- 博客(86)
- 资源 (7)
- 收藏
- 关注
RSS订阅
原创 YOLOv12 网络结构及YOLO模型间性能对比（合适新人）
YOLOv12是YOLO系列的最新突破，首次将注意力机制作为实时检测框架的核心。该模型创新性地采用区域注意力机制降低计算复杂度，引入残差高效层聚合网络(R-ELAN)提升训练稳定性，并集成快速注意力技术优化GPU性能。在COCO基准测试中，各版本模型均展现出显著性能提升，Nano版实现1.64ms低延迟和40.6%mAP。通过调整MLP比例、去除位置编码等优化措施，YOLOv12在保持精度的同时大幅提升效率，适用于自动驾驶、安防监控等多个领域。未来有望在移动端部署和低功耗场景进一步优化。
2025-12-19 10:46:29
988
原创 论文12｜【Nature Communications】Deep learning resilience inference for complex networked 复杂网络韧性的深度学习预测方法
清华大学研究团队在《自然·通讯》发表论文，提出数据驱动的复杂网络系统韧性预测新方法ResInf。该方法突破传统理论分析对动力学方程和拓扑结构的限制，通过Transformer和图神经网络直接建模网络动态数据，实现不依赖动力学方程的系统韧性预测。实验表明，ResInf在合成和真实网络（如生态系统）中均表现优异，F1-score最高达0.977，较传统方法提升41.59%，且对噪声具有强鲁棒性。该成果为电力、通信等真实网络系统的韧性评估提供了新范式，相关代码已开源。研究得到国家重点研发计划等支持。
2025-12-17 10:25:57
807
原创 论文10-ICCV 2025 | WaveMamba：面向RGB-红外目标检测的多频域Mamba融合新范式
WaveMamba提出了一种基于小波变换与Mamba状态空间模型的RGB-IR跨模态目标检测方法。通过离散小波变换（DWT）解耦模态特征，利用低频子带（LMFB模块）融合全局结构信息，高频子带（HFE策略）选择增强关键纹理细节。改进的YOLOv8检测头采用逆小波变换（IDWT）减少信息损失。实验表明，该方法在M3FD等四个数据集上平均mAP提升4.5%，尤其在复杂光照和小目标场景表现突出，同时保持较低计算复杂度。创新点包括频域融合理论分析、WMFB模块设计及高效高频增强策略。
2025-12-13 09:30:59
1032
原创 YOLOv8 到 YOLOv11一步步实现优化目标检测（合适新人）
本研究旨在通过对YOLOv8和YOLOv11进行全面系统的比较来弥补这些缺陷。 本研究旨在阐明每个模型的工作原理，从而加深人们对YOLO发展历程的理解。 本研究旨在促进计算机视觉领域的创新和发展。
2025-03-15 09:07:08
1464
1
原创 YOLOv11 网络结构及YOLOv8 模型间性能对比（合适新人）
YOLO11算法提高了检测精度和效率。在有很多物体的视频中，YOLO11的检测效果更好，甚至可以检测到领带等细小物品。网络结构与性能提升YOLO11通过引入C3K2、C2PSA等模块，增强了特征提取能力，提高了检测精度。同时，采用深度可分离卷积等方法优化计算效率，实现了更快的处理速度和更高的性能。这使得YOLO11在多种计算机视觉任务中表现出色，尤其在复杂场景中更具优势。算法改进与任务扩展YOLO11在算法层面进行了多项优化，包括增强的特征提取、优化的训练流程等，进一步提升了模型的准确性和效率。
2025-03-15 08:45:44
7793
2
原创 YOLOV8 原理和实现全解析（合适新人）
YOLOv8 是 Ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，在还没有开源时就收到了用户的广泛关注。按照官方描述，YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。
2024-12-19 21:27:16
24159
3
原创 论文09—《基于改进YOLOv8模型的轻量化板栗果实识别方法》文献阅读分析报告
本研究提出了一种基于改进YOLOv8模型的轻量化板栗果实识别方法YOLOv8-PBi，旨在实现自然环境下板栗果实目标的快速识别。研究主要通过引入部分卷积（PConv）到C2f模块中减少计算量，使用加权双向特征金字塔网络（BiFPN）增强多尺度特征融合性能，以及更改边界框损失函数为动态非单调聚焦机制WIoU来提升模型检测性能。
