License_plate_recognition 车牌识别项目 测试平台 Python 3.6 PyQt5:5.11.3 opencv-python:3.4.3 Python 3.7 PyQt5:5.11.3 opencv-python:4.2.0
2021-05-27 20:03:21 25.37MB 附件源码 文章源码
1
Adaboost示例 Adaboost示例 Python2.7-> python test.py Python3.7-> python Python3 / test.py 您可以直接运行test.py来查看结果,其介绍可以在CSDN博客中找到: ://blog.csdn.net/px_528/article/details/72963977
2021-05-27 19:57:59 9KB 附件源码 文章源码
1
ImageProcessing-Python 该资源为作者在CSDN的撰写Python图像处理文章的支撑,主要是Python实现图像处理、图像识别、图像分类等算法代码实现。该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。希望该资源对您有所帮助,一起加油! 前文参考: 希望文章对您有所帮助,如果有不足之处,还请海涵~ 原博客参考地址: 后续会尝试结合深度学习进行更深入的研究。 CSDN Eastmount 杨秀璋 2021-05-09 效果图:
2021-05-27 19:57:00 133.45MB 附件源码 文章源码
1
TF_IDF 用python实现TF_IDF算法,用于文档的相关性搜索 已初步完成
2021-05-27 19:49:32 7.04MB 附件源码 文章源码
1
基于深度学习的机械故障诊断 CNN用于机械故障诊断 这些代码用于两篇论文:“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”(paper_1)和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”(paper_2) )。 先决条件,Matlab 2013a,Python 2.7.11,Tensorflow(在ubuntu14.04中更好)。 首先,您应该运行image_matrix.m来准备自己的数据。 其次,应该使用disorder_images.py和input_bear_data.py将数据变形为张量流的输入格式。 最后,您可以选择为paper_1运行mnist_b.py或mnist_c.py,为paper_2运行mnist_2d.py。 如果大家对以上研究兴趣,可以进一步参考我的这两篇论文:针对原始振动信号具有良好抗噪和域自适应能力的故障诊断新的深
2021-05-27 17:03:07 12KB 附件源码 文章源码
1
AntSword 加载器 如何使用 参见 : | 适用于 AntSword >= v2.1.0 操作系统 下载地址 MD5 OSX ca218a249b049121ba4e568a272ee389 Linux 32位 5e0bebe1c88686e144fae9ddfa82aceb Linux 64位 ee61d2e3f5ef018add0f147dd60db006 Linux armv7l bff6660f32ad308c1bb146f507825978 Linux arm64 045ecb8cca4f50498530837522c964dc Windows 32位 3e4bff86c5724f77852611c3435aa80b Windows 64位 85b80052224061e42f685021f28d1975 注意:官方加载器仅在 https://github.com/An
2021-05-27 14:39:53 2KB loader antsword 附件源码 文章源码
1
手势识别 基于tensorflow2.0 + opencv + CNN实现0-9手势识别 请查看我的CSDN以获取详细信息
2021-05-27 13:47:01 89.4MB 附件源码 文章源码
1
CollegeIdleApp 该应用程序的目标主要是在校园内买卖二手商品。该应用程序的使用组主要是拼贴学生。如果您对此感兴趣,还可以添加管理员权限来管理学生信息和商品信息。 CSDN的href为 。如果您对学习有所帮助,请不要嫁给您的明星。谢谢大家!
2021-05-27 13:16:28 700KB 附件源码 文章源码
1
模拟iv代码 有关MIMIC-IV数据库的代码和讨论
2021-05-27 11:22:27 2.1MB 附件源码 文章源码
1
VesselSeg-Pytorch :基于pytorch的视网膜血管分割工具包 介绍 该项目是基于python和pytorch框架的视网膜血管分割代码,包括数据预处理,模型训练和测试,可视化等。该项目适合研究视网膜血管分割的研究人员。 要求 python环境的主要包和版本如下 # Name Version python 3.7.9 pytorch 1.7.0 torchvision 0.8.0 cudatoolkit 10.2.89 cudnn 7.6.5
1