【项目资源】: 包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。 包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】: 所有源码都经过严格测试,可以直接运行。 功能在确认正常工作后才上传。 【适用人群】: 适用于希望学习不同技术领域的小白或进阶学习者。 可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】: 项目具有较高的学习借鉴价值,也可直接拿来修改复刻。 对于有一定基础或热衷于研究的人来说,可以在这些基础代码上进行修改和扩展,实现其他功能。 【沟通交流】: 有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 鼓励下载和使用,并欢迎大家互相学习,共同进步。
2024-04-01 14:48:38 3.49MB 毕业设计 课程设计 项目开发 资源资料
1
毕业设计,微信小程序,基于SSM+MySql开发的微信小程序菜谱查询APP,内含服务端和小程序客户端,完整源代码,数据库脚本 微信小程序菜谱查询app设计后端SSM可升级SpringBoot毕业源码案例设计 设计一个基于微信小程菜单查询app,一共有2个身份包括用户和管理员!用户通过微信小程序打开app后可以查询最新上架的菜谱信息,查询和查看菜谱详情信息,收藏自己喜欢的菜谱,发布留言和查看新闻公告!管理员可以在web端登录后台管理注册用户信息,管理菜谱分类及菜谱信息,管理用户收藏记录,处理回复用户留言,发布新闻公告等! 用户: 用户名,登录密码,姓名,性别,出生日期,用户照片,联系电话,邮箱,家庭地址,注册时间,微信openid 菜谱类别: 类别id,类别名称,类别描述 菜谱: 菜谱id,菜谱类别,菜谱名称,菜谱图片,参考价格,菜谱介绍,浏览量,发布时间 菜谱收藏: 收藏id,收藏菜谱,收藏用户,收藏时间 留言: 留言id,留言标题,留言内容,留言人,留言时间,管理回复,回复时间 新闻公告: 公告id,标题,公告内容,发布时间 开发技术:微信小程序客户端 + Java后
2024-04-01 14:25:53 3.78MB 微信小程序 Java 前段后端 毕业设计
1
驾考答题小程序小程序适用于考核,评测等场景,功能包括:练习模式(顺序答题,随机答题,专项答题,题型答题,高频错题)、背题模式、模拟考试、错题集、收藏题集、搜索题目、排行榜、签到功能,资讯文章,答题设置,答题音效,积分功能,激活码功能,多级题库分类。 练习功能分为顺序练习、随机练习、专项练习,题型练习(支持的题型:单选,多选,判断,填空,多项填空,简答),高频错题;模式分为答题模式和背题模式,答题模式可以在答完题目显示正确答案和帮助提示,可以进行跳题作答,背题模式可以直接查看正确答案和帮助提示,实时查看答题卡,统计答题情况,记忆功能,能够继续上次答题,也可以清除答题记录,重新答题。 模拟考试功能主要包括倒计时功能,随机取题功能,可单独对每个分类设置取题数量,题目分数,答题时间,答题数量,题目类型,可以进行跳题作答,交卷评分,倒计时自动提示交卷;记忆功能,保存可下次继续做题。 错题集功能主要是针对练习和考试两大模块的作答错题进行分类收集,可像练习功能一样进行答题模式和背题模式的作答方式,可移除错题,具有针对性的答题。 收藏功能可以针对重点题目错误题等
2024-03-30 16:00:54 29KB 微信小程序 毕业设计
1
Spring Boot是由Pivotal团队提供的全新框架,其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置,从而使开发人员不再需要定义样板化的配置。通过这种方式,Spring Boot致力于在蓬勃发展的快速应用开发领域(rapid application development)成为领导者。 Servlet全称“Java Servlet”,中文意思为小服务程序或服务连接器,是运行在Web服务器或应用服务器上的程序,它是作为来自Web浏览器或其他HTTP客户端的请求和HTTP服务器上的数据库或应用程序之间的中间层。Servlet具有独立于平台和协议的特性,主要功能在于交互式地浏览和生成数据,生成动态Web内容。 JSP将Java代码和特定变动内容嵌入到静态的页面中,实现以静态页面为模板,动态生成其中的部分内容。JSP引入了被称为“JSP动作”的XML标签,用来调用内建功能。另外,可以创建JSP标签库,然后像使用标准HTML或XML标签一样使用它们。标签库能增强功能和服务器性能,而且不受跨平台问题的限制。JSP文件在运行时会被其编译器转换成更
2024-03-29 17:35:10 1.05MB java sql 毕业设计
1
