- 博客(498)
- 收藏
- 关注

原创 Unet 实战分割项目、多尺度训练、多类别分割
之前写了篇二值图像分割的项目,支持多尺度训练,网络采用backbone为vgg的unet网络。本章实现的unet网络的多类别分割,也就是分割可以是两个类别,也可以是多个类别。训练过程仍然采用多尺度训练,即网络会随机将图片缩放到设定尺寸的0.5-1.5倍之间。
2024-02-05 21:38:35
7754
20
原创 ShuffleNet 改进:与通道注意力机制(CAM)的结合实现
本文提出了一种改进的ShuffleNetV2模型,通过集成通道注意力机制(CAM)增强特征表示能力。CAM模块采用双分支结构(平均池化+最大池化)学习通道权重,并使用带压缩比的MLP减少参数量。模型保留了ShuffleNetV2的轻量特性,支持预训练权重加载,通过维度转换技巧将CAM无缝集成到网络中。实验验证表明,该方法在保持高效性的同时提升了模型性能,为轻量级网络设计提供了有效参考。代码开源,可直接应用于图像分类等任务。
2025-06-09 16:20:40
52
原创 改进系列(13):基于改进U-ResNet的脊椎医学图像分割系统设计与实现
本文提出一种改进的U-ResNet医学图像分割系统,通过融合残差连接、通道注意力机制和空间金字塔池化模块,显著提升分割精度。系统采用端到端深度学习框架,实现数据预处理、模型训练到可视化分析全流程自动化。实验表明,该方法平均DSC达0.92以上,优于传统分割网络,并提供友好GUI界面支持交互式操作。改进的网络架构包含多级残差块编码器、多尺度瓶颈层和带注意力机制的解码器,配合联合损失函数优化,有效解决医学图像分割中的特征提取不足和小目标分割难题。系统还实现了六种评估指标计算和多种可视化分析功能。
2025-06-09 13:42:51
759
原创 MobileNet 改进:基于MobileNetV2和SSPP的图像分类
本文介绍了一种结合MobileNetV2和空间金字塔池化(SSPP)的轻量级图像分类模型。该模型采用MobileNetV2作为特征提取器,并集成了自定义SSPP模块,通过多尺度池化增强特征表达能力。模型结构包含特征提取、SSPP处理和线性分类三个部分,其中SSPP支持可配置的池化层级(默认1×1,2×2,4×4)。这种设计既保持了MobileNetV2的高效特性,又提升了模型对不同尺寸特征的适应能力。测试代码验证了模型可处理224×224输入并输出正确维度的分类结果。该实现为计算机视觉任务提供了一种平衡性能
2025-06-06 09:10:32
58
原创 ResUNet 改进:融合DLKA注意力机制
本报告详细分析了一个名为UResnet的深度学习网络架构,该网络结合了U-Net的编码器-解码器结构、ResNet的残差连接以及新型的Dilated Large Kernel Attention(DLKA)注意力机制。该网络设计用于图像分割任务,通过多尺度特征提取和融合实现精确的像素级预测。
2025-06-05 14:29:39
37
原创 CentOS在vmware局域网内搭建DHCP服务器【踩坑记录】
本文记录了在CentOS系统上配置DHCP服务的完整流程:首先确保NAT模式联网,修改yum镜像源后安装DHCP服务;然后配置虚拟机网络为vmnet10(虚拟交换机模式),设置CentOS静态IP时需特别注意格式规范;接着编辑dhcpd.conf文件定义IP地址池(192.168.10.200-210)、网关和DNS;最后启动DHCP服务并设置防火墙规则。成功搭建后,Windows客户端切换为自动获取IP即可完成网络配置,通过/var/lib/dhcpd/dhcpd.leases文件可查看租约信息。全程重点