2024-12-10 21:41:23
2175
1
原创 论文7—《基于改进YOLOv5s的自然环境下猕猴桃花朵检测方法》文献阅读分析报告
本研究提出了一种基于改进YOLOv5s的猕猴桃花朵检测模型YOLOv5s_S_N_CB_CA，旨在实现对自然环境下猕猴桃花朵的快速准确检测。通过引入C3HB模块和交叉注意力（CCA）模块，结合样本切分和负样本处理方法，显著提升了模型的检测精度。改进模型的检测精确率为85.21%，召回率为90%，模型大小为14.6MB，交并比（IoU）为0.5下的均值平均精度（mAP0.5）为92.45%，检测速度为35.47帧/秒。
2024-11-17 22:57:39
1253
2
原创 pip更改安装的openCV的版本
更改通过pip install poencv-python安装的openCV的版本。在现有环境中，因此在新环境中重新安装openCV时出现错误。我决定降级openCV作为临时措施。在这个例子中，我们有4.6.0.66。由以下命令安装的openCV的版本。卸载，指定版本，然后重新安装。
2023-07-12 18:17:48
3810
原创 VOC标签格式转化为yolo标签格式
在VOCdevkit目录下生成images和labels文件夹，文件夹下分别生成了train文件夹和val文件夹，里面分别保存着训练集的照片和txt格式的标签，还有验证集的照片和txt格式的标签。首先，labelImg标准的数据集标签格式都是VOC(xml格式)的，而通常yolo 训练所需要的文件格式是yolo(txt格式)的，这里就需要对xml格式的标签文件转换为txt文件。至此，xml格式的标签文件转换为txt格式的标签文件并划分为训练集和测试集就讲完了。其他的文件会自动生成出来的，具体的格式见图。
2023-07-03 17:35:16
2760
2
原创 【程序干货】YOLO 预测检测结果不顺心？手把手教你自定义“红框白字”专业视觉效果（附完整代码）
本文介绍了一个用于YOLO目标检测结果自定义可视化的Python脚本，可实现"红框+红底+白字"的专业风格。该脚本通过OpenCV重新绘制检测结果，提供统一视觉风格，支持调整线条粗细、字体大小等参数，并能同步保存标准YOLO格式标签文件。核心功能包括：自动处理标签越界问题、参数化配置、双重输出（图片+标签）。使用方法简单，只需运行脚本并指定权重和图像路径即可。这种自定义可视化方案特别适合学术论文、工业报告等需要统一专业风格的场景，能显著提升检测结果的可读性和美观度。
2025-12-22 23:29:54
319
原创 论文16｜Deep learning-based prediction of enzyme optimal pH and design of poi基于深度学习的酶最适 pH 预测及提高耐酸性的酶设计
ACSSyntheticBiology期刊发表的研究开发了深度学习模型Seq2pHopt-2.0，通过结合ESM-2蛋白质语言模型、多尺度CNN和自注意力机制，实现了基于序列的高精度酶最适pH预测（RMSE=0.833，R2=0.479）。模型不仅性能优于现有工具，还具有良好的可解释性，能识别关键残基位点。应用案例显示，模型指导的Pyrococcushorikoshii二乙酰壳二糖脱乙酰酶H44C突变使其在酸性条件下活性提高7%，验证了该模型在酶工程中的实用价值。
2025-12-17 10:45:28
944
原创 论文15 | 深度学习对功能性超声图像进行血管分割案例分析
法国里昂大学团队开发了一种基于深度学习的创新方法，利用超声定位显微术(ULM)自动标注功能性超声(fUS)图像，通过改进的UNet架构仅需100帧数据即可实现90%准确率的动静脉血流方向识别。该技术突破性地解决了传统fUS难以区分小动脉和小静脉的难题，相比需要3000帧数据的传统方法大幅提升了效率，为实时监测脑血流动态提供了新途径。研究成果发表在《Computers in Biology and Medicine》期刊。
2025-12-17 10:42:16
318
原创 论文14 | Science Advance ：Diurnal urban rainfall anomalies across differen 不同景观下的城市日变化降雨异常
