该代码随附本文 Wadim Kehl，Fabian Manhardt，Federico Tombari，Slobodan Ilic和Nassir Navab：SSD-6D：使基于RGB的3D检测和6D姿势估计再一次变得出色。 ICCV2017。 并允许复制我们的部分作品。 请注意，由于IP问题，我们只能提供经过培训的网络和推理部分。 这允许产生检测和6D姿势池。 不幸的是，无法提供用于训练以及2D / 3D改进的代码。 为了使用该代码，您需要下载 以SIXD格式使用的数据集（hinterstoisser，tejani）（例如，从） 来自 的训练有素的网络 并使用run.py脚本进行魔术操作。 调用“ python3 run.py --help”以查看可用命令。 为了获得正确的阈值，您应该查看补充材料。 Fabian Manhardt现在还添加了一个beta.py，可让您在序列上正

yolov5-inferencing:YOLOv5，仅用于推理。轻松访问检测结果

CenterNet和MobileNetV3的PyTorch实现 介绍 CenterNet，带有基于PyTorch的MobileNetV3骨干头盔检测，仅带有推理代码。 该回购是从分叉和 。 安装 cd $ROOT/lib/models/networks/DCNv2 python setup.py build develop 用法 python demo.py

融合机器学习与知识推理的可解释性框架.pdf

基于二进制作用模糊子集推理单片机模糊控制的发展.doc

C# 简单专家系统中的推理机 大家可以定义自己的规则 使程序具有一定智能

课程作业，面向计算机科学的数理逻辑 系统建模与推理的答案，针对这个课程，可以进行强化训练

owl2rl-jena 一个示例项目，在Apache Jena中使用OWL2 RL规则集进行基于本体的推理。 有关更多信息，请参见。

Protege用法参考+基础篇+推理篇+进阶篇

matlab人头检测的代码概述 导入yolov5 * .onnx进行推断，包括yolov5s.onnx ， yolov5m.onnx ， yolov5l.onnx ， yolov5x.onnx ，原始输出尺寸为1×255×H×W（其他尺寸格式可以稍作修改），然后导入（importONNXNXFunction ）+在matlab Head解码输出中进行检测。 要求 Matlab R2021a或更高版本（因为某些操作员设置的onnx版本需要支持最多12个），所以越新越好，没有其他依赖项！！！ 预训练模型 百度盘：，代码：nseh 参考