resnet500.onnx
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Python栈实现计算器_完整知识整理(1).docx
Python栈实现计算器_完整知识整理(1).docx
pr-agent(Python)
「pr-agent(Python)」是开源项目(Python)。项目简介: PR Agent: The Original Open-Source PR Reviewer. This project is not the Qodo free tier.源码完整,下载解压即可查看使用,适合学习参考、课程设计与二次开发。
opencv4.5的dnn_text_spotting模型文件下载
opencv4.5新更新的TextRecognitionModel和TextDetectionModel_DB的onnx模型文件,包含DB_TD500_resnet18.onnx,DB_TD500_resnet50.onnx,crnn_cs_CN.onnx和alphabet_3944.txt
甲骨文识别系统_基于YOLOv8目标检测与图像分类模型的甲骨文原始拓片图像单字分割识别系统_用于从原始拓片图像中提取甲骨文字符矩形区域并分类识别其具体字形内容_采用Flask后端推.zip
甲骨文识别系统_基于YOLOv8目标检测与图像分类模型的甲骨文原始拓片图像单字分割识别系统_用于从原始拓片图像中提取甲骨文字符矩形区域并分类识别其具体字形内容_采用Flask后端推.zip
智能停车场系统设计[源码]
本文深入探讨了基于图像识别技术的智能停车管理系统设计与实现,旨在提升效率、优化停车体验并降低成本。系统核心技术为深度学习中的卷积神经网络(CNN),用于车牌识别、车辆类型和空车位检测。此外,系统还整合了OCR技术、大数据分析、物联网(IoT)集成,以及远程监控和控制功能。通过这些先进技术,智能停车场系统能够自动化处理车辆进出、智能引导停车,并实时分析数据以支持管理决策。文章详细介绍了CNN的基本原理、车牌识别与OCR技术的整合、车辆类型识别及其在车位分配中的应用,以及空车位检测和实时车位数据管理。最后,探讨了大数据分析在停车场管理中的作用,为智能停车场的未来发展提供了技术支持和实践案例。
极验点选模型训练流程[项目源码]
本文详细介绍了基于YOLOv8和Siamese(孪生)模型构建极验点选验证码识别系统的完整流程。首先,通过网页下载验证码图片,使用LabelImg工具标注目标(target)和题目(text)两类数据,构建YOLOv8数据集。然后,利用Ultralytics框架训练YOLOv8模型,配置数据集划分、YAML文件和训练参数(如epochs、imgsz、device等),训练完成后获得最佳模型。接着,使用训练好的YOLOv8模型批量识别并裁剪验证码中的目标区域,构建Siamese模型的数据集,通过工具对裁剪图片进行分类和增强(如随机旋转),确保数据一致性。之后,训练Siamese模型以学习目标间的相似度,用于确定点击顺序。最后,将两个模型集成到预测代码中,实现端到端的验证码识别,最终模型准确率约90%。文章还提供了数据集划分代码、训练配置示例及算力平台推荐,适合对验证码识别和深度学习模型训练感兴趣的开发者参考。
基于PyTorch构建的轻量级猫狗图像分类系统
一种利用PyTorch构建的轻量级猫狗图像识别模型架构,已打包为压缩文件供使用。该框架旨在为初学者提供一个入门级的深度学习实践示例,采用卷积神经网络对猫和狗两种常见宠物图像进行二分类。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
BEVFormer_实战.zip
BEVFormer_实战
数算岛开源AI训练推理平台V2.0[可运行源码]
数算岛开源AI训练推理平台V2.0是一款面向企业级的全生命周期AI管理解决方案,基于GPU池化技术,实现多租户GPU池化、分布式训练、多框架兼容、边缘端适配及云边协同。平台覆盖数据管理、算法开发、模型训练、模型管理到部署推理的全链路,支持TensorFlow、PyTorch等主流框架,兼容NVIDIA、AMD、华为昇腾等多品牌异构算力硬件,可私有化部署。其核心功能包括智能GPU池化调度引擎,通过动态池化与智能排队提升算力利用率;高性能分布式训练,线性加速比达0.95+,支持断点续训与模型量化压缩;全资产版本化管控,确保实验可追溯;多形态在线开发环境,秒级启动;以及云边协同能力,支持模型一键下发边缘端。系统优势显著,可将算力闲置率从40%+降至82%,训练周期缩短40%,并提供企业级多租户隔离、全栈软硬件兼容、高可用架构及开源可控特性。平台采用云原生微服务架构,基于Docker、Kubernetes、Spring Cloud等技术栈,支持容器化一键部署,适用于企业AI中台、科研院所等场景,全方位提升AI研发效率与算力资源价值。
YOLO模型训练,并用其对水瓶进行检测
YOLO模型训练,并用模型对瓶盖进行检测,得到非常满意的结果。此程序稍加修改,甚至不用修改,即可适用于其他检测。
政府科技管理者在推进科技成果转化时,如何确保技术成果的精准匹配与高效流通?.docx
政府科技管理者在推进科技成果转化时,如何确保技术成果的精准匹配与高效流通?
