Andere Kunden interessierten sich auch für
![UMA ABORDAGEM DE REDE NEURAL PARA A CONTAGEM DO NÚMERO DE IMAGENS]( "UMA ABORDAGEM DE REDE NEURAL PARA A CONTAGEM DO NÚMERO DE IMAGENS")
UMA ABORDAGEM DE REDE NEURAL PARA A CONTAGEM DO NÚMERO DE IMAGENS29,99 €![A NEURAL NETWORK APPROACH FOR COUNTING NUMBER OF IMAGES]( "A NEURAL NETWORK APPROACH FOR COUNTING NUMBER OF IMAGES")
A NEURAL NETWORK APPROACH FOR COUNTING NUMBER OF IMAGES29,99 €![UNE APPROCHE DE RÉSEAU NEURONAL POUR COMPTER LE NOMBRE D'IMAGES]( "UNE APPROCHE DE RÉSEAU NEURONAL POUR COMPTER LE NOMBRE D'IMAGES")
UNE APPROCHE DE RÉSEAU NEURONAL POUR COMPTER LE NOMBRE D'IMAGES29,99 €![UN APPROCCIO A RETE NEURALE PER IL CONTEGGIO DEL NUMERO DI IMMAGINI]( "UN APPROCCIO A RETE NEURALE PER IL CONTEGGIO DEL NUMERO DI IMMAGINI")
UN APPROCCIO A RETE NEURALE PER IL CONTEGGIO DEL NUMERO DI IMMAGINI29,99 €![NEJROSETEVOJ PODHOD DLYa PODSChETA KOLIChESTVA IZOBRAZhENIJ]( "NEJROSETEVOJ PODHOD DLYa PODSChETA KOLIChESTVA IZOBRAZhENIJ")
NEJROSETEVOJ PODHOD DLYa PODSChETA KOLIChESTVA IZOBRAZhENIJ13,99 €![INTELLIGENTE STEUERUNG VON AMPELN MIT DEEP LEARNING]( "INTELLIGENTE STEUERUNG VON AMPELN MIT DEEP LEARNING")
INTELLIGENTE STEUERUNG VON AMPELN MIT DEEP LEARNING43,90 €![Mit Bildern argumentieren und suggerieren: Verfahren der Absicherung von Bewertungen in den Printmedien und im Fernsehen]( "Mit Bildern argumentieren und suggerieren: Verfahren der Absicherung von Bewertungen in den Printmedien und im Fernsehen")
Mit Bildern argumentieren und suggerieren: Verfahren der Absicherung von Bewertungