自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

安静到无声

人工智能和硬件设计博士生、CSDN与阿里云开发者博客专家,希望在传播知识、分享知识的同时能够启发你,大家共同进步

  • 博客(342)
  • 资源 (3)
  • 收藏
  • 关注

原创 模式识别与人工智能(程序与算法)系列讲解 - 总目录

人工智能和硬件设计博士生、CSDN与阿里云开发者博客专家,多项比赛获奖者,发表SCI论文多篇。o( ̄▽ ̄)dლ(°◕‵ƹ′◕ლ)希望在传播知识、分享知识的同时能够启发你,大家共同进步。ヾ(◍°∇°◍)ノ゙。

2023-07-10 18:51:56 865 5

原创 【Image captioning】AI算法说——图像描述(Image captioning)

COCO数据集是一个大规模常见物体检测、分割和图像描述的数据集。它包含超过330k张图像,其中包括2.5 million个目标实例,每张图像都有5个不同的图像描述。COCO数据集已成为自然语言处理和计算机视觉领域中一个非常优秀的基准数据集。2、

2023-06-11 14:45:30 6878 2

原创 博客便捷检索目录

目录Leetcode刷题Verilog刷题CSDN操作tensorflow 学习matlab数字图像处理python-opencv模式识别与机器学习实战练习深度学习强化学习模型的压缩与加速1. 理论分析2. 练习实现3. 剪枝阅读4. 模型设计阅读5. 量化阅读6. 硬件加速网络结构搜索1. 理论分析2.论文阅读实验软件使用与程序语法pytorch使用积累Leetcode刷题Leetcode题目Verilog刷题HDLBits(1)——Modules:HierarchyCSDN操作1.CSDN字

2020-05-15 11:23:49 2228 3

原创 深度学习在工业检测中的应用:基于SAM模型的自动掩码生成

在工业生产过程中,异常检测是一项关键任务。及时发现并处理异常可以有效提高产品质量和生产效率。然而,传统的人工检测方法效率低下,难以应对海量数据的处理需求。随着深度学习技术的发展,自动化检测系统逐渐成为主流,其中基于图像的异常检测尤为重要。在本文中,我们将介绍如何利用Segment Anything Model(SAM)进行自动掩码生成,以实现高效的工业检测。

2024-05-28 14:35:00 58

原创 如何使用Python和HDF5存储复杂数据结构:包括嵌套字典、列表及NumPy数组

在数据分析、机器学习或任何需要高效数据管理的项目中,能够灵活地保存和恢复复杂数据结构是至关重要的。本文将介绍如何利用Python、HDF5以及JSON来存储和读取包含嵌套字典、基本类型、列表、元组及NumPy数组的复杂数据结构。库和JSON序列化,我们能够有效地存储和检索包含复杂数据类型的Python字典。这种方法不仅支持大数据量的高效存取,还保持了数据的结构和类型信息,非常适合需要长期存储或频繁交换的复杂数据分析项目。特别是,它处理了嵌套字典的特殊情况,通过将其转换为JSON字符串来存储。

2024-05-27 18:32:40 37

原创 【Image captioning】基于检测模型网格特征提取——以Sydeny为例

今天,我们将重点探讨如何利用Faster R-CNN检测模型来提取Sydeny数据集的网格特征。具体而言,这一过程涉及通过Faster R-CNN模型对图像进行分析,进而抽取出关键区域的特征信息,这些特征在网格结构中被系统地组织和表示。下面,我将引导大家深入了解这一特征提取流程。

2024-05-15 21:11:43 65

原创 【Image captioning】In Defense of Grid Features for Visual Question Answering实现流程

这是该为了更持久的维护,我们使用发布了代码,而不是基于的原始代码。当前的代码库应该能够复现论文中报告的结果,例如,对于与-large配对的X-101主干,报告了约72.5的单模型VQA分数。

