # 第一层卷积，输入通道3（RGB），输出通道6，卷积核大小5x5self.pool = nn.MaxPool2d(2, 2) # 最大池化层，窗口大小2x2self.conv2 = nn.Conv2d(6, 16, 5) # 第二层卷积，输入通道6，输出通道16，卷积核大小5x5。
2024-09-01 11:17:09
1746
1
火龙果检测目标检测数据集，目标检测，yolo，voc，复杂背景
2024-08-31 15:53:40
1019
麦穗检测计数目标检测数据集，目标检测，yolo，voc，复杂背景
2024-08-31 14:49:34
1097
番茄叶部病害数据集，目标检测，yolo，voc，复杂背景
2024-08-27 23:48:48
1356
RSS订阅