基于深度学习的建筑材料缺陷识别与分类1
摘要2 设计内容1 引言项目背景钢铁生产巨头Severstal在高效的钢铁开采和生产方面处于领先地位，他们现在正在寻求机器学习，以提高自动化程度，提高效率并保持
文件下载
评论信息
其他资源
- MAXIMO 7.5 中文标准说明文档
- netica操作指南（中文）
- snap7-full-1.4.2.rar
- CST天线仿真与工程设计.pdf
- olivettifaces 人脸识别数据集
- 图论算法-求(有向)图中任意两点间所有路径
- 数字信号处理（胡广书）（第二版）参考答案
- 一个完整的Asp网上书店源代码
- Delphi6 Canvas画特效图片：颜色渐变
- GB50171-2012电气装置安装工程 盘、柜及二次回路接线施工及验收规范
- jmeter用到的json-20140107.jar包
- UDP通信demo（C#）
- Java web期末考试题.doc
- 使用微控制器 GSM 远程控制 机器人、 玩具
- akl_theme_base-14.0.0.1.zip
- Introduction to Programming with IDL
- spss下process插件教程配套练习专业数据
- 用MFC 设计绘制各种数学图形程序 如sin,cos等
- c#实现id3决策树--MyId3.rar
- VC 2015 x86 绿色DLL包
- 超简易版Android图书馆管理系统
- unity龙资源
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明