100中昆虫的幼虫、成虫图片库，用于机器学习训练或分析。数据已经分好类别。 # 数据表大致如下： 目 科 科代码 属 属代码 有害生物名称 虫害代码 拉丁学名 分布区域 半翅目 C15000000000 蝉科 C15204000000 蚱蝉属 C15204005000 黑蚱蝉 C15204005005 Cryptotympana atrata Fabricius 杨、柳、榆、女贞、竹、苦楝、水杉、悬铃木、桑、三叶橡胶、柚木及多种果树、山楂、樱花、枫杨、苹果 惠山区、滨湖区；赣榆区、连云区；泰兴、靖江；宿迁泗阳、沭阳、宿城区、宿豫区；射阳、盐都、大丰；镇江市；斜桥社区、苏州高新区、吴中区、常熟、昆山、吴江区、太仓；徐州市：云龙区、鼓楼区、泉山区、开发区、丰县、沛县、铜山区、睢宁县、邳州市、新沂市、贾汪区(全市) 、

本文以WoS数据库和CNKI数据库为样本，使用HistCite分析了Kano模型的研究现状，然后分析了Kano模型的引用网络，比较了Kano模型研究的主题和重点。 最后，根据引文网络和研究主题，提出了Kano模型的未来发展方向。

人眼屈光系统经过长期的进化已经非常智能，但并不完美，存在多种光学像差。除了离焦、像散等低阶像差之外，人眼还存在着许多更加复杂的高阶像差，如彗差、球差、三叶草等。这些高阶像差不但给眼底视网膜高分辨率检查带来挑战，还降低了人眼自身的视觉分辨能力。研究高阶像差与视功能之间的相互关系将有助于提高我们的视光学认识，为优化视觉校正策略和视功能维护提供有益指导。但是，早期的相关研究均为单眼研究，而人类视觉为双眼视觉，其并非单眼的简单叠加。如何有效评价双眼高阶像差对双眼视功能的影响成为单眼像差校正与视功能研究的必然过渡和发展趋势。

机器视觉分析平台--需求分析 主要了梳理机器视频分析的需求要点

解释一致性框架 该存储库包含在Explantion Consistency Framework（ECF）的开发中使用的整个代码库。 ECF是在我的整个硕士论文中进行研究和开发的，可以评估和比较LIME和SHAP等不同解释方法之间的解释质量。 此外，笔记本还包含对使用的数据集的描述性和视觉分析，以及包括XGB和LSTM在内的一系列预测模型的实现，以及两种解释方法LIME和SHAP的应用。

:flower_playing_cards: AVA数据集 大规模的审美视觉分析数据库 数据集下载 通过Mega或Torrent下载 :cloud: 巨型云 链接： 整个数据集已拆分为64个7z文件。 下载所有zip文件，解压缩第一个文件，它应该可以工作。 约32GB和255,500个图片文件。 :link: 激流 下载并与或其他客户端打开。 还支持磁铁链接。 有关更多详细信息，请访问 。 注意：由于torrent服务器的网络状况，下载过程可能会不稳定。 如果是这样，请改用Mega。 Bibtex： @article{, title= {AVA: A Large-Scale Database for Aesthetic Visual Analysis}, keywords= {images, aesthetics, semantic, quality, AVA, DPChallenge}, journal= {}, author= {N

长白落叶松人工林木材构造计算机视觉分析的研究.pdf

刨花板施胶效果计算机视觉分析方法.pdf

木材构造计算机视觉分析方法.pdf

一个基于人体姿态研究的手语图像识别系统。根据OpenPose人体姿态开源模型和YOLOv3自训练手部模型检测视频和图像，再把数字特征进行分类器模型预测，将预测结果以文本形式展现出来。