2025-06-04 18:19:32
918
1
原创 基于深度学习(Unet和SwinUnet)的医学图像分割系统设计与实现:超声心脏分割
本文提出了一种基于深度学习的医学图像分割系统,采用U-Net和Swin-Unet两种网络架构,实现了高效的医学图像分割。系统包含完整的数据预处理、模型训练评估流程,并提供用户友好的图形界面。实验结果表明,该系统在CT等医学图像分割任务中表现优异,Swin-Unet架构性能优于传统U-Net,窗宽窗位调整显著改善CT图像分割效果。系统具有模块化设计、易扩展等特点,为临床诊断提供了有效的计算机辅助工具。
2025-06-04 09:56:29
281
原创 基于人工智能算法实现的AI五子棋博弈
本项目开发了一个基于Python和Pygame的五子棋游戏系统,包含三种对战模式:人人对战、人机对战和AI对战。系统采用模块化设计,包括棋盘管理、AI决策和主程序三大模块。AI算法基于博弈树搜索和评估函数,实现了棋型识别、Alpha-Beta剪枝、迭代加深搜索等优化技术,能够提供较强对战能力。系统支持自定义游戏模式和AI参数,具有清晰的用户界面和交互设计。未来可进一步优化算法性能并扩展功能,如增加难度选择、网络对战等。项目代码结构合理,便于后续开发和改进。
2025-06-03 15:26:16
1029
原创 NLP实战(5):基于LSTM的电影评论情感分析模型研究
本研究提出了一种基于双向LSTM的深度学习模型,用于电影评论的细粒度情感分类(5分类)。模型采用词嵌入层(100维)、双向LSTM层(2层256维)和全连接层结构,在标准数据集上通过5折交叉验证评估,平均准确率达到55.52%。实验结果显示模型能够有效区分负面、中性到正面的情感表达,其中中性情感与"有点积极/负面"的区分存在改进空间。研究提供了完整的数据预处理流程、模型架构和训练策略,代码已实现模块化,便于复现。未来可结合预训练词向量和注意力机制进一步提升性能。
2025-06-03 13:27:38
1161
原创 U-ResNet 改进:集成CoordinateAttention(坐标注意力)
本文介绍了一种名为UResNet的混合神经网络结构,它结合了ResNet的残差连接、UNet的编码-解码架构以及坐标注意力机制。该网络通过BasicBlock/BottleNeck构建块实现特征提取,采用VGGBlock进行卷积处理,并引入CoordinateAttention模块增强位置感知。在编码阶段逐层下采样,解码阶段通过上采样和跳跃连接恢复分辨率,最终输出分割结果。代码实现展示了完整的网络架构和数据处理流程,测试结果表明该模型能有效处理224×224的输入图像。这种创新组合利用了不同网络的优点,为图
2025-06-02 11:12:45
47
原创 U-ResNet 改进:集成特征金字塔网络(FPN)
本文介绍了UResNet模型的设计与实现,该模型融合了U-Net的编码器-解码器结构、ResNet的残差连接以及特征金字塔网络(FPN)的多尺度特征提取能力。模型包含Up模块、BasicBlock、BottleNeck、VGGBlock和FPN等核心组件,通过编码器下采样、解码器上采样与特征融合,最终输出分割结果。测试表明模型能正确处理256×256输入并输出对应尺寸的分割图。UResNet兼具U-Net的信息保留能力、ResNet的梯度缓解特性以及FPN的多尺度优势,为图像分割任务提供了灵活高效的解决方案
2025-06-02 10:18:00
314
原创 DeepSeek:不同模式(v3、R1)如何选择?
