mkdir /data/xxx_performance 在可读分区建立目录
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
电力系统【多目标调度+预测】基于周期增强时序预测与帕累托多目标优化的建筑群储能鲁棒调度策略研究(Python代码实现)
内容概要:该研究提出了一种融合周期增强时序预测与帕累托多目标优化的建筑群储能鲁棒调度策略,旨在有效应对建筑能源系统中可再生能源出力与负荷需求双向不确定性带来的运行挑战。研究首先构建周期增强的时序预测模型,通过深度挖掘建筑负荷与光伏、风电等出力数据中的日、周、季节等多重周期性特征,显著提升预测精度;继而建立以经济成本最小化、碳排放强度最低和系统运行稳定性最优为优化目标的多目标调度模型,采用帕累托前沿求解技术生成一组非劣解集,实现多目标间的协同与权衡;最后引入鲁棒优化机制,增强调度方案在极端不确定场景下的适应能力,保障系统在最恶劣情况下的安全稳定运行。整个技术框架基于Python语言实现,具备完整的可复现性与实际工程应用潜力。; 适合人群:具备一定电力系统、能源工程或自动化领域基础知识,熟悉Python编程语言,从事综合能源系统优化、智能调度算法研究、多目标优化或鲁棒优化等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于园区级、建筑群或微电网等分布式能源系统的储能配置与能量管理;②为高比例可再生能源接入场景下的不确定性管理提供先进解决方案;③支撑面向低碳化、经济化与高可靠性目标的综合能源系统协同优化运行研究与工程实践。; 阅读建议:建议读者结合文中提供的Python代码,逐步复现预测与优化模块,重点关注周期特征提取方法、多目标建模方式以及鲁棒优化参数设置,通过仿真实验对比不同策略的效果,深入理解模型的设计逻辑与实际应用价值。
负荷预测基于LSTM-Attention、蜣螂优化DBO-LSTM-Attention的负荷预测研究(Python代码实现)
内容概要:本文深入研究了基于LSTM-Attention及蜣螂优化算法(DBO)改进的LSTM-Attention模型在电力负荷预测中的应用。通过引入注意力机制(Attention),模型能够动态加权历史时序数据中对当前预测更具影响力的时刻,从而增强对复杂非线性负荷变化模式的捕捉能力。为进一步提升模型性能,采用蜣螂优化算法对LSTM-Attention的关键超参数进行全局智能寻优,构建了DBO-LSTM-Attention混合预测模型。文章系统阐述了LSTM网络结构、注意力机制的数学原理、DBO算法的优化流程及其在模型调参中的具体实现方法,并通过Python代码完整实现了从数据预处理、模型搭建、参数优化、训练评估到预测结果可视化的全流程。仿真实验结果表明,所提出的DBO-LSTM-Attention模型在预测精度上显著优于传统的LSTM和基础LSTM-Attention模型,验证了其在处理高波动性电力负荷数据方面的优越性。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、能源管理、智能电网或时间序列预测等相关领域的研究人员、工程技术人员及研究生。; 使用场景及目标:①应用于电力系统短期或中期负荷预测,为电网调度、需求侧管理、电力市场竞价及能源规划提供高精度的数据支持;②学习如何将深度学习(LSTM)、注意力机制与智能优化算法(DBO)相结合,构建高性能的时序预测模型,并掌握其代码实现与调优技巧。; 阅读建议:在学习过程中应重点理解注意力机制的作用原理及其在提升模型解释性方面的价值,掌握蜣螂优化算法的寻优逻辑与实现细节,并动手运行、调试所提供的Python代码,尝试在不同的负荷数据集上进行实验,以深入理解模型的泛化能力和优化效果。
【动态多智能体系统的通信感知编队控制】一种新颖的通信感知编队控制策略,用于动态多智能体系统研究(Matlab代码、Python代码实现)