2024-05-14 16:10:49 58 1

原创 【Image captioning】RSICD遥感图像字幕数据集生成Resnet特征

该数据集中的遥感图像的语言描述更相关,因为这些描述不包含预定义的观察方向和模糊的形容词,使用了3325个不同的单词。在此过程中,它将对图像的标注信息进行一些基本预处理(例如,转为小写、添加 UNK 标记等),创建一个特殊的 UNK 标记,并将所有标注信息编码为数组形式。最终生成的 HDF5 文件包含了多个字段,包括所有标注信息的编码数组以及每张图像标注信息的起始和终止指针;是一个 RSICD-Captions数据集的注释文件,其中包含了每个图像的标注信息,如图像的路径、ID、宽高、类别等。

2024-05-10 23:07:12 60

原创 【Image captioning】Sydney遥感图像字幕数据集生成Resnet特征

每幅遥感图像都是从澳大利亚悉尼的一幅分辨率为 18,000 × 14,000 像素的遥感图像中裁剪而来,裁剪后的分辨率为 500 × 500 像素。在此过程中,它将对图像的标注信息进行一些基本预处理(例如,转为小写、添加 UNK 标记等),创建一个特殊的 UNK 标记,并将所有标注信息编码为数组形式。是一个 Sydney-Captions数据集的注释文件,其中包含了每个图像的标注信息,如图像的路径、ID、宽高、类别等。在使用 Sydney数据集进行训练和评估时,需要使用该文件来加载数据集并提取标注信息。

2024-05-10 21:50:06 38

原创 【Image captioning】UCM遥感图像字幕数据集生成Resnet特征

UCM-Captions数据集包含21个类别,包括飞机、海滩、高架桥和体育场等,总共有2100张遥感图像。文件,以供数据加载器使用。在此过程中,它将对图像的标注信息进行一些基本预处理(例如,转为小写、添加 UNK 标记等),创建一个特殊的 UNK 标记,并将所有标注信息编码为数组形式。最终生成的 HDF5 文件包含了多个字段,包括所有标注信息的编码数组以及每张图像标注信息的起始和终止指针;是一个 UCM-Captions数据集的注释文件,其中包含了每个图像的标注信息,如图像的路径、ID、宽高、类别等。

2024-05-10 13:28:48 479

原创 【IC-RS】论文14 Cooperative Connection Transformer for Remote Sensing Image Captioning

随着深度神经网络(DNNs)的发展,遥感图像在计算机视觉任务如目标检测[1]、[2]、[3]和图像分割[4]、[5]等方面取得了显著进展。受单一模态发展的启发,遥感成像研究已从单一模态转变为多模态[6]。

2024-05-08 19:33:22 25

原创 【Image captioning】SD-FSIC(Self-Distillation for Few-Shot Image Captioning)在COCO数据上的训练与测试

这个程序基于罗若天的代码实现,因此我们可以使用与该代码相同的 Python 环境。首先,我们执行命令来查看已有的环境列表,其中是程序所需的环境。因此,我们可以克隆该环境并进行重命名。然后我们激活该环境。

2024-05-08 08:55:36 26

原创 【IC-RS】论文13 A Multiscale Grouping Transformer With CLIP Latents for Remote Sensing Image Captioning

遥感图像字幕(RSIC)的研究旨在将遥感图像(RSIs)翻译成自然语言描述,使非专家能够直观地理解图像内容。与传统的RSIs任务(如目标检测[1]、[2]、[3]、[4]和场景分类[5]、[6]、[7]、[8])相比,RSIC任务进一步阐明了RSIs的丰富信息,并为灾害监测、农业管理和城市规划等广泛的应用领域提供了直观的指导。尽管自然图像字幕(NIC)方面已经有了相当大的进展,但对RSIC的研究仍然很少。

2024-05-07 16:01:27 353

原创 深入理解深度学习中的指数移动平均(EMA)

指数移动平均(EMA)作为一种常用的优化技巧,在深度学习中具有广泛的应用。通过平滑参数更新过程、减少性能波动、加速模型收敛和改善模型泛化能力等方面的作用,EMA为提高深度学习模型的性能提供了有力的支持。在未来的研究中,我们可以进一步探索EMA在深度学习中的应用场景和优化方法,以推动深度学习技术的发展。

2024-05-06 11:04:59 132

原创 【Image captioning-RS】论文12 Prior Knowledge-Guided Transformer for Remote Sensing Image Captioning

