horn子句归结（同济大学人工智能课程设计）_horn-resolution
2024-10-14 13:13:03
7KB
1
本资源配套对应的视频教程和图文教程，手把手教你使用YOLOV10做海上船只红外目标检测的训练、测试和界面封装，包含了YOLOV10原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成海上红外图像的预测。
在这里，我们用一个红外海洋目标检测的数据集，里面包含了7类海洋目标 `['liner', 'sailboat', 'warship', 'canoe', 'bulk carrier', 'container ship', 'fishing boat']`
YOLOv10模型于24年5月份正式提出，对过去YOLOs的结构设计、优化目标和数据增强策略进行了深入的了解和探索，并对YOLO模型中的各个组件进行了rethink，从后处理和模型结构入手进行了新的设计，在速度和精度上进行提升。
博客地址为：https://blog.csdn.net/ECHOSON/article/details/139223999
2024-08-11 17:36:23
428.63MB
1
人工智能课程设计报告 班级 191134 学号 20131000479 学生姓名 陈聪儿 指导老师 赵曼 日期 2015年 11月 目录 第 1 章1 罗马利亚度假问题1 1.1 题目内容1 1.2 需求分析1 1.3 设计1 1.3.1 设计思想1 1.3.2 设计表示10 1.4 调试分析10 1.4.1 调试结果与比较10 1.4.2 算法比较与总结11 1.4.3 调试中遇到的问题11
2023-04-04 20:15:55
601KB
内容包含数据集、完整源码以及运行结果。
实验内容：利用GAN网络、mnist数据集生成数字图像。
实验过程：1.进行环境配置
2.首先进行数据准备，将MNIST数据集离线下载，添加至对应的路径，避免代码执行过程中重复下载。
2.对MNIST数据集进行可视化展示，便于之后对比。
3.导入程序需要的模块，如torch、numpy等。
4.对分析器进行参数设定与解析。
5.定义生成器和判别器，实现隐藏层、BN以及前向传播。
6.定义损失函数。
7.初始化生成器、判别器和使用GPU加速。
8.定义神经网络优化器，使用动量梯度下降法。
9.对生成网络和训练网络进行训练。
10.结果保存。
11.修改参数，进行结果对比并分析。
2023-01-03 11:26:16
94.86MB
1
在计算机视觉领域，人工智能越来越火爆。
资源包括两个文件：
1.人工智能与计算机视觉的pdf文件；
2.计算机视觉PPT
第一个文件是在校教学，拷贝老师教学的PPT，变成了PDF文件；
第二个是相关计算机课程的文件，
两个都是与计算机课程相关的资源，需要的可以自提。
2022-12-15 19:28:15
10.68MB
1
参考Yiming Yang在ICML 2006论文工作的基础上，收集一定数量的损失函数的正则项，解决方案
2022-07-01 09:09:52
60KB