TCR型SVC静止无功补偿器仿真模型(Simulink仿真实现)
内容概要:本文详细介绍了一种基于Simulink的TCR型SVC(晶闸管控制电抗器型静止无功补偿器)仿真模型,旨在实现对电力系统中无功功率的动态补偿,从而提升电网稳定性与电能质量。文档系统阐述了该模型的设计原理、体系结构及核心控制策略,重点展示了如何通过调节TCR的触发角实现对感性无功功率的连续、精确调控,并结合固定电容器(FC)构成完整的TCR+FC型SVC系统。文中还拓展介绍了在不平衡电网条件下静止无功发生器(SVG)的补偿应用,以及采用三层控制策略的级联H桥STATCOM的仿真设计方法。文章强调,科研工作不仅需要扎实的理论基础,更需注重理论与工程实践的紧密结合,建议使用者深入研读配套的说明报告和参考文献,以透彻理解模型背后的物理机制、数学建模方法与控制逻辑。; 适合人群:电力系统、电气工程及其自动化等相关专业的高校师生、从事电力系统分析与设计的科研人员,以及专注于无功补偿、电能质量治理和柔性交流输电系统(FACTS)设备研发的工程技术人员。; 使用场景及目标:①深入学习和掌握TCR型SVC的工作原理、系统架构及其在Simulink环境中的精细化建模与仿真方法;②研究在各种复杂工况(如电网电压不平衡、负载突变)下,无功补偿装置的动态响应特性、稳定性能及先进控制策略的有效性;③为本科毕业设计、研究生课题研究或实际工程项目提供一个可靠的仿真验证平台和技术支持;④以此为基础,进一步拓展至更为先进的柔性交流输电系统(FACTS)及其他大功率电力电子装置的研究与开发。; 阅读建议:建议读者严格按照资源目录的顺序系统性地学习,充分利用所提供的Simulink模型文件、MATLAB代码及相关技术文档,亲自动手搭建、调试和优化仿真参数。通过反复的实践操作,深化对无功补偿基本原理、非线性元件(晶闸管)控制、闭环反馈系统设计及现代控制算法的理解。同时,鼓励在现有模型的基础上进行二次开发与创新,探索适用于新能源大规模接入等新型电力系统的先进控制策略。
轻量网络对决脊柱 MRI 分割:MobileUnet 与 EfficientUnet 多类别分割实现
## 轻量网络对决脊柱 MRI 分割:MobileUnet 与 EfficientUnet 多类别分割实现 脊柱 MRI 影像分割是骨科临床辅助诊断的关键环节,椎体、椎间盘等结构的精准分割能够为椎间盘突出、脊柱退变等疾病提供量化参考。传统人工标注不仅耗时耗力,还存在不同医师主观判读带来的差异,基于深度学习的自动分割方案可以有效缓解这一痛点。本项目基于 1000 余张脊柱 MRI 二维切片数据集,对比 MobileUnet、EfficientUnet‑B0 两种轻量 U 型分割网络,完成脊柱多类别语义分割任务。 项目采用自定义 PyTorch 数据集 MyDataset 完成数据流水线构建,标签灰度映射信息独立存储在 grayList.txt 文本文件中,自动读取 mask 中存在的灰度类别,将原始 mask 灰度值映射为连续 0‑N‑1 训练标签,推理阶段再还原回原始灰度标签,适配多类别分割场景。数据集训练、验证集按照 images/masks 文件夹成对组织,支持水平、垂直翻转的数据增强,同时预留 CT 窗宽窗位对比度增强接口,图像统一缩放至 224×224,归一化至 0‑1 区间。 