研究发现，随着极端降水阈值升高，多数城市降水强度超过乡村背景。不同地理环境下，城市热岛效应通过增强对流和风场再分配作用，显著改变降水时空格局，其中东部平原呈现"城市湿岛"，西部山区则多为"城市干岛"。该研究揭示了城市化与区域气候背景的复杂相互作用，为理解城市降水日变化特征提供了新视角。
2025-12-17 10:36:34
825
原创 论文13 | Nature: 数据驱动的地球系统科学的深度学习和过程理解
摘要：深度学习在地球系统科学中的应用正日益受到关注。这项研究提出将物理模型与数据驱动的机器学习相结合，以应对地球科学面临的大数据挑战。研究表明，深度学习能够自动提取时空特征，有助于理解复杂的地球系统过程，提高季节预测精度，并模拟长程空间关联。文章探讨了深度学习在地球科学中的机遇与挑战，包括可解释性、物理一致性、数据复杂性等问题，并建议采用混合建模方法整合物理过程模型与机器学习。这种融合方法有望解决传统模型在参数化和生态系统响应预测等方面的局限性，推动地球科学研究的进步。
2025-12-17 10:29:09
716
原创 论文11-CVPR 2024 | ew-Shot Object Detection with Foundation Models 基于基础模型的少样本目标检测
本文提出了一种基于基础模型的少样本目标检测方法(FM-FSOD)。创新点包括：1)首次将自监督视觉模型DINOv2作为视觉骨干，利用其强大的跨语义判别和定位能力；2)引入大型语言模型(LLM)进行上下文少样本学习，通过精心设计的指令提示实现提议分类；3)提出支持类别感知的提议生成方法。实验表明，该方法在多个基准测试中达到最先进性能。主要贡献在于简化了传统复杂的度量学习网络，充分利用预训练基础模型中的知识，为少样本目标检测提供了新思路。
2025-12-17 10:22:13
780
原创 《A review of remote sensing image segmentation by deep learning methods》——基于深度学习方法的遥感图像分割研究进展综述
本文综述了基于深度学习的遥感图像分割方法研究进展。遥感图像具有高分辨率和丰富光谱信息，但传统分割方法难以处理复杂场景。深度学习通过深度特征提取和多尺度建模显著提升了分割精度。文章系统回顾了160种深度学习算法，包括CNN、Transformer及混合架构，并分析了其在监督学习、半监督学习和自监督学习中的应用。重点探讨了深度学习在地质、精准农业、水文和环境保护四大领域的应用案例。当前挑战包括标注成本高、多模态数据融合不足及边缘分割不精确，未来需加强基础模型研究、边缘优化和领域知识融合。本综述为遥感图像
2025-12-11 22:46:19
851
原创 服务器高效操作指南：Python 环境退出与 Linux 终端快捷键全解析
在服务器运维、Python 开发或数据科学场景中，熟练掌握终端操作技巧是提升效率的关键。本文深度解析 Python交互式环境退出方法，并系统梳理 Linux 服务器终端核心快捷键与实用指令，助你在命令行操作中事半功倍。
2025-10-14 20:14:08
724
原创 【合适新人】预测图片教程——如何随机抽取验证集图片进行可视化推理！（附完整代码）
本文将手把手教你编写一个 Python 脚本，它能自动读取你数据集的 .yaml 配置文件，找到验证集路径，并从中随机抽取100张图片进行推理，最后将带有标注框的结果图保存在指定文件夹。让你对模型效果一目了然！
2025-08-26 14:37:55
860
原创 高效解决 pip install 报错 SSLError: EOF occurred in violation of protocol
最快的临时解法：暂时关闭代理软件的“系统代理”功能。最推荐的永久解法：通过 pip config set global.proxy 命令，为 pip 单独配置代理。最有效的备用解法：使用 -i 参数更换为国内镜像源进行下载。希望这篇教程能帮助你解决这个恼人的网络问题，让你重新享受顺滑的 pip install 体验！如果觉得有用，欢迎点赞、收藏、转发！
2025-08-14 14:07:38
1254
原创 【python】result结果生成train/val_loss 曲线图