内容概要:本文提出了一种新颖的通信感知编队控制策略,用于动态多智能体系统的研究,旨在实现多智能体在复杂环境下的协同编队与通信能力的深度融合与协同优化。该策略通过Matlab和Python代码实现,创新性地将通信链路状态感知机制嵌入编队控制框架中,使多智能体在执行编队任务的同时,能够实时感知、评估并适应通信质量的变化,从而有效缓解由动态环境引起的通信延迟、信号衰减和干扰等问题,显著提升了系统在非理想通信条件下的整体鲁棒性、任务适应性和协同效率。研究内容涵盖系统动力学建模、通信感知机制设计、分布式控制算法推导、稳定性理论分析以及多场景仿真验证,重点解决了通信性能约束与编队几何构型维持之间的耦合难题。; 适合人群:具备一定编程基础和控制理论知识,熟悉Matlab或Python编程语言,从事自动化、机器人学、智能交通、无人系统集群控制等相关领域研究的科研人员、工程师及研究生。; 使用场景及目标:①应用于多无人机、无人车、无人艇等多智能体系统的协同编队与通信一体化控制研究;②解决动态复杂环境中多智能体编队稳定性与通信可靠性协同优化的关键问题;③为相关领域的科研项目和工程应用提供先进的算法原型、完整的代码实现与仿真验证方案。; 阅读建议:此资源以理论分析与代码实现并重,建议读者在学习过程中结合提供的Matlab/Python代码进行仿真复现,深入理解通信感知与编队控制的耦合机理,并可通过修改环境参数和控制增益等方式进行拓展性实验,以掌握算法的适应性与优化方法。
负荷预测基于RBF的负荷预测研究(Python代码实现)
内容概要:本文围绕基于RBF(径向基函数)神经网络的电力负荷预测展开深入研究,提出了一种结合RBF网络非线性拟合能力与历史负荷数据学习能力的预测技术方案,并配套提供了完整的Python代码实现。文中系统阐述了RBF神经网络的基本原理、结构特点及其在负荷预测中的应用逻辑,通过实际数据训练模型,验证其对未来电力负荷的精准预测能力。研究突出RBF网络在处理复杂用电模式下的优越性,尤其在模型简洁性、训练效率和泛化能力方面表现优异,同时与其它主流预测方法进行对比分析,进一步凸显其工程实用性。; 适合人群:具备一定Python编程基础和机器学习基础知识的高校学生、科研人员及从事电力系统分析、能源管理等相关工作的技术人员。; 使用场景及目标:①应用于电力系统调度、能源管理系统中,实现短期或中期负荷预测;②作为教学案例帮助学习者掌握RBF神经网络的实现与调参技巧;③为智能电网、需求响应等领域的数据分析提供技术支持。; 阅读建议:建议读者结合所提供的Python代码进行实践操作,理解数据预处理、模型构建、训练与评估的全流程,同时可尝试将该方法迁移至其他时间序列预测任务中以加深理解。
Zotero 10.0.5 文献管理工具 Windows x64 官方安装版+论文引用管理教程
Zotero 10.0.5 官方 x64 安装包(7z 核验 87 个文件,AGPL-3.0 开源免费)。官网下载器藏得深且不分流。使用方法:双击安装后配合浏览器 Connector 一键抓取文献,Word 插件自动插引;教程含条目管理、PDF 标注与 GB/T 7714 中文引用格式配置。
YOLO26算法工业车间卷材目标检测+训练好的模型+650张数据集+pyqt可视化界面.zip
可参考下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[卷材(roll)] · 训练集:594 张 · 验证集:56 张 · 测试集:0 张 · 总计:650 张 该数据集聚焦于工业生产车间内卷材的识别与定位,旨在为自动化仓储、物流搬运及质量监控提供视觉支持。图像场景真实还原了工厂内部环境,包括货架、运输手推车、地面标识以及作业人员活动区域,具有高度的工业现场代表性。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 37 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9901** mAP50-95 | 0.6859 Precision | 0.9660 Recall | 0.9818 train/box_loss | 0.9839 train/cls_loss | 0.3392 val/box_loss | 1.1350 val/cls_loss | 0.3171 【训练过程分析】 37 轮训练后 mAP50 达到 0.9901,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6859,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9660、Recall 0.9818,精召双高,模型对卷材的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖卷材,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 对定位精度...