三种模型对比:基础版为默认选项;V3在开放性和规范性文本生成任务中表现优于R1,但使用R1时不宜提供示例(其自主性强)。官方提供PromptLibrary提示语库,V3和R1各有专用提示语模板,例如可将DeepSeek转化为智能体的定制提示方案(150字)
2025-05-29 15:29:02
354
原创 改进系列(12):基于SAM交互式点提示的UNet腹部多脏器分割方法研究
本文提出了一种基于点提示机制的交互式UNet网络用于腹部多脏器医学图像分割。该方法在传统UNet基础上扩展输入通道,加入点提示信息,允许用户在推理阶段通过点击前景和背景区域提供交互指导。实验采用394例腹部CT图像训练,98例验证,最终在验证集上达到Dice系数0.9358和IoU 0.8805的优异性能。与全自动方法相比,该交互式分割方案更具灵活性,能有效修正边界模糊区域的分割错误,为临床医学图像分析提供了实用解决方案。
2025-05-27 10:02:06
712
原创 传输层:TCP协议详解
TCP协议摘要:TCP是一种面向字节流的可靠传输协议,其报文首部包含端口号、序号、确认号等关键字段。通过标记位(URG/ACK/SYN等)控制连接状态,利用窗口机制和校验和确保数据传输可靠性。支持紧急指针处理优先数据,采用自动重传(ARQ)和滑动窗口协议实现高效传输。接收窗口大小动态调整流量,选择确认选项优化重传机制。
2025-05-26 15:05:49
318
原创 ViT模型改进:基于双路径的多尺度特征融合
本文介绍了一种结合Vision Transformer (ViT) 和 ConvNeXt 的双路径深度学习模型,该模型通过多尺度处理和特征融合机制,在图像分类任务中表现出色。模型的核心组件包括多尺度模块和特征融合模块,分别用于捕获不同尺度的空间信息和自适应融合两种架构的特征。多尺度模块利用不同空洞率的卷积并行处理输入特征,而特征融合模块则通过注意力机制动态调整ViT和ConvNeXt特征的权重。双路径模型的设计充分发挥了ViT在全局特征捕获和ConvNeXt在局部特征提取上的优势,并通过预训练权重加速收敛。
2025-05-23 08:26:57
79
原创 插值算法 - 图像缩放插值QT
本文介绍了一个基于PyQt5和OpenCV的图像缩放插值演示工具的实现。该工具允许用户上传本地图片(PNG/JPG/JPEG格式),选择四种常见的插值方法(最近邻插值、双线性插值、双三次插值、区域像素关系插值),并通过滑块实时调整缩放比例(0.1倍到4.0倍),同时并排显示原始图像和缩放后的图像。工具的核心功能包括图像加载与显示、插值方法处理和缩放应用。代码结构清晰,主类ImageScalingGUI负责构建GUI界面和处理用户交互,核心函数apply_scaling根据用户选择的插值方法应用不同的Open
2025-05-22 18:04:18
290
原创 改进系列(11):基于TransUNet改进SA和特征金字塔注意力模块:心脏超声分割
TransUNet是一种结合了Transformer和U-Net架构的医学图像分割模型,它通过将Transformer的强大全局建模能力与U-Net的局部特征提取能力相结合,在医学图像分割任务中表现出色。
2025-05-14 15:43:37
998
原创 DenseUnet 改进:结合RepHMS动态调整尺度模块
DenseUNet是一种创新的图像分割网络架构,结合了DenseNet的特征提取能力和U-Net的多尺度特征融合机制。其核心创新在于引入了RepHMS模块,该模块支持动态多尺度特征调整,能够根据目标尺寸灵活处理特征图。DenseUNet基于DenseNet-161构建,包含编码路径和解码路径,通过RepHMS模块在解码路径的每个阶段进行多尺度特征调整,并与编码路径的特征进行融合。网络还采用了密集跳跃连接,确保特征的有效传递和重用。DenseUNet支持任意输入通道数和可配置的输出类别数,适用于需要精确像素级
2025-05-14 07:30:00
59
原创 传输层:UDP协议