遥感图像(RSI)字幕生成旨在为遥感图像生成有意义且语法正确的句子描述。然而,相比于自然图像字幕,RSI字幕生成面临着由于RSI特性而产生的额外挑战。第一个挑战源于这些图像中存在大量物体。随着物体数量的增加,确定描述的主要焦点变得越来越困难。此外,RSI中的物体通常外观相似,进一步复杂化了准确描述的生成。为克服这些挑战,我们提出了一种基于先验知识的transformer(PKG-Transformer)用于RSI字幕生成。首先,在多层特征提取(MFE)模块中提取场景级和物体级特征。

2024-04-21 01:03:01 83

原创 【Image captioning】Self-Distillation for Few-Shot Image Captioning (SD-FSIC)在COCO数据上的训练与测试

这个程序基于罗若天的代码实现,因此我们可以使用与该代码相同的 Python 环境。首先,我们执行命令来查看已有的环境列表,其中是程序所需的环境。因此,我们可以克隆该环境并进行重命名。然后我们激活该环境。

2024-04-20 12:00:25 39

原创 【Image captioning-RS】论文阅读十一—FRIC: a framework for few-shot remote sensing image captioning_2024

传统的遥感图像解释任务通过处理标签或关键目标来获取图像级的语义信息,而图像字幕(IC)则关注于生成描述图像的句子。在遥感领域,IC已经受到了大量的关注,例如在灾害风险评估(Liu等,2018)和图像检索(Cheng等,2021)中。然而,在RC中存在少样本问题,即字幕标记的遥感样本总是稀缺的。导致遥感样本字幕标记稀缺的原因有:由于各种限制,获取包含特定目标场景的遥感图像是困难的。RC需要图像包含足够的内容以形成具有丰富信息的描述性句子。此外,为每个样本配备字幕标签的难度和成本很高。

2024-04-19 11:34:54 92

原创 【Image captioning】MDSANet在自定义数据上的训练与测试调试

我们采用和Lstnet一样的环境即可,所以我们直接克隆环境。

2024-04-18 22:43:11 160

原创 【Image captioning-RS】论文阅读十—Self-Learning for Few-Shot Remote Sensing Image Captioning_2022

深度神经网络因其出色性能而被广泛应用于遥感图像的分析和解释。典型的应用场景包括场景分类[1,2]、目标检测[3,4]和实例分割[5,6]。遥感图像字幕生成作为一个需要同时建模遥感图像中的视觉特征和语义信息的多模态任务,在近年来受到了关注。该任务旨在描述遥感图像中的重要目标和场景,包括其特征、关系和状态。这需要深度神经网络能够捕获更深层次的视觉特征和语义信息以生成全局视角描述。这个研究方向具有很高的研究价值[7],并可以为交通指挥、森林防火等应用场景提供实时信息支持。

2024-04-18 10:17:20 61

原创 【Image captioning】论文阅读九—Self-Distillation for Few-Shot Image Captioning_2022

深度神经网络 (DNN) 的进步在视觉和自然语言处理任务中展现了良好的性能。在这些进步的推动下,图像字幕这一需要视觉和语言建模的跨模态任务的研究近年来发展迅速。大多数图像字幕方法基于手动标记的图像字幕对以监督学习方式学习深度神经网络模型[5,54,57]。尽管取得了成功,但这些监督模型的训练需要大量与图像配对的字幕语料库,这是极其耗费人力的。

2024-04-16 13:28:25 247 1

原创 2-12 SDATR的训练与测试

使用环境:3卡服务器。

2024-02-04 18:22:08 93

原创 【Image captioning】论文阅读八—ClipCap: CLIP Prefix for Image Captioning_2021

在图像描述任务中,目标是为给定输入图像提供一个有意义且有效的自然语言描述。这个任务面临两个主要挑战。第一个是语义理解。这涵盖了从简单任务(如检测主要对象)到更复杂任务(如理解图像中所描绘部分之间的关系)的各个方面。例如,在图1左上角的图像中,模型理解到对象是一个礼物。第二个挑战是描述同一图像的可能方式很多。在这方面,训练数据集通常会决定给定图像的首选描述方式。图1. 我们的ClipCap模型生成了描述相应图像的标题。这里的结果是使用Conceptual Captions数据集进行训练的模型的结果。