基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算(THRO)的城市空中交通多无人机路径规划研究(Matlab代码实现)
内容概要:本文研究了基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算法(THRO)的城市空中交通多无人机路径规划问题,并提供了Matlab代码实现。文章系统性地探讨了三种智能优化算法在复杂城市空域环境中协同规划多无人机飞行路径的能力,重点解决路径冲突、动态避障、能耗优化与飞行效率等关键挑战。通过融合不同算法的搜索机制与策略设计,增强了路径规划的全局寻优能力、收敛速度与动态适应性,实现了安全、高效、低能耗的多无人机协同飞行仿真验证,为未来城市空中交通系统(UAM)的智能化发展提供了可行的技术路径。; 适合人群:具备一定算法基础和Matlab编程能力的研究生、科研人员及从事无人机路径规划、智能优化算法、空中交通管理等相关领域的技术人员。; 使用场景及目标:①应用于城市空中交通系统(UAM)、物流配送无人机群、应急救援编队等多无人机协同场景中的路径规划;②用于学习和复现智能优化算法在复杂约束条件下解决多目标路径规划问题的方法;③为目标是提升路径安全性、飞行效率与能源利用率的研究提供算法参考与代码支持。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注CCO、GGO与THRO的协同机制设计,同时可通过修改环境参数或增加约束条件进行扩展实验,以增强对智能优化算法应用灵活性的掌握。
200多种中式菜系菜单检测数据集6928张YOLO+VOC格式.zip
数据集格式:VOC格式+YOLO格式 压缩包内含:3个文件夹,分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计:6928 Annotations文件夹中xml文件总计:6928 labels文件夹中txt文件总计:6928 标签种类数:238 标签名称:["Abalone","Bean Curd","Beef Seasoned with Soy Sauce","Beef stew with radish","Beer duck","Beijing Roast Duck","Biscuits","Black Fungus in Vinegar Sauce","Black bone chicken soup","Boiled Fish with Picked Cabbage and Chili","Boiled Shredded pork in chili oil","Boiled chicken","Borsch","Braised Fungus with pork slice","Braised Hairtail in Brown Sauce","Braised Pork with Vermicelli","Braised Shrimp in chili oil","Braised beans with potatoes","Braised beef","Braised beef noodle","Braised mushroom with chicken","Braised pig feet with soy sauce","Braised pork","Braised spareribs with kelp","Bread","Broccoli with Oyster Sauce","Brown sugar ice powder","Cele
雷达基于Matlab的雷达SAR成像仿真(Matlab代码实现)
