download-NEU-DET

计算机算法设计分析 请概述最小代价生成树的贪心选择性质并证明。 描述Ford-Fulkerson算法基本步骤。 用伪代码或程序语言写出二分搜索的算法，并分析其时间复杂度。 简述分治法在每一层递归上的三个步骤的具体内容。 简述快速排序的具体过程。 有面值分别为1、5和11单位的硬币，希望找回总额为15单位的硬币，贪心算法的思路和最优解分别是什么？ 简述贪心算法的基本思想？ 快速排序算法基本思想？ 简述程序与算法的异同点。 简单区分语言、算法、程序的不同之处。 简单阐述动态规划算法的基本思想。 分治法基本步骤是什么？ 简述动态规划法解最优化问题通常的几个步骤。 已知变量x和y中分别存放了数据，交换其中的数据。请用自然语言描述算法。 阐述动态规划算法与分治法不同之处。 试叙述流网络的基本性质。 试给出归并排序的复杂度分析。 什么是最优子结构性质？ 写出求它们的最大公约数的算法或程序。 输入一个元素，检查数组列表中的每个元素，将其插入到一个已经排好序的数列中的适当位置，使数列依然有序，当最后一个元素放入合适位置时，该数组排序完毕。 归并排序是指将数组一分为二，分别对每个集合单独排序，然后将已

最近在移植autosar协议栈时，经常会进入开发错误(DET)模块中，提示各种开发错误，但这些提示都是些错误码，无法与实际的含义一一对应，于是就开发了这个小工具。工具采用C++/Qt开发，数据库用的是Qt自带的数据库SQLite,这是一个轻型数据库。用起来还是比较容易的。

包括2个json文件: COCO_test-dev2017_detections_AP_H_609_person.json COCO_val2017_detections_AP_H_56_person.json

1. 概述 mmdetection是由商汤开元的目标检测算法集成框架，特点是检测算法多、可扩展性强，可以说是目标检测领域绕不开的源码。阅读mmdetection源码有助于理解各个目标检测算法具体实现及如何集成。 本篇博客的主要内容是mmdetection如何完成一个网络模型的构建。 2. 源码讲解 train.py完成网络训练，包含两个函数，parse_args()和main()，前者从命令行中读取参数，后者一次完成四个工作，①从config文件及命令行参数中读取各种配置参数；②构建网络模型；③构建数据集；④使用数据集训练模型。本篇主要介绍如何构建网络模型，以faster_rcnn_r50_f

计算机视觉，目标检测，数据集格式转换：VisDrone2019-DET-train数据集转coco格式

BP网络matlab数据预测代码通过机器学习进行DET预测 随着废水处理中数据的增加，数据驱动的机器学习模型可用于对生物过程和复杂React进行建模。 但是，很少有数据驱动的模型可用于模拟微生物电解池（MEC），而传统模型过于模棱两可，无法理解其机理。 在这项研究中，首先开发了一种新的通用数据驱动的两阶段模型，该模型通过直接电子传输（DET）通过生物阴极MEC的原位沼气升级预测CH 4的产生，该模型称为NARX-BP混合神经网络。 与传统的一阶段模型相比，该模型可以很好地预测通过DET产生的甲烷的性能（R 2和MES分别为0.918和6.52×10 -2 ），并揭示了沼气升级的机理，用于新的系统模型该方法可以通过输入重要的中间变量来提高通用性和适用性。 此外，该模型通常可用于支持厌氧消化或更复杂系统的长期预测和最佳操作。 1，需求环境 Matlab 2017b 2.主要 该项目包括NARX-BP混合神经网络的模型和代码。 3.出版 通过直接电子转移估算微生物电​​解池中原位沼气的升级：基于NARX-BP混合神经网络的两阶段机器学习模型 该研究的论文尚不可用。 4.版本 V.0.0.1

配套csdn博客https://blog.csdn.net/WANGWUSHAN/article/details/118422175，适应性修改可直接应用于VOC数据集 相对坐标（cls,x,y,w,h）下的数据增强。

一共三个数据集 ILSVRC2015_DET ImageNet大规模视觉识别竞赛 和ytbb youtube bb 以及 ILSVRC 2015-VID的百度云资源链接。长期有效。

NEU-DET.zip