修改Python绘图代码来优化训练和验证分类损失曲线的可视化效果，核心目标是去除背景栅格线使图表更清晰专业，通过调整figure尺寸为10x6英寸确保足够的展示空间，使用线宽2的曲线增强可读性，添加图例和轴标签明确图表含义，关闭网格线使视觉焦点集中在数据趋势上，整体代码修改简洁直接，保持原有数据展示逻辑的同时提升图表美观度。
2025-07-07 12:48:37
327
原创 掌握deepSeek提示词的15个绝技！（合适新人）
本文深入浅出讲解了向deepSeek提问的三大类共计15个技巧，学会了你就能更好向deepSeek提问，获取更优质答案~本文讲解的提示词技巧，同样适用于其它AI大模型。“请帮我策划10岁孩子的生日派对，需求如下：1、主题：太空探险；总结：通过 精准描述问题、引导深入思考、控制输出质量 三类技巧，可显著提升与AI的协作效率，并获得好的结果。“请给我推荐几本管理领域的好书，要求是深入浅出且故事化的，比如《谁动了我的奶酪》”向AI提问就像 “对指挥助手一样提问”就好了，助手能听明白的问题AI就能听明白。
2025-02-17 16:49:20
1669
原创 YOLOv8目标检测算法的复现与训练过程（合适新人）
总结YOLOv8在目标检测领域的创新性和实用性，强调其在速度、精度和易用性上的平衡，YOLOv8表现出色，适合各种实际应用场景。YOLOv8作为行业标准模型的重要性，并展望其未来的发展潜力
2025-01-24 15:05:29
1419
1
原创 Python查看OpenCV版本号
Python查看OpenCV版本号OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉库，提供了丰富的图像和视频处理功能。在使用OpenCV时，我们常常需要查看其版本号，以确定所使用的功能是否与特定版本兼容。本文将介绍如何使用Python查看OpenCV的版本号，并提供相应代码示例。
2025-01-19 11:33:15
2053
原创 YOLOv8环境部署GPU配置方法（合适新人）
选择合适的版本，初始界面是最新版，如果不支持最高版本、点击右下角选择相应的版本进行下载。安装则按照提示下一步直接安装即可，需要记得安装路径的位置。输入如下命令，如果成功，会出现一个名为runs的文件夹里面会出现训练结果。将下载后的文件用来替换CUDA安装目录下的同名文件，之后添加环境变量。（这里为你的python版本）创建一个虚拟环境后使用。下载之后选择Allusers，下一步安装即可。根据安装的CUDA版本选择相应的Pytorch。进入到pytroch虚拟环境中，使用。至此yolov8环境部署完毕。
2025-01-15 10:03:00
1992
原创 YOLOv8安装配置入门指南（合适新人）
本文是YOLOv8安装配置入门指南，将会详细讲解安装，配置，训练，验证，预测等过程YOLOv8 官网然后下载 zip 压缩包即可。
2025-01-15 09:34:52
2457
1
原创 科研篇——徐寅生：关于如何打乒乓球
徐寅生同志的讲话和贺龙同志的批语，印发中央工作会议同志们一阅。并请你们回去后，再加印发，以广宣传。同志们，这是小将们向我们这一大批老将挑战了，难道我们不应该向他们学习一点什么东西吗？讲话全文充满了辩证唯物论，处处反对唯心主义和任何一种形而上学。多年以来，没有看到过这样好的作品。他讲的是打球。我们要从他那里学习的是理论、政治、经济、文化、军事。如果我们不向小将们学习，我们就要完蛋了。”我这几年是怎样打球的咱们现在打球的条件很好，尤其是年轻运动员，从小就有这样
2024-12-21 16:51:15
1362
原创 科研篇——《吕达仁：科研真问题从何而来》
他认为，现在我国发展面临的国内外环境正发生深刻复杂变化，科研选题更需要从国家重大战略需求导向出发，这有利于聚焦国家急迫需求和长远发展中的重大问题，有利于破解“卡脖子”技术难题，打破国外封锁垄断，最终实现关键核心技术自主可控，保障我国“十四五”时期以及更长时期的发展。这给我的启发就是，真正的科研问题，是要从国家的重大需求中去提炼的。我们做大气研究，没有现成的雷达等实验设备，就要靠我们自己做，但对我们的评价依据不是做出来的雷达，而是要评价我们通过雷达获得数据后的分析结果，这就不够合理，应该分阶段、分类评价。
2024-12-21 16:35:26
1008
原创 大恒相机开发（3）—大恒相机工业检测的实际案例