内容概要:本文基于混沌系统与DNA编码技术,提出了一种针对彩色数字图像的加密解密方案,并系统性地分析了其抗噪声与抗裁剪性能。通过利用混沌系统对初值和参数的极端敏感性以及伪随机遍历特性,结合DNA编码的高维组合能力和并行处理优势,构建了多层级的像素混淆与扩散机制,实现了对彩色图像RGB三通道信息的安全加密与精确还原。研究重点验证了算法在高斯噪声和椒盐噪声干扰下的解密恢复能力,以及在不同面积和位置裁剪攻击下的鲁棒性表现。实验结果表明,该算法具备优良的抗干扰能力,局部像素畸变或数据缺失不会导致整体解密失败,有效提升了图像加密技术在复杂传输环境中的实用性。; 适合人群:具备数字图像处理、密码学基础或信息安全背景的科研人员及研究生。; 使用场景及目标:①为多媒体信息安全传输提供高鲁棒性的图像加密技术方案;②研究混沌系统与生物编码技术在信息安全领域的融合应用;③评估加密算法在真实信道噪声和恶意裁剪攻击下的实际性能表现。; 阅读建议:在学习过程中应重点关注混沌序列生成、DNA编码规则设计及像素置乱扩散的具体实现步骤,并结合Matlab代码动手复现实验,通过调整噪声强度与裁剪区域来深入理解算法的鲁棒性机制。
【光栅和蛇形误差扩散半色调】基于Floyd-Steinberg算法进行误差扩散半色调研究(Matlab代码实现)
内容概要:本文围绕基于混沌系统与DNA编码的彩色图像加密解密技术展开研究,构建了一套完整的加密解密框架,涵盖图像预处理、混沌序列生成、像素置乱、DNA编码扩散及通道融合等核心环节。重点分析了算法的密钥敏感性、像素置乱效果等基础安全特性,并系统性地开展了抗噪声与抗裁剪性能测试,验证了算法在面对高斯噪声、椒盐噪声及多种裁剪攻击时仍具备良好的解密还原能力与鲁棒性。研究表明,该复合加密方案通过混沌系统的初值敏感性和遍历性实现像素级混乱,结合DNA编码的多维扩散特性,有效增强了加密强度与抗干扰能力。; 适合人群:具备一定图像处理与密码学基础知识,从事信息安全、多媒体通信或相关领域研究的研发人员及高校研究生。; 使用场景及目标:①为彩色图像在网络传输、云存储等开放环境中提供高安全性、强鲁棒性的加密保护方案;②适用于对图像保密性与完整性要求较高的军事、医疗、金融等领域;③为后续研究抗干扰能力强的实用型图像加密算法提供理论依据与实验参考。; 阅读建议:建议结合Matlab代码实现同步学习,重点关注混沌参数设置、DNA编码规则设计及多层级加密流程的实现逻辑,通过复现抗噪声与抗裁剪实验深入理解算法鲁棒性机制。
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)
内容概要:本文提出了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于优化长短期记忆网络(LSTM)的分类预测模型,相关研究通过Matlab代码实现。该算法融合了遗传算法的全局搜索能力与改进粒子群算法的局部精细搜索能力,有效解决了传统LSTM模型在参数初始化敏感、易陷入局部最优等方面的缺陷,显著提升了模型在复杂非线性分类任务中的预测精度、泛化能力与稳定性。研究内容涵盖算法设计、模型训练、超参数优化及分类性能验证,尤其适用于风电预测、故障诊断等高噪声、强时变的实际工程场景,为智能优化算法与深度学习模型的深度融合提供了系统性实践范例。; 适合人群:具备一定机器学习、优化算法理论基础,熟悉Matlab编程环境,从事智能算法研究、电力系统预测、工业故障诊断等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①解决传统LSTM网络因参数初始化不当而导致的收敛慢、精度低问题;②提升时间序列分类任务中的模型鲁棒性与预测准确率;③探索混合智能优化策略在深度学习超参数调优中的应用潜力;④为复杂工业系统的智能诊断与预测提供可复现的技术方案; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点剖析GA-HIDMSPSO算法的实现机制及其在LSTM超参数优化过程中的作用路径,通过对比不同优化算法(如PSO、GA、SSA等)的调优效果,深入理解模型性能提升的关键因素,进而掌握智能优化与深度学习融合建模的核心方法。
锂电-新能源汽车产业数据库240427-0714230635.xlsx
详细介绍及样例数据:https://blog.csdn.net/li514006030/article/details/167224334