2024-01-27 21:43:09 1025

原创 图像字幕中一些广泛使用的技术

Faster R-CNN的工作原理与Fast R-CNN类似,都是先将输入图像送入卷积神经网络生成一个卷积特征图,然后使用这个特征图生成区域建议。但是,不同于Fast R-CNN的是,Faster R-CNN使用一个单独的网络来预测区域建议,而不是使用选择性搜索算法。GRU是LSTM的一个变体,它通过减少门的数量来简化模型结构,这使得GRU比LSTM更容易训练,并且在处理较小或较不频繁的数据集时可能表现得更好。不过,随着研究的不断深入,新的模型和技术也在不断出现,为处理序列数据提供了更多的可能性。

2024-01-26 22:05:35 751

原创 【Image captioning】论文阅读七—Efficient Image Captioning for Edge Devices_AAAI2023

近年来,图像描述技术取得了快速发展。然而,对大容量存储和复杂计算负担的需求限制了这些图像描述模型在移动设备上的部署。主要的障碍在于沉重的视觉特征提取器(即目标检测器)和复杂的跨模态融合网络。为此,我们提出了。

2024-01-25 17:23:05 420

原创 AI研究必备!这些网站你不可不知

在人工智能的浪潮中,你是否感到手足无措?别担心,今天我就为大家揭晓那些AI研究者们的秘籍——他们常用的网站。这些网站不仅包含了丰富的资源,还能让你的研究之路更加顺畅。让我们一起探索这些宝藏,让你的AI之旅更加精彩!

2024-01-24 19:36:59 1007

原创 机器学习工程师在人工智能时代的角色

在当今的数字时代,人工智能(AI)已成为许多行业不可或缺的一部分。从流程自动化到增强客户体验,人工智能具有改变企业的巨大潜力。这一变革性技术的核心是机器学习,该领域专注于开发算法,使计算机系统能够在无需明确编程的情况下学习并做出预测或决策。机器学习工程师在各种应用中实施和部署机器学习模型方面发挥着至关重要的作用。他们弥合了传统软件工程和数据科学之间的差距,结合编码和数学知识来创建强大的人工智能系统。在本文中,我们将深入探讨机器学习工程的理解、技能、责任、挑战和未来前景。

2024-01-23 14:00:48 1105 1

原创 Awesome Image Captioning

Awesome Image Captioning目录Awesome Image Captioning2024年2023年2022年2021年2024年2023年2022年2021年

2024-01-22 21:43:49 100

原创 Win11桌面路径改为其他盘的简单教程

​ 在使用电脑的过程中,桌面文件夹是我们经常会使用到的地方,而默认情况下,桌面文件夹都会存放在系统安装盘的C盘上。随着时间的推移和文件的增多,C盘的磁盘空间可能会越来越紧张,这时候我们可以考虑修改桌面路径,将其移动到其他分区,以减轻C盘的压力,提升电脑的运行速度。

2024-01-22 10:23:56 694

原创 【Image captioning】论文阅读六—Semantic-Conditional Diffusion Networks for Image Captioning_CVPR2023

作为视觉和语言领域中的基础任务之一,图像描述旨在使用自然语句描述感兴趣的语义。这项任务自然地将计算机视觉和自然语言处理连接在一起,通过感知场景中的视觉内容并将其解释为人类语言,模拟了人类智能的基本能力。目前,当前最先进技术中的主导力量是利用编码-解码结构,并以自回归方式构建学习过程。特别地,图像编码器负责将视觉内容编码为高级语义,而句子解码器学习逐字解码顺序句子(图1a)。然而,这种自回归进展仅允许单向的文本信息传递,并且通常依赖于随着句子长度的平方增长的大量计算资源来进行。

2024-01-21 11:22:34 788

原创 【Image captioning】图像描述标注(Image captioning)软件的设计与实现

大家好!我是一位对图像字幕(Image captioning)生成感兴趣的研究者。在研究过程中,我不可避免地需要对图像进行标注。然而,早期阶段我使用TXT记事本进行语言描述时,遇到了一些效率低下、错标和漏标等问题。为了提高工作效率,我设计了一款基于QT的图像描述标注软件。