UDP(User Datagram Protocol,用户数据报协议)是一种无连接的传输层协议,适用于对实时性要求高但允许少量丢包的应用,如视频流和DNS查询。UDP报文由8字节的头部和可变长度的数据部分组成。头部包括源端口号、目的端口号、报文长度和校验和。校验和用于检测传输错误,计算时包括伪头部、UDP头部和数据部分。UDP的特点是无连接、不可靠和轻量级,适用于低延迟场景。示例报文展示了如何构造一个简单的UDP报文。
2025-05-13 19:40:35
427
原创 FCN改进:CBAM注意力机制增强FCN-ResNet50分割模型
本文介绍了一个结合CBAM(Convolutional Block Attention Module)注意力机制的FCN-ResNet50语义分割模型的实现。CBAM模块通过通道注意力和空间注意力机制,帮助模型聚焦于图像中的重要特征和区域,从而提高分割精度。代码首先实现了CBAM模块,接着在FCN-ResNet50模型的ResNet50骨干网络的四个层级后分别添加了CBAM模块,最后进行了前向传播测试。测试结果显示,模型能够输出5个类别的分割概率图。这种设计通过在不同层级添加注意力模块,捕捉不同尺度的特征,
2025-05-13 09:24:40
582
原创 网络层:ICMP协议
ICMP(Internet Control Message Protocol)是IP协议的一部分,用于发送差错报告和网络诊断信息。其报文格式包括类型和代码字段,用于标识不同的差错类型。常见的差错报告报文包括TTL过期、目标主机不可达和路由重定向。TTL过期表示数据包在传输过程中超过了生存时间;目标主机不可达表示无法找到目标网络的路由;路由重定向则指示更优的路由路径。此外,ping命令用于测试网络连通性,tracert命令用于追踪数据包路径,pathping命令结合了ping和tracert的功能,提供更详细
2025-05-12 18:14:53
214
原创 DeepSeek+Kimi实战:PPT制作教程
如下:生成完了,进行复制:如下:Kimi - 会推理解析,能深度思考的AI助手选择这里进行将deepseek生成的复制进去生成ppt可以选择模板,点生成即可如下:可以自行编辑或者直接下载下载即可:会自动在网页弹窗参考制作的ppt:【免费】人工智能授课ppt参考资源-优快云文库
2025-05-08 17:49:25
326
原创 DeepSeek+即梦AI实战:图片制作教程
复制这里: 如下:即梦AI - 一站式AI创作平台点进这里复制即可:如下: 效果不能说差吧,相比之前自己的提示词,确实好了不少
2025-05-08 15:29:32
233
原创 第20章:深度学习图像分割实战之UNet与DeepLabV3的对比分析【脊椎分割实验】
本文实现了一个完整的图像分割项目框架,通过对比UNet和DeepLabV3两种经典网络,展示了不同架构在分割任务上的表现差异。项目提供了从数据预处理到结果可视化的完整流程,可以作为图像分割任务的开发模板。实验结果表明,没有绝对优越的模型,实际应用中需要根据具体任务需求和数据特点选择合适的架构。本文通过对比两种经典分割网络——UNet和DeepLabV3,分享一个完整的图像分割项目实现,包括数据预处理、模型训练、评估指标可视化和模型对比分析。可以自己将模型扩充多个,然后,这里填对应的json结果即可。
2025-05-07 10:20:14
1301
原创 opencv实战:银行卡卡号识别
在当今数字化时代,光学字符识别(OCR)技术变得越来越重要。本文将详细介绍如何使用来识别银行卡的卡号,并在原图上标注识别结果。
2025-05-06 18:46:33
875
原创 【C语言】推箱子小游戏
这是一个基于C语言实现的经典推箱子游戏,采用控制台字符界面进行交互。玩家通过WASD键控制角色推动箱子,目标是将所有箱子移动到指定点位。程序包含地图绘制、碰撞检测、胜利判断等完整游戏机制。
2025-05-06 16:14:31
210
原创 EfficientNet 改进:与Transformer结合的图像分类模型
这个实现将EfficientNet的高效特征提取能力与Transformer的强大序列建模能力相结合,主要包含以下几个核心组件:基础卷积模块:包括Swish激活函数和ConvBnAct组合模块MBConv模块:EfficientNet的核心构建块Squeeze-Excitation注意力机制:通道注意力模块Transformer分类头:替代传统全连接层的创新设计。