无功优化考虑泄流效应的光伏并网点电压系统侧无功优化(Matlab代码实现)
内容概要:本文提出了一种基于混沌系统与DNA编码相结合的彩色图像加密解密方案,旨在提升图像传输的安全性与抗干扰能力。通过利用混沌系统的初值敏感性、伪随机性和遍历性,结合DNA编码的多维组合与并行处理特性,实现对彩色图像RGB三通道的多层级混淆与扩散加密。文章系统分析了该算法在高斯噪声、椒盐噪声及不同裁剪场景下的抗干扰性能,验证了其在局部数据缺失或噪声污染情况下仍能有效恢复图像主要信息的鲁棒性。; 适合人群:具备图像处理、信息安全或密码学基础知识的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于网络图像传输、医疗影像保护、军事通信等对安全性和鲁棒性要求较高的场景;②目标是实现高安全性、强抗噪声与抗裁剪能力的图像加密,抵御常见信道干扰和恶意攻击; 阅读建议:建议结合Matlab代码实现进行实验验证,重点关注混沌序列生成、DNA编码规则设计及抗干扰测试部分,通过实际仿真加深对算法鲁棒性机制的理解。
【无线电力传输】12伏直流风扇的无线电力传输系统实现(Simulink仿真实现)
内容概要:本文围绕12伏直流风扇的无线电力传输系统展开,利用Simulink进行系统建模与仿真,旨在实现电能的非接触式传输。系统通过发射端的逆变电路将直流电转换为高频交流电,并经由发射线圈产生交变磁场,接收线圈感应该磁场并将其转换回电能,再通过整流稳压电路驱动直流风扇工作。文章详细阐述了系统的工作原理、核心组件选型、电路设计及仿真模型的搭建过程,重点分析了传输效率、输出稳定性等关键性能指标,并通过仿真结果验证了系统的可行性与有效性。该研究为无线电力传输技术在小型电子设备中的应用提供了实践参考。; 适合人群:具备电路基础和Simulink仿真经验,从事电力电子、自动化或相关领域研究的学生及工程技术人员。; 使用场景及目标:①学习并掌握无线电力传输的基本原理与实现方法;②利用Simulink进行电力电子系统仿真建模;③研究系统参数(如线圈距离、谐振频率)对传输效率的影响,优化系统性能。; 阅读建议:学习者应在理解电磁感应与谐振耦合原理的基础上,动手搭建并调试Simulink仿真模型,通过改变参数观察系统响应,从而深入掌握无线传电系统的设计与分析方法。
基于移动端拍照与YOLOv11的车辆违停系统的设计与实现(代码+数据库+LW)
摘 要 随着城市交通规模的不断扩大,车辆违停问题成为影响交通秩序与城市管理的重要难题,传统人工巡检的违停监管方式存在效率低、覆盖范围有限等问题。为解决上述问题,本文设计并实现了一套基于移动端拍照与 YOLOv11 的车辆违停系统,结合深度学习目标检测技术与移动端轻量化应用特点,实现车辆违停的快速采集、智能检测与结果反馈。系统以 Python 3.8 为开发基础,采用 YOLOv11 作为核心检测模型,结合 OpenCV、PyTorch 完成图像处理与模型训练,通过 Flask+Vue 实现前后端分离开发,MySQL 完成数据存储,同时支持 H5 / 微信小程序等移动端形态的图像采集与结果展示。本文详细设计了图像采集、模型训练、违停检测识别等八大功能模块,完成了模型的训练与优化,并对系统进行了功能与性能测试。测试结果表明,该系统能有效检测移动端上传图片中的机动车、摩托车等车辆类型,违停识别准确率达 92% 以上,检测速度满足移动端实时性需求,可实现违停记录的存储、查询与数据分析,为城市交通违停监管提供了轻量化、低成本的解决方案。 关键词:YOLOv11;目标检测;车辆违停;移动端应用;深度学习;智慧交通
阶梯碳下考虑 P2G-CCS 与供需灵活响应的 IES 优化调度(Matlab代码实现)