2024-01-20 19:32:41 402

原创 【Image captioning】论文阅读五—Towards local visual modeling for image captioning(PR期刊)

图像字幕的任务是生成一个流畅的句子来描述给定的图像。近年来,这一领域得到了迅速的发展,并得到了一系列新方法[1,2]和数据集[3,4]的支持。受到自下而上注意方法(自下而上Attention)的巨大成功[5]的启发,现有的图像字幕方法大多采用目标检测器提取的区域特征作为视觉表示,如Faster R-CNN[6]。由于检测器是在大规模视觉基因组数据集上进行预训练的[7],因此它可以对图像中的显著区域生成判别表示,并为字幕提供完整的对象信息。为此,基于区域特征的图像字幕已经取得了重大进展[2,8,9]。

2024-01-12 15:32:09 152 1

原创 深度模型压缩研究回顾

作者:安静到无声。

2023-11-18 20:40:05 370

转载 大模型时代目标检测任务会走向何方?

已获得转授权:原作者:知乎-深度眸 博客整理:安静到无声。

2023-11-04 12:53:50 170

原创 使用python爬虫语言调用有道翻译实现英中互译(2023实现)

如果你想使用这段代码进行翻译,需要先在有道翻译官网申请一个开发者账号,并获取到相应的API密钥。然后将密钥替换到代码中的。作者简介:人工智能和硬件设计博士生、CSDN与阿里云开发者博客专家,多项比赛获奖者,发表SCI论文多篇。ლ(°◕‵ƹ′◕ლ)希望在传播知识、分享知识的同时能够启发你,大家共同进步。ヾ(◍°∇°◍)ノ゙。

2023-10-23 10:37:32 993

原创 使用python语言调用百度翻译接口实现中英互译(详细教程)

通用翻译API支持提供200+语种互译的在线文本翻译服务,支持多达4万多个语言方向,且支持多语种自动检测。您只需调用通用翻译API,传入待翻译的内容,并指定要翻译的源语言(支持源语言语种自动检测)和目标语言,即可得到相应的翻译结果。这个结果是一个JSON格式的字符串,通过将其解析为Python字典,可以提取出翻译后的文本结果。请求方式: 可使用 GET 或 POST 方式,如使用 POST 方式,Content-Type 请指定为:application/x-www-form-urlencoded。

2023-10-23 09:34:30 653

原创 使用Python找到相似图片的方法

在日常生活中,我们可能会遇到需要查找相似图片的情况。例如,我们可能有一张图片,并希望找到文件夹中与该图片相似的其他图片。本文将介绍如何使用Python代码来快速找到相似图片。

2023-10-19 08:30:00 551

原创 使用Python找到重复图片的方法

在日常生活中,我们可能会遇到需要清理计算机中的大量图片文件的情况。其中一个常见的问题是重复的图片占据了大量的存储空间,因此我们需要找到并删除这些重复的图片。本文将介绍如何使用Python代码来快速找到重复图片,并将它们复制到指定文件夹。

2023-10-18 09:13:20 671

原创 使用PyQt5创建图片查看器应用程序

作者:安静到无声在本教程中,我们将使用PyQt5库创建一个简单的图片查看器应用程序。这个应用程序可以显示一系列图片,并允许用户通过按钮切换、跳转到不同的图片。

2023-10-13 19:45:00 653

原创 【image captioning】CaMEL: Mean Teacher Learning for Image Captioning(实现流程)

作者:安静到无声。

2023-10-02 19:53:19 352 3

原创 如何在远程服务器下运行tensorboard,并在本地服务器看运行情况

为了更好地进行数据分析和可视化,我们可以在远程服务器上运行TensorBoard,并通过SSH端口转发,在本地服务器上查看TensorBoard的运行情况。这样,我们可以使用远程服务器的强大计算能力,同时也能够更加直观地展示和查看数据,为数据分析和决策提供更加有力的支持。

2023-10-01 18:01:49 1085

Python可视化典型例程(phcarts,matploible,seaborn)