本次设计任务是要设计一个实习管理系统,通过这个系统能够满足实习管理及用户的管理功能。系统的主要功能包括首页,个人中心,班级管理,学生管理,教师管理,实习单位管理,实习作业管理,教师评分管理,单位成绩管理,系统管理等。 管理员可以根据系统给定的账号进行登录,登录后可以进入实习管理系统对所有模块进行管理。包括查看和修改自己的个人信息以及登录密码。 该系统为每一个用户都分配了一个用户账号,用户通过账号的登录可以在系统中查看实习管理信息及对个人信息进行修改等功能。
2024-03-28 16:58:25 22.14MB spring boot 毕业设计 java
1
这个是完整源码 SpringBoot+Vue实现 springboot+vue小区物业管理系统 java毕业设计 源码+sql脚本+论文 数据库是mysql 随着我国经济发展和城市开发,人们对住房的需求增大,物业管理也得到了发展。但是,基于人工的物业管理仍然是现阶段我国大部分物业管理公司的管理模式,这种管理模式存在管理人员效率低下、工作难度大的问题,同时无法保证小区住户的居住体验。小区物业系统的开发能够极大地提高物业管理人员的管理效率,降低工作难度,同时也能提高住户的居住体验。 本系统是在Java EE的基础上开发的,采用了前后端分离的方式进行开发,使用了主流的后台开发框架Spring Boot,前端使用了Vue的开发框架,数据库采用了MySQL进行数据存储,并使用MyBatis-Plus框架来操作数据库。本系统中的用户模块实现了住户个人信息的登记管理以及住户房屋报修和投诉,管理员模块则实现管理员对小区信息的操作管理和住户需求的处理。 本物业管理系统在实际测试和运行后,代码能够正常运行,系统功能可以正常实现,系统能够快速做出反应;本系统在物业管理上,极大地提高了管理人员地工作效率,使得
2024-03-28 14:04:35 9.46MB java物业 java物业管理 物业管理系统
1
基于ASP.NET和ACCESS的网上投票系统 毕业设计 有论文全套
2024-03-28 11:54:44 2.03MB 网上投票系统 毕业设计
1
【项目资源】: 包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。 包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】: 所有源码都经过严格测试,可以直接运行。 功能在确认正常工作后才上传。 【适用人群】: 适用于希望学习不同技术领域的小白或进阶学习者。 可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】: 项目具有较高的学习借鉴价值,也可直接拿来修改复刻。 对于有一定基础或热衷于研究的人来说,可以在这些基础代码上进行修改和扩展,实现其他功能。 【沟通交流】: 有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 鼓励下载和使用,并欢迎大家互相学习,共同进步。
2024-03-28 02:01:01 1.16MB 毕业设计 课程设计 项目开发 资源资料
1
为方便调查宁夏全区荒漠草原植物种类及其分布,需对植物识别方法进行研究。针对YOLO v5s模型参数量大,对复杂背景下的植物不易识别等问题,提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD。改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network),使卷积和自注意力相结合,提高模型的感受野;同时在特征提取网络融入坐标注意力(Coordinate attention,CA),有效捕获通道和位置的关系,提高模型的特征提取能力;引入SIoU函数计算回归损失,解决预测框与真实框不匹配问题;使用深度可分离卷积(Depthwise separable convolution,DSC)减小模型体积。实验结果表明,模型YOLO v5s-CBD在单块Nvidia GTX A5000 GPU 帧率可达140帧/s,模型体积为8.9MB,精确率P为95.1%,召回率R为92.9%,综合评价指标F1为94.0%,平均精度均值mAP为95.7%,在VOC数据集平均精度均值可达80.09%。
2024-03-27 17:29:31 1.44MB 毕业设计 yolo论文 深度学习
1
针对零部件制造质量控制方面的缺陷检测,考虑到工业摄像头角度和零部件表面缺陷特征相对固定的特点,提出一种基于注意力机制的YOLO缺陷检测算法。围绕提升算法注意力,首先采用CZS算法,把图像上的缺陷区域剪切、缩放和拼接成新图像,使注意力集中于缺陷相关区域;然后采用裁减主干网络算法,裁减掉原版YOLOv3主干网络中无用的检测尺度层;最后使用数据增强算法增加训练样本量。实验案例结果表明:该算法检测精度99.2%,单帧图像检测时间0.01 s,性能均优于原版YOLOv3;该算法在固定摄像头场景下具有一定先进性,3项提升注意力的策略使算法训练精度收敛的更快、检测速度更快、检测性能更稳定。
2024-03-27 17:29:16 1.73MB 毕业设计 注意力机制 yolo
1