基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip 基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip 基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip 基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip

图书管理系统目标原型方案与说明

基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网

为了实现遥感图像中目标的快速准确检测,解决遥感图像目标带有旋转角度的问题,在卷积神经网络理论的基础上,将旋转区域网络生成融入到Faster R-CNN网络中,提出了一种基于Faster R-CNN改进的遥感图像目标检测方法。相对于主流目标检测方法,本文算法针对遥感图像中的大多数目标都具有方向性不定且相对聚集的特点,在区域候选网络中加入了旋转因子,以便能够生成任意方向的候选区域;同时,在网络的全连接层之前增加一个卷积层,以降低其特征图参数,增强分类器的性能,避免出现过拟合。将本文算法与几种主流目标检测方法进行对比分析后可知,本文算法因融合了多尺度特征及旋转区域网络的卷积神经网络所提取的特征,能得到更好的检测结果。

Ar_project 本人参加2020全国大学生物联网设计大赛所做项目负责的软件部分，获得华东赛区特等奖、全国总决赛二等奖。 该项目包含了导航系统、语音系统、目标检测系统三个部分，涵盖语音唤醒、语音识别、语音合成、语音导航、聊天机器人、目的地搜索、路径规划、车道分割、目标检测(车、车牌、违规车、路标等)、车牌识别等一整套快速解决方案！（附带的两个模型为基于玩具车和模型道路数据集的....） 项目技术架构如下图 目录结构 Project ├─AR_project_PI │ │ ARPImain.py //树莓派客户端主程序,用于调度树莓派端一切数据传输线程、界面更新、信号处理等，整合树莓派端的语音控制系统、导航系统、数据传输系统 │ │ ARui.py //主界面类，调用webBrowser类实现内嵌浏览器功能，定义所有界面信号的槽函数 │ │ Arrowclass.py //箭

ASP.NET商业系统： 一款增强企业或团队执行力的商业应用系统! 可以协助企业或团队将战略目标逐渐分解为员工的工作目标和工作任务！ 提供合理的计划、有效的激励、良好的习惯帮助员工完成工作目标！采用基于目标的绩效考核使员工更专注于工作目标！ 协调统一员工的意志行为，以共同努力实现企业或团队的战略目标。 主要功能：目标管理、目标分解、目标上报下达、目标溯源、目标进度反馈、任务指派、任务管理、任务进度反馈、平衡计分卡绩效考核、绩效自评、上司评价、同事评价、公司审定等。

系统目标层次分析方法在皮肤病防治综合评估中的应用.PDF

农产品库存与配送的系统目标.pptx

管理信息系统就是我们常说的MIS（Management Information System），在强调管理，强调信息的现代社会中它变得越来越普及。传统的登记表的做法极大的影响了工作流程效率和数据的正确性、完整性、安全性，已经逐渐落后于时代。利用软件管理系统代替手工的宾馆管理，将会大大提高工作效率。

在视频跟踪系统的研究中，目标检测是至关重要一环，其结果的好坏关系到图像的分析与识别，直接影响机器视觉系统对客观世界的理解。实现图像中目标边缘检测有许多不同的方法，也一直是图像处理的研究热点，人们期望找到一种定位准、抗噪强、不误检、不漏检的检测算法[1]。经典的算法中主要用梯度算子，较常用的有Roberts、Prewitt和Sobel算子，其中Sobel效果较好，但也存在不足之处，无法避免噪声，对后续的图像处理有很大的影响。