Python可视化典型例程是一个非常实用的学习资料,它包含了大量的例子和例程,可以帮助你快速掌握Python可视化的相关知识。这个教程涵盖了30多种图像绘制方法,包括条形图、柱状图、饼图、词云图、散点图、热力图、雷达图等。这些例子都是可以直接运行的,你可以按照教程的步骤进行操作,逐步掌握Python可视化的技巧。 通过学习这个教程,你可以了解到如何使用phcarts、matplotlib和seaborn等Python库来绘制各种类型的图像。这些库提供了丰富的功能和灵活的定制选项,可以帮助你轻松地实现各种复杂的可视化效果。同时,这个教程还强调了数据分析和可视化的重要性,以及如何将数据转化为直观的图形,从而更好地理解和解释数据。 总之,Python可视化教程是一个非常实用的学习资源,无论你是初学者还是有经验的开发者,都可以从中受益匪浅。通过学习这个教程,你将能够掌握Python可视化的基本概念和方法,为你在数据分析和可视化领域的工作打下坚实的基础。

2023-08-29

[2017年国赛高教杯奖B题]华中科技大学-基于聚类分析的双目标优化定价模型.zip

[2017年国赛高教杯奖B题]华中科技大学-基于聚类分析的双目标优化定价模型

2023-08-27

[2017年国赛高教杯奖D题]西安铁路职业技术学院-化工厂巡检路径规划与建模.zip

[2017年国赛高教杯奖D题]西安铁路职业技术学院-化工厂巡检路径规划与建模

2023-08-27

[2017年国赛MATLAB创新奖C题]南京铁道职业技术学院-颜色与物质浓度的辨识问题.zip

[2017年国赛MATLAB创新奖C题]南京铁道职业技术学院-颜色与物质浓度的辨识问题

2023-08-27

[2016年国赛高教杯奖D题]蚌埠士官学院-风电场运行状况分析及优化研究.zip

[2016年国赛高教杯奖D题]蚌埠士官学院-风电场运行状况分析及优化研究

2023-08-27

[2017年国赛MATLAB创新奖A题]浙江大学-CT 系统参数标定及成像.zip

[2017年国赛MATLAB创新奖A题]浙江大学-CT 系统参数标定及成像

2023-08-27

[2016年国赛高教杯奖A题]东南大学-系泊系统的设计.zip

[2016年国赛高教杯奖A题]东南大学-系泊系统的设计

2023-08-27

[2015年国赛MATLAB创新奖B题]西安电子科技大学-“互联网+”时代的出租车资源配置.zip

[2015年国赛MATLAB创新奖B题]西安电子科技大学-“互联网+”时代的出租车资源配置

2023-08-27

[2015年国赛高教杯奖C题]山东英才学院-“月上柳梢头”研究模型的建立与分析.zip

[2015年国赛高教杯奖C题]山东英才学院-“月上柳梢头”研究模型的建立与分析

2023-08-27

[2016年国赛MATLAB创新奖C题]海军蚌埠士官学校-电池剩余放电时间预测.zip

[2016年国赛MATLAB创新奖C题]海军蚌埠士官学校-电池剩余放电时间预测

2023-08-27

[2016年国赛MATLAB创新奖B题]中国人民大学-小区开放道路通行影响.zip

[2016年国赛MATLAB创新奖B题]中国人民大学-小区开放道路通行影响

2023-08-27

[2015年国赛高教杯奖A题]电子科技大学-太阳影子定位的多目标优化模型.zip

[2015年国赛高教杯奖A题]电子科技大学-太阳影子定位的多目标优化模型

2023-08-27

[2015年国赛MATLAB创新奖D题]解放军重庆通信学院-众筹筑屋规划方案设计模型.zip

[2015年国赛MATLAB创新奖D题]解放军重庆通信学院-众筹筑屋规划方案设计模型

2023-08-27

