注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. a7102单收单发测试程序 51单片机 a7102资料

  2. 主要是无线芯片a7102单发单收的测试程序，以及a7102的相关资料。

  3. 所属分类：C

    • 发布日期：2011-05-03
    • 文件大小：137kb
    • 提供者：xusiyan0217

  1. javaMail实现单发/*邮件操作

  2. 自己收藏 经常用其发邮件 因为代码中是自己的邮箱和密码 所以已经改掉了 导入项目后自己更改个可用的邮箱名和密码就好

  3. 所属分类：Java

    • 发布日期：2013-04-09
    • 文件大小：526kb
    • 提供者：happygaoyaguo

  1. 邮件单发*

  2. 邮件单发*

  3. 所属分类：PHP

    • 发布日期：2017-06-17
    • 文件大小：29kb
    • 提供者：yang131261

  1. 基于激活语义的多尺度单发探测器的遥感影像地理空间目标检测

  2. 基于激活语义的多尺度单发探测器的遥感影像地理空间目标检测

  3. 所属分类：其它

  1. vehicle-recognition-ssd:使用单发检测器进行车辆识别-源码

  2. 使用用于AV的SSD的车辆识别 在自动驾驶汽车（AV's）中使用单发检测器（SSD）进行车辆识别。 链接到PowerPoint以访问视频： 固态硬盘300 使用TensorFlow实现的单发MultiBox检测器 依存关系 python3.6.1 麻木 skimage TensorFlow matplotlib OpenCV 用法 导入所需的模块 import tensorflow as tf import numpy as np from util.util import * from

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：300mb
    • 提供者：weixin_42181686

  1. LRF-Net:高速学习丰富的功能以进行单发物体检测，ICCV，2019年-源码

  2. 高速学习丰富的功能以进行单发物体检测 王天才†，饶·穆罕默德·安维尔†，希舍姆·霍克拉卡，法哈德·沙巴兹·汗，庞彦伟，凌少 †表示同等贡献 介绍 单级物体检测方法由于其独特的实时能力和高检测精度而最近受到了广泛的关注。 通常，大多数现有的单级检测器遵循两种常见做法：它们使用在ImageNet上经过预训练的网络主干来进行分类任务，并使用自上而下的特征金字塔表示法来处理比例变化。 与常见的预训练策略相反，最近的工作证明了从头开始进行训练的好处，可以减少分类和本地化之间的任务差距，尤其是在重叠阈值较高

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：246kb
    • 提供者：weixin_42129005

  1. 使用改进的场映射方法对高分辨率单发EPI DTI进行失真校正

  2. 使用改进的场映射方法对高分辨率单发EPI DTI进行失真校正

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：175kb
    • 提供者：weixin_38585666

  1. SSD-pytorch:单发MultiBox对象检测实现的练习-源码

  2. 固态硬盘 实践中的单发MultiBox对象检测实现。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：14kb
    • 提供者：weixin_42174176

  1. 基于区域注意力的单发探测器，用于SAR船舶探测

  2. 基于区域注意力的单发探测器，用于SAR船舶探测

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：397kb
    • 提供者：weixin_38595606

  1. SSD-pytorch：SSD：单发MultiBox Detector pytorch实施着重于简单性-源码

  2. SSD：单发MultiBox检测器 介绍 这是我的2种模型的pytorch实现： SSD-Resnet50和SSDLite-MobilenetV2 。 这些模型基于论文描述的原始模型（SSD-VGG16）。 此实现支持混合精度训练。 SSD Resnet50的输出示例。 动机 为什么在已经有许多ssd实现的情况下存在此实现？ 我相信许多人在看到此实现时都会想到这个问题。 实际上，Pytorch中已经有许多SSD及其变体的实现。 但是，其中大多数是： 过于复杂 模块化 增加了许多改进 未评

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：96mb
    • 提供者：weixin_42139460