内容概要:本文针对传统彩色数字图像加密算法存在的密钥空间有限、随机性不足及抗干扰能力弱等问题,提出一种结合混沌系统与DNA编码的复合型彩色图像加密解密方案。通过利用混沌系统对初始值和参数的极端敏感性生成无序伪随机序列,并结合DNA碱基的编码规则与并行运算优势,对图像RGB三通道像素进行多层次的DNA编码、置换与混淆扩散处理,从而实现高安全性的图像加密;解密过程则通过逆操作精确还原原始图像。研究重点系统分析了该方案在高斯噪声与椒盐噪声干扰下的抗噪声性能,以及在不同面积和位置裁剪情况下的抗裁剪性能。实验结果表明,该方案不仅具备超大密钥空间和强加密随机性,而且对各类噪声污染和局部裁剪攻击展现出卓越的鲁棒性,能够有效保障图像在复杂传输环境中的信息安全。; 适合人群:具备一定信息安全、图像处理或密码学基础知识的科研人员、研究生及工程技术人员。; 使用场景及目标:①应用于网络图像传输、云端私密图像存储、医疗影像保护等对安全性要求极高的场景;②为开发具备高鲁棒性的新一代图像加密技术提供理论依据、技术方案与实践参考。; 阅读建议:建议读者结合文中提供的Matlab代码实现,动手复现完整的加密、解密流程及抗干扰测试实验,深入理解混沌序列的生成机制、DNA编码与解码规则、像素级混淆扩散的具体实现逻辑,以及抗噪抗裁剪性能的量化评估方法,以全面提升对现代复合型图像加密技术的认知水平与实践应用能力。
【顶级EI复现】【最新EI复现】基于共享储能服务的智能楼宇双层优化配置(Matlab代码实现)
内容概要:本文提出了一种基于混沌系统与DNA编码的复合型彩色图像加密解密方案,旨在解决传统图像加密算法密钥空间小、随机性不足及抗干扰能力弱的问题。通过利用混沌系统生成伪随机序列,并结合DNA碱基编码规则对图像RGB三通道进行像素级置换与混淆扩散,实现高安全性的图像加密;解密过程则通过逆向操作恢复原始图像。研究重点分析了该方案在高斯噪声和椒盐噪声干扰下的抗噪声性能,以及在不同面积和位置裁剪情况下的抗裁剪性能。实验结果表明,该方案具备大密钥空间、强加密随机性,且对噪声污染与局部数据丢失具有优良的鲁棒性,能够有效保障图像在复杂传输环境下的信息安全。; 适合人群:具备一定编程基础和信息安全知识,熟悉Matlab或类似仿真工具,从事图像处理、信息安全或通信工程领域的研究人员及工程技术人员。; 使用场景及目标:①为网络图像传输、私密图像存储等高安全需求场景提供抗干扰能力强的加密技术支持;②通过系统性分析抗噪声与抗裁剪性能,评估加密算法在实际应用中的鲁棒性与实用性,推动复合型图像加密技术的工程化落地。; 阅读建议:建议读者结合Matlab代码实现,复现加密与解密流程,并通过添加不同类型和强度的噪声、裁剪干扰进行测试,深入理解算法的鲁棒性机制,同时可进一步探索优化混沌映射方式或DNA编码策略以提升安全性。
(共106页PPT)地产项目12月一2月主题暖场八闽全世跃新活动策划方案.pptx
(共106页PPT)地产项目12月一2月主题暖场八闽全世跃新活动策划方案.pptx
文档蓝桥杯练习系统题目汇总含解析
文档蓝桥杯练习系统题目汇总含解析
5种水果数据集(苹果菠萝西瓜火龙果橙子)2500张YOLO+VOC.zip
数据集格式:VOC格式+YOLO格式 压缩包内含:3个文件夹,分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计:2500 Annotations文件夹中xml文件总计:2500 labels文件夹中txt文件总计:2500 标签种类数:5 标签名称:["apple","dragon fruit","orange","pineapple","watermelon"] 每个标签的框数(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准): apple 框数 = 1536(苹果) dragon fruit 框数 = 1785(火龙果) orange 框数 = 1972(橙子) pineapple 框数 = 895(菠萝) watermelon 框数 = 1512(西瓜) 总框数:7700 图片清晰度(分辨率:像素):清晰 图片是否增强:否 标签形状:矩形框,用于目标检测识别 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注
最新推荐