[2014年国赛高教杯奖C题]海军航空工程学院-关于生猪养殖场经营管理的研究.zip

[2014年国赛高教杯奖C题]海军航空工程学院-关于生猪养殖场经营管理的研究

2023-08-27

[2014年国赛高教杯奖B题]信阳师范学院-创意平板折叠桌的设计加工.zip

[2014年国赛高教杯奖B题]信阳师范学院-创意平板折叠桌的设计加工

2023-08-27

[2014年国赛MATLAB创新奖D题]四川建筑职业技术学院-储药柜的设计.zip

[2014年国赛MATLAB创新奖D题]四川建筑职业技术学院-储药柜的设计

2023-08-27

[2013年国赛高教杯奖A题]厦门大学-车道被占用对城市道路通行能力的影响.zip

[2013年国赛高教杯奖A题]厦门大学-车道被占用对城市道路通行能力的影响

2023-08-27

[2013年国赛高教杯奖C题]成都工业学院-古塔的变形.zip

[2013年国赛高教杯奖C题]成都工业学院-古塔的变形

2023-08-27

[2014年国赛MATLAB创新奖A题]浙江工业大学-嫦娥三号软着陆轨道设计与控制策略.zip

[2014年国赛MATLAB创新奖A题]浙江工业大学-嫦娥三号软着陆轨道设计与控制策略

2023-08-27

[2013年国赛MATLAB创新奖B题]国防科学技术大学-碎纸片拼接复原问题.zip

[2013年国赛MATLAB创新奖B题]国防科学技术大学-碎纸片拼接复原问题

2023-08-27

Sydney,UCM,Rscid等遥感图像字幕数据集生成Resnet特征

Sydney,UCM,Rscid等遥感图像字幕数据集生成Resnet特征

2024-05-10

Java深度学习-多层感知器神经网络

Java深度学习-多层感知器神经网络

2024-05-06

图像描述标注(Image captioning)软件的设计与实现

这款基于QT的图像描述标注软件具有以下主要特点: 图像浏览功能:用户可以轻松浏览一个文件夹中的图像,并快速定位到指定图像、上一页或下一页等。 分类和保存功能:用户可以设定图像的类别信息,实现对图像进行分类和保存。这样可以帮助用户更好地组织和管理标注数据。 实时显示窗口和文本输入窗口:软件提供实时显示窗口和文本输入窗口,方便用户进行标注信息的实时显示和编辑。用户可以根据需要为图像设定类别信息,以便对图像进行分类和保存。 英语到中文翻译功能:为了方便非英语母语用户进行标注,我们为软件内置了英语到中文的翻译功能。这样对于非英语母语的用户来说,可以更加方便地进行标注工作。 备注窗口:软件还构建了备注窗口,用于对图片内容进行个性化标注。用户可以在备注窗口中添加额外的注释和说明,以便更好地理解和描述图像内容。 通过这些功能,该软件可以更加高效地进行图像标注工作,提高工作效率和准确性。用户可以更快速地进行图像浏览、分类和保存,同时实时显示和编辑标注信息。对于非英语母语的用户来说,英语到中文的翻译功能也提供了便利。此外,备注窗口还可以用于个性化标注,帮助用户更好地理解和描述图像内容。

2024-01-22

自定义image captioning数据集的格式整理(完整版)

自定义image captioning数据集的格式整理(完整版)

2023-09-30

FPGA+图像soble滤波+ZYBO+verilog(这是一个特别完整的工程代码)

本实验主要涉及到 FPGA 编程、图像 Sobel 滤波和 Verilog HDL 编程等技术,适合电子工程、计算机科学等专业的高年级本科生或研究生进行学习和探究。学生需要具备一定的数字电路设计和 Verilog HDL 编程基础知识,并熟悉 Vivado 开发环境和 ZYBO 开发板。