这些案例展示了大恒相机在工业检测领域的广泛应用，包括质量控制、缺陷检测、尺寸测量等多个方面。通过上述技巧，可以有效地提升大恒相机在图像采集过程中的性能和效率。通过上述措施，可以确保大恒相机在不同工业环境下的稳定性和可靠性。
2024-12-20 23:25:24
1790
原创 大恒相机开发（2）—Python软触发调用采集图像
这段代码是一个Python程序，用于从大恒相机采集图像，通过软件触发来采集图像。咱们直接上python的完整代码：详细解读和功能说明下面是代码的详细解读和功能说明：导入必要的库：定义采集函数：采集函数的共同步骤：定义函数：程序入口：使用大恒相机进行图像采集时，以下是一些性能优化技巧：合理设置相机参数：使用软件触发：图像格式转换和预处理：利用回调采集提高效率：图像增强功能：流对象属性控制：多相机采集稳定性：使用高速接口：优化代码逻辑：合理管理资源：通过上述技巧，可以有效地提升大恒相机在图像采集过程中的性
2024-12-20 18:03:04
2561
原创 大恒相机开发（1）—Python调用采集彩色图像并另存为本地
这个程序的主要功能是初始化大恒相机，设置分辨率、帧率等参数，然后连续采集指定数量的图像，并将每幅图像保存到本地。程序还打印了采集过程中的一些信息，如帧ID和帧率。这段代码是一个Python程序，用于从大恒相机采集彩色图像，并将其保存到本地。：这是程序的主函数，所有操作都在这个函数中执行。前面需要自己修改下频率和采集的次数。
2024-12-20 17:56:28
1828
1
原创 default.yaml文件训练YOLOv5s模型
如果你的改进版的 YOLOv5s 模型改动不大，且这些改动可以通过修改配置文件来实现，那么你可以继续使用 default.yaml 文件来训练你的改进模型。然而，如果你的改进涉及到模型架构的变化，例如添加了新的层、改变了层的顺序或者修改了网络的深度和宽度，那么你需要相应地更新 default.yaml 文件以反映这些变化。如果你的改进涉及到这些方面的改变，你需要手动编辑 default.yaml 文件，或者创建一个新的 YAML 文件来包含你的配置。在训练时，通过指定新的配置文件路径来使用这些设置。
2024-12-18 23:12:04
345
原创 问答系列——输入任意两个数a和b（a＜b）并计算出该区域所有数的积
通过在代码中嵌入try-except语句，可以捕获这个异常，并向用户提供友好的错误信息，要求用户重新输入。numpy.prod：numpy是一个强大的数值计算库，其numpy.prod 函数适用于计算数组元素的乘积，支持一维和多维数组。使用通用输入函数：创建一个通用的输入函数，接受提示信息、类型检查、最小值、最大值和范围等参数，以适应不同的输入需求。使用itertools.accumulate 函数：结合operator.mul 函数，可以实现累积乘法操作，同样具有O(n)的时间复杂度。
2024-12-13 08:29:07
953
原创 问答系列：为什么ACM中1003题没有通过呢？
使用sscanf函数检查输入的有效性：当使用scanf函数读取输入时，如果输入不符合预期的格式（例如，非数字字符），scanf会将未匹配的字符保留在输入流中，导致下一次循环继续执行。例如，在代码示例中，通过将指针p赋值为数组a的地址，并通过指针操作实现了负数下标的使用，但需要注意的是，如果下标是从负数开始的，那么下标上界也要做相应的变动。在C语言中，数组的下标必须是非负整数，这是其基本规则。在你的代码中，当数组中的所有元素都是负数时，max_sum 只会更新为第一个元素的值，而不会更新为数组中的最大负数。
2024-12-11 09:04:49
634
原创 问答系列：PTA不变初心数，pta平台提交答案错误为什么呢？
避免在循环中重新初始化变量：例如，在字符串处理中，如果需要在每次循环开始前将某个字符添加到字符串中，应在每次循环开始前进行初始化，而不是在循环中重新赋值。在C++中，有效地初始化和重置循环变量以避免逻辑错误的关键在于确保变量在每次循环开始前都被正确设置，并在循环结束后进行必要的重置。在循环外初始化变量：对于for循环，可以在循环体前初始化变量，或者在循环条件表达式中直接赋值。在循环结束后重置变量：例如，在累加问题中，应在每次循环结束后将累加结果重置为0，以避免后续计算中出现未初始化的变量问题。
2024-12-11 08:54:30
790
原创 问答系列：编写一个C语言程序来遍历所有可能的六位数