训练流程使用 AdamW 优化器、余弦退火学习率衰减,损失函数选用交叉熵损失,通过混淆矩阵自动计算像素精度、Precision、Recall、F1‑Score、Dice、mIoU 多项医学分割常用指标,完整记录每轮 epoch 日志并绘制 Loss、mIoU、Dice、Precision、Recall 变化曲线,保存最优权重 best.pth 与最后一轮权重 last.pth。预测脚本 predict.py 实现批量推理,对预测 mask 做轮廓绘制、叠加原图可视化,输出预测掩码与混合效果图。
高校技术转移办公室人员在组织成果转化过程中,如何提升科技成果推介效率.docx
高校技术转移办公室人员在组织成果转化过程中,如何提升科技成果推介效率
高校技术转移办公室如何实现技术成果的快速精准匹配?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
【计算机体系结构】基于处理器集成验证与性能优化
内容概要:本文介绍了基于的交互机制,以深入理解高层次建模的精髓。
PCIe Protocol Updates - Part I.pdf
PCIe Protocol Updates - Part I.pdf
国央企创新负责人如何推动内部创新成果与外部市场需求的高效对接?.docx
国央企创新负责人如何推动内部创新成果与外部市场需求的高效对接?
PCS双向储能变流器Buck-Boost闭环控制仿真复现(Simulink仿真实现)
内容概要:本文基于Simulink平台,对PCS双向储能变流器的Buck-Boost闭环控制策略进行了详细的仿真复现研究,旨在深入剖析其在储能系统中的动态响应特性和控制性能。文中系统阐述了Buck-Boost控制模式的设计原理,详细展示了在Simulink环境中构建系统模型的全过程,并重点探讨了电压外环与电流内环双闭环控制器的关键参数整定方法。通过严谨的仿真验证,证实了所设计控制方案在实现稳定充放电、精确功率调节以及应对模式切换等方面的优异表现,展现了良好的鲁棒性与控制精度。该仿真模型为直流微电网、混合储能系统等应用中实现高效的双向功率流动提供了坚实的理论依据和技术支持。; 适合人群:具备电力电子技术、自动控制理论基础知识,从事新能源发电、储能系统集成、微电网运行控制等相关领域的科研人员及工程技术人员。; 使用场景及目标:①深入理解双向储能变流器在充放电转换过程中Buck(降压)与Boost(升压)两种工作模式的切换逻辑与控制机理;②熟练掌握基于Simulink的电力电子变换器闭环控制系统建模、仿真与分析方法;③为实际工程中储能变流器(PCS)的控制器设计、参数优化及功能验证提供可复现的仿真模型与理论指导。; 阅读建议:建议读者结合文中的控制框图与仿真模块截图,亲手搭建并调试模型,重点关注双闭环结构中PI控制器参数对系统稳定性与动态响应速度的影响。在仿真过程中,可通过设置负载突变、指令跳变等不同工况,深入探究系统的瞬态性能与鲁棒性,从而全面深化对储能变流器先进控制策略的理解与应用能力。
利用MATLAB、SimEvents和并行粒子群优化进行动态建筑疏散优化。.zip
1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
最新推荐