2023-08-31

FPGA+verilog+同步FIFO与异步FIFO+初学

FPGA+verilog+同步FIFO与异步FIFO+初学

2023-08-31

2019年国赛研究生数学建模竞赛优秀论文选DEF题

2019年国赛研究生数学建模竞赛优秀论文选DEF题

2023-08-31

2019年国赛研究生数学建模竞赛优秀论文选ABC题

2019年国赛研究生数学建模竞赛优秀论文选ABC题

2023-08-31

2018年国赛研究生数学建模竞赛优秀论文选

2018年国赛研究生数学建模竞赛优秀论文选

2023-08-31

2017年国赛研究生数学建模竞赛优秀论文选

2017年国赛研究生数学建模竞赛优秀论文选

2023-08-31

2016年国赛研究生数学建模竞赛优秀论文选

2016年国赛研究生数学建模竞赛优秀论文选

2023-08-31

2015年国赛研究生数学建模竞赛优秀论文选

2015年国赛研究生数学建模竞赛优秀论文选

2023-08-31

2014年国赛研究生数学建模竞赛优秀论文选

2014年国赛研究生数学建模竞赛优秀论文选

2023-08-31

2013年国赛研究生数学建模竞赛优秀论文选

2013年国赛研究生数学建模竞赛优秀论文选

2023-08-31

2012年国赛研究生数学建模竞赛优秀论文选

2012年国赛研究生数学建模竞赛优秀论文选

2023-08-31

FPGA-有限状态机相关材料汇总

FPGA有限状态机是一种高效的设计方法,它将逻辑和时序控制集成在单一可编程逻辑器件中,帮助您实现高性能、低成本的解决方案。

2023-08-31

FPGA+Verilog搭建一个卷积运算单元的简单实现+ZYBO+verilog(这是一个特别完整的工程代码)

FPGA+Verilog搭建一个卷积运算单元的简单实现+ZYBO+verilog(这是一个特别完整的工程代码)

2023-08-31

FPGA+彩色图片显示+verilog+ZYBO(这是一个特别完整的工程代码)

本实验涉及到 FPGA 编程、彩色图片显示和 Verilog HDL 编程等技术,是一项非常有挑战性和实用性的实验。该实验适合电子工程、计算机科学等专业的高年级本科生或研究生进行学习和探究,并且需要具备一定的数字电路设计和Verilog HDL编程的基础知识。 本实验的使用场景主要涉及到数字信号处理、嵌入式系统开发、图像处理等领域。通过本实验,学生们可以了解到如何使用FPGA进行彩色图片显示,特别是掌握如何使用Verilog HDL编程来实现这一过程,并且能够在ZYBO开发板上进行实际操作。此外,在实验中,学生还会学习到如何使用Vivado开发环境完成FPGA的设计和验证,并且能够在实验过程中进行调试和优化。 对于电子工程、计算机科学等专业的高年级本科生或研究生而言,参加本实验不仅可以提高他们的综合应用能力和创新思维水平,而且还能够帮助他们更好地理解数字电路设计和FPGA编程的相关知识,并加深对嵌入式系统开发的理解。此外,本实验也适合那些对数字信号处理、图像处理等领域感兴趣的人进行学习和探索。

2023-08-31

FPGA+彩条显示+ZYBO(这是一个特别完整的工程代码)

本实验涉及到 FPGA 编程、彩条图像处理和 HDMI 输出等技术,是一个非常有挑战性和实用性的实验。在学习本实验前,需要学生具备一定的电子工程、计算机科学以及数字信号处理的基础知识,并熟悉 Verilog HDL 和 Xilinx Vivado 开发环境。 该实验对于电子工程、计算机科学等专业的高年级本科生或研究生而言,是一个非常好的学习和探索平台。首先,通过本实验可以深入了解 FPGA 的原理和实践技巧,了解如何使用 FPGA 进行数字信号处理和嵌入式系统开发。其次,在本实验中,学生需要学习如何使用彩条图像处理技术,将输入信号进行处理后输出到 HDMI 接口上。这种技术在视频监控、数字广告牌、视频游戏等领域中得到了广泛应用,具有很高的现实意义。 此外,通过完成本实验,学生们还可以了解到如何使用 Zybo 开发板进行 FPGA 实验。Zybo 开发板是一款功能强大的嵌入式开发板,配备了Xilinx Zynq-7000 SoC,集成了双核 ARM Cortex-A9 处理器和可编程逻辑部分,可以帮助学生们更好地理解和掌握 FPGA 和嵌入式系统开发的相关知识。

2023-08-31

如何撰写数学建模论文()

当我们完成一个数学建模的全过程后,就应该把所作的工作进行小结,写成论文。撰写数学建模论文和参加大学生数学建模时完成答卷,在许多方面是类似的。事实上数学建模竞赛也包含了学生写作能力的比试,因此,论文的写作是一个很重要的问题。

2023-08-31

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除