2025-05-04 12:38:12
98
原创 SwinTransformer 改进:与PSConv结合的创新设计
这段代码实现了一个改进版的Swin Transformer模型,主要创新点在于:使用Swin Transformer作为基础架构在patch embedding层后加入PSConv模块自定义分类头以适应不同任务本文分析的代码展示了一种创新的深度学习架构设计思路,通过将Swin Transformer与PSConv相结合,在保持Transformer全局建模能力的同时,增强了局部特征提取能力。
2025-05-04 12:22:59
97
原创 DenseUNet 改进:结合APBottleneck(注意力瓶颈模块)
今天我们将深入分析一个名为DenseUNet的神经网络架构,它巧妙地将DenseNet的强大特征提取能力与UNet的经典U型结构相结合,并加入了注意力机制来提升模型性能。这个网络特别适用于图像分割任务,能够处理不同数量的输入和输出通道。
2025-04-30 10:55:28
694
原创 改进系列(10):基于SwinTransformer+CBAM+多尺度特征融合+FocalLoss改进:自动驾驶地面路况识别
整体特点:技术先进性:结合了Swin Transformer和注意力机制,利用了当前先进的深度学习技术。完整流程:覆盖了从数据准备、模型训练到应用部署的完整流程。模块化设计:各组件职责明确,耦合度低,便于维护和扩展。可视化丰富:提供多种训练过程和数据分布的可视化,便于模型分析和调试。用户友好:通过GUI界面降低了使用门槛,使技术成果更易于实际应用。文档完整:代码结构清晰,注释充分,便于理解和二次开发。
2025-04-30 10:34:24
1443
原创 插值算法 - 双三次插值(Bicubic Interpolation)
双三次插值(Bicubic Interpolation)是一种高质量的图像插值方法,比双线性插值更平滑,能保留更多细节。它广泛应用于图像缩放、旋转、变形等任务。双三次插值基于,在二维图像中,它使用目标像素周围的 进行加权计算。在一维情况下,给定 4 个点 p−1,p0,p1,p2,目标点 x∈[0,1] 的插值公式为:其中,系数 a,b,c,d 由边界条件(如连续性和平滑性)决定。更常用的形式是(一种三次插值方法):在二维图像中,双三次插值分别在 。
2025-04-29 17:47:25
359
原创 使用 PyTorch 实现遗传算法分类MNIST手写数据【附代码】
优化算法能处理复杂问题,遗传算法是其中一种。它可以方便地与PyTorch结合,用于多种优化任务。接下来介绍如何用PyTorch实现遗传算法。
2025-04-29 08:42:56
1143
原创 PYTHON 自动化办公:学生点名系统开发详解
本文实现的学生点名系统是一个基于Python Tkinter库开发的图形界面应用程序主要用于在课堂上、办公中随机选择某人。从文本文件加载学生名单以方阵形式展示所有学生随机滚动高亮学生姓名可自定义的系统设置动画效果的点名过程这个学生点名系统展示了如何使用Python Tkinter创建实用的GUI应用程序。它结合了文件操作、界面设计、动画效果和配置管理等多项技术,是一个很好的Tkinter学习案例。系统结构清晰,功能完整,适合作为课堂演示工具或进一步开发的起点。
2025-04-28 09:31:03
943
原创 对DeepSeek大模型的深度观察与思考
经过一段时间的深入测试和使用,我对DeepSeek大模型有了更全面的认识。这个人工智能系统展现出的能力令人印象深刻,同时也引发了对AI发展现状和未来方向诸多思考。
2025-04-28 08:34:03
1016
原创 html5:从零构建经典游戏-扫雷游戏
这个扫雷游戏实现包含以下核心功能:10×10的游戏棋盘15个随机分布的地雷左键点击揭开格子右键点击标记地雷自动展开空白区域胜利/失败判定这个扫雷游戏实现展示了如何使用基本的Web技术创建经典游戏。通过合理的数据结构和算法设计,实现了游戏的核心逻辑。代码结构清晰,适合初学者学习和扩展。