  1. 通过重叠回波分离和DenseNet高效重建单发磁共振T2映射

  2. 通过重叠回波分离和DenseNet高效重建单发磁共振T2映射

  3. 所属分类：其它

  1. 太赫兹辐射的时域光谱单发探测

  2. 随着大功率激光技术的发展,由其驱动产生的太赫兹辐射受到了广泛关注。然而,大功率激光装置的重复频率低,测量其产生的太赫兹辐射的难度较大。采用时域光谱单发探测技术可以克服这一探测难点,通过单次测量就能得到太赫兹辐射的电场波形信息。回顾了太赫兹辐射时域光谱单发探测的相关研究工作进展。根据频率-时间编码和空间-时间编码两种不同的原理,详细介绍了啁啾脉冲光谱编码探测和空间-时间编码探测等测量技术,并对各个测量技术的特点和参数进行了对比,最后对太赫兹辐射的单发探测作了总结和展望。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：12mb
    • 提供者：weixin_38644168

  1. 单发-源码

  2. 单发

  3. 所属分类：其它

  1. damAjaxForm：纯JavaScript表单发送者-源码

  2. DamAjaxForm 纯Javascr ipt表单发送者 frontend.html <input type="text" name="input-name" value="valu

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：11kb
    • 提供者：weixin_42113380

  1. 单发面部识别：单发面部识别-源码

  2. 单发面部识别

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：36mb
    • 提供者：weixin_42109732

  1. SSD.TensorFlow：Pure TensorFlow中最先进的单发MultiBox检测器，QQ群：758790869-源码

  2. TensorFlow中最先进的单发MultiBox检测器 该存储库包含重新实现代码 TensorFlow中的 。 如果您的目标是复制原始结果，请使用官方。 GitHub上已经有一些基于TensorFlow的SSD重新实现代码，此存储库的主要特殊功能包括： 从VGG-16预训练模型（SSD300-VGG16）进行训练时，具有最先进的性能（77.8％mAP）。 使用TensorFlow高级API 训练模型。 尽管TensorFlow提供了许多API，但强烈建议使用Estimator API来生

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：206kb
    • 提供者：weixin_42123296

  1. ssd_keras：单发MultiBox检测器的Keras端口-源码

  2. SSD：Keras中的单发MultiBox Detector实现 内容 总览 这是Wei Liu等人介绍的SSD模型架构的Keras端口。 中的文件 。 下面提供了所有原始模型的经过训练的配重的端口。 此实现是准确的，这意味着移植的权重和从头开始训练的模型都将产生与原始Caffe实现的各个模型相同的mAP值（请参见下面的性能部分）。 该项目的主要目标是创建一个SSD实施，对于那些对模型的低级理解感兴趣的人，有充分的文档证明。 所提供的教程，文档和详细的注释希望使代码的挖掘和改编或建立在模型上

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：10mb
    • 提供者：weixin_42105169

  1. 单发脉冲飞行时间激光测距技术

  2. 单发脉冲飞行时间测距技术在移动目标跟踪测量、汽车防撞、机器人运动控制等要求快速响应的场合具有重要应用。介绍了单发脉冲飞行时间激光测距技术的研究现状, 分析了基于前沿定时和共振定时的单发脉冲测距原理、方法及误差补偿技术, 并给出了各种单发脉冲测距范围、单发测距精度等技术指标。

  3. 所属分类：其它

  1. 息肉定位：使用单发多盒检测器在结肠镜检查视频中进行息肉定位-源码

  2. 有关设置环境，请阅读SETUP.md 息肉定位和检测 这项工作是在EEML暑期学校（2019年）期间介绍的。在 查找随附的海报。 对于我们的定位和检测任务，我们使用了ColonCVC数据集和ETIS-Larib数据集。 1.息肉本地化 这里的任务是训练完全卷积网络（FCN-8）为息肉创建分割蒙版，然后在其周围绘制一个边界框。 要训​​练FCN-8，请运行main.py 要评估/测试模型，请运行predict_masks.py 2.息肉检测 这里的任务是训练物体检测网络。 我们使用SSD（单发M

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：146mb
    • 提供者：weixin_42156940

  1. 用于空中红外目标检测的增强单发多框检测器方法

  2. 提出了一种用于空中红外目标检测的增强单发多框检测器(SSD)方法。分析了感受野与特征图层数的关系,同时采用池化和转置卷积操作的特征图双向融合机制,从整体上增强了特征的表达能力。通过引入浅层特征图的语义增强分支,并在高分辨率特征图上增加预测框,可提升小尺寸目标的定位精度。在VOC2007小目标和空中红外目标数据集上进行了对比测试,平均精度分别提高了7.1%和8.7%,此时检测速度略有下降。结果表明,增强SSD可在空中红外目标检测中获得较好的性能。

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 50 »