减少不必要的计算：避免在循环内部重复计算常量，如缓存常量，并在循环外部计算常量，以减少循环内部的计算量。六位数 各位数字互不相同 能被11整除 去掉首位后的五位数 去掉首位后的五位数是否为完全平方数 去掉末位后的五位数 去掉末位后的五位数的平方根 去掉末位后的五位数的平方根是否等于去掉首位后的五位数。复数运算支持：在C99标准中，C语言增加了对复数运算的支持，通过头文件提供了一系列复数运算函数，如复数的余弦（ccos）、复数的指数（cexp）等。否则，将该数字标记为已出现。
2024-12-10 20:39:43
904
原创 问答系列python——如何用字典的基础知识统计一段英语短文中每个单词出现的次数？
要使用字典的基础知识来统计一段英语短文中每个单词出现的次数，可以按照以下步骤进行：获取用户输入：使用input()函数获取用户输入的英文句子。转换为小写：使用lower()方法将句子转换为小写，以确保统计时不区分大小写。分割成单词列表：使用split()方法将句子分割成单词列表。创建字典：创建一个空字典word_dict来存储每个单词及其出现次数。遍历单词列表：遍历单词列表，检查每个单词是否已在字典中存在。如果存在，则增加计数；如果不存在，则添加新单词并设置计数为1。
2024-12-10 20:30:14
1385
原创 C编程求助问题：make menuconfig 命令执行失败而报错
在Windows上，确保已配置好MinGW环境，并使用 mingw32-gcc test.c -o test -lncurses 编译，然后运行 ./test。使用命令 sudo apt-get install libncurses5-dev libncursesw5-dev 安装ncurses库。在Linux上，使用 gcc test.c -lncurses -o test 编译，并运行 ./test。根据提供的证据，解决这个问题的关键是安装 ncurses 库及其开发文件。
2024-12-10 14:41:40
1226
原创 C编程求助问题：实验报告类型如何画出流程图并编写程序？
避免使用scanf()函数：由于scanf()函数在读取整数时容易出现类型不匹配的错误，建议将所有输入视为字符串，然后进行相应的转换。使用getchar()函数清除错误输入：当检测到错误输入时，可以使用getchar()函数逐个读取并丢弃错误字符，直到遇到换行符（\n）。使用ungetc()函数清除缓冲区中的无效字符：当检测到错误输入时，可以使用ungetc()函数将错误字符放回输入缓冲区，然后重新开始输入循环，允许用户重新输入。输入某个字母，查找题(1)数组中是否存在，若存在则输出该字母在数组中的位置。
2024-12-10 14:31:34
1069
移动设备上实现实时深度神经网络推理的PCONV稀疏化方法
2025-02-11
基于ACFM技术的钢轨踏面斜裂纹检测系统的设计及实验研究
2025-01-05
基于机器视觉技术的玉米种子裂纹检测与识别算法
2025-01-04
机械工程中‘球状’水果分选装置的设计及其应用价值
2025-01-03
高镍层状氧化物正极材料在锂离子电池电动汽车应用中的最新进展和技术挑战
2025-01-02
基于改进YOLOv7的中国毛虾捕捞渔船作业目标检测与计数方法
2024-12-30
基于交变电流场测量技术的水下结构缺陷可视化与智能识别方法
2024-12-26
科研真问题从何而来-中科院院士分享
2024-12-22
学术论文撰写技巧：施一公提高英文论文写作能力的六点建议
2024-12-22
生理响应受背包负载影响的实验室协议研究综述
2024-12-21
农业机械领域中自走式果园有机肥条铺机的研发与测试
2024-12-13
果园有机肥机械化环沟施肥技术研究及其实践
2024-12-13
基于改进轻量级YOLOv8与DSConv及重参数化方法的连续铸坯检测算法在嵌入式设备的应用研究
2024-12-12
基于介电谱技术的高精度乳品中乳糖定量检测方法
2024-12-11
在论文中这两种图像预处理方式有什么区别嘛？ (语言-python)
2025-01-07
SPPF和SPPELAN的结构图对比有啥差别吗？
2024-12-05
为什么yolo的xtx标签经过翻转图像后缺少一个值
2024-11-08
TA创建的收藏夹 TA关注的收藏夹
TA关注的人