2025-04-27 19:56:09
1424
原创 DeepSeek 开发、提示词实操手册
说明 1:从零开始,10 天精通DeepSeek,是个理想,挺难实现的。说明 2:文末,有“优质提示词库(40 个场景模板)”,是 deepseek 提供的。实际上,使用deepseek 时,可以脑洞更大一些。比如,“请思想性、知识性、文学性兼具,方便我向 00 后讲解这事”,直接谈场景,谈对象,谈目的,谈困难,甚至可以很抽象。说明 3:为方便用户过上更美好生活,DeepSeek 贴心地提供了一些“变现指南”。请务必留意,仅仅是“指南”。一旦涉及经济往来, 务必留意合同、版权、合规性等问题。
2025-04-25 09:30:57
934
原创 NLP实战(4):使用PyTorch构建LSTM模型预测糖尿病
在这篇博客中,我们详细介绍了如何使用PyTorch构建和训练一个双层LSTM模型来预测糖尿病。关键点包括:数据准备和加载LSTM模型架构设计训练过程和验证模型评估和可视化虽然LSTM通常用于时间序列数据,但在这个例子中我们将其应用于非时间序列数据,展示了PyTorch的灵活性。通过调整模型架构、超参数和数据预处理,可以进一步提高模型性能。希望这篇博客能帮助你理解如何使用PyTorch实现LSTM模型!
2025-04-24 13:54:41
1375
原创 SwinTransformer 改进:结合局部拟合与全局注意力DTAB模块
DTAB模块是一种新型的神经网络构建块,它结合了两种强大的特征学习机制:局部拟合组件:通过多层感知机(MLP)捕捉输入数据的局部特征全局视角组件:利用多头自注意力机制理解特征间的全局关系这种双轨设计使得DTAB能够同时捕捉细粒度的局部特征和宏观的全局关系,为下游任务提供更丰富的特征表示。
2025-04-23 09:30:00
145
原创 改进系列(9):基于VisionTransformer+InceptionDW+Focal_loss改进实现的遥感地面目标识别
例如,一个3×3标准卷积的计算复杂度是输入通道数×输出通道数×3×3,而深度可分离卷积将其分解为输入通道数×3×3(DWConv)和输入通道数×输出通道数×1×1(PWConv),计算量大幅降低。具体而言,InceptionDW模块通常包含多个分支,例如1×1卷积、3×3深度可分离卷积、5×5深度可分离卷积,以及全局平均池化等操作,这些分支的输出在通道维度拼接后融合,形成丰富的多尺度特征表示。--data--test--- 测试集的图像(如果有的话)--data--val--- 验证集的图像。
2025-04-23 08:20:48
1007
基于Unet改进系列:加入attenUnet模块对室外场景图像语义分割的项目
2025-06-03
基于网页版推理实现的ResUNet和UNet图像分割项目:室外场景多类别分割
2025-06-03
基于ConVNeXt 神经网络模型实现的迁移学习、图像识别项目:工业金属表面缺陷检测
2025-06-03
基于Swin-Transformer改进CBAM模块+多尺度特征融合+Focal loss分类项目:工业金属表面缺陷识别【附带推理QT系统】
2025-06-03
目标检测数据集:(高分辨率下的花丛中昆虫)目标图像检测数据【VOC标注格式、包含数据和标签】
2025-06-03
花卉丛中的昆虫图像目标检测数据【已标注,约2500张数据和标签,YOLO 标注格式】
2025-06-03
基于 vision-Transformer +InceptionDW 模块+Focal loss改进的【农作物17种害虫检测】
2025-06-02
面向医学图像的交互式分割工具:PyTorch实现Unet和swinUnet分割项目:超声心脏分割
2025-05-29
融合SAM提示学习的UNet医学图像分割方法与应用
2025-06-02
基于人工智能算法实现的AI五子棋博弈
2025-05-29
计算机视觉项目:Swin-Transformer 【tiny、small、base】模型实现的图像识别项目:17种枸杞病害分类
2025-06-02
基于 DenseNet改进TripletAttention三重注意力机制模块实现的17种枸杞虫害识别分类
2025-06-02
TransUNet智能图像分割系统:训练、推理与可视化一体化平台 【TransUNet+SA+特征金字塔注意力模块和TransUNet】
2025-06-02
基于 EfficientNet 卷积网络实现的计算机视觉项目系统:农作物虫害识别
2025-06-02
基于深度学习 Resnet 网络图像分类实战:枸杞病害图像分类
2025-06-02
深度学习基于PyTorch的U-ResNet图像分割模型实现:坐标注意力机制与上采样技术的应用了文档的核心内容
2025-06-02
深度学习基于PyTorch的UResNet模型实现:结合FPN结构的图像分割与特征增强系统设计以下要素:
2025-06-02
遥感图像数据集:航拍下的枯树图像语义分割数据集(约400张数据和标签,已处理,单类别图像分割)
2025-05-29
图像分类数据集:坚果图像识别分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
2025-05-29
操作系统Linux常用命令手册:文件操作、系统管理、网络配置及软件包管理指南
2025-05-29
手势图像目标检测数据【已标注,约700张数据和标签,YOLO 标注格式】
2025-06-12
基于Transformer-Unet对腹部多脏器(13+1类别)的实战分割、包含代码、数据、训练结果
2025-06-11
人脸面部图像语义分割数据集(约5000张数据和标签,已处理完可以直接训练,多类别图像分割)
2025-06-11
医学图像分类数据集:基于spine骨折的图像识别分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
2025-06-11
yolov8 实现的工地起重机(塔吊)图像检测完整项目python实现(毕业设计&课程设计&项目开发)、已经训练完成
2025-06-10
起重机crane图像目标检测数据【已标注,约2900张数据和标签,YOLO 标注格式】
2025-06-10
基于 MobileNet和EfficientNet轻量级网络实现的自适应迁移学习图像识别实战:9种混凝土骨料颗粒识别【包含数据集、训练结果】
2025-06-09
图像分类数据集:混凝土骨料粒度图像识别分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
2025-06-09
深度学习基于ShuffleNetV2和CAM模块的图像分类模型设计:改进特征表达与分类性能
2025-06-09
ResUNet+SSPP+CAM+联合损失改进:腹部脊椎图像分割数据集(2类图像分割任务)
2025-06-09
深度学习基于MobileNetV2和SSPP的空间金字塔池化卷积神经网络图像分类模型实现
2025-06-06
医学图像分割数据:脊椎二值图像切片分割【包含3个切面的切片数据、可视化代码、二值分割】
2025-06-05
图像数据集:马路上的斑马线、停止线图像语义分割数据集(约2500张数据和标签,已处理,多类别图像分割)
2025-06-05
深度学习基于U-Net和ResNet的语义分割模型:带有DLKA模块的UResNet网络设计与实现
2025-06-05
person、smoke图像目标检测数据【已标注,约2200张数据和标签,YOLO 标注格式】
2025-06-05
基于CBAM注意力机制的ResNet图像分类实战
2025-06-05
图像数据集:汽车损坏图像语义分割数据集(约400张数据和标签,已处理,多类别图像分割)
2025-06-04
图像分类数据集:小狗情绪图像识别分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
2025-06-03
UNet、UNet++和UNet3+三种主流分割网络架构的智能医学图像分割系统
2025-06-03
高效图像分类解决方案:基于EfficientNetV2的深度学习模型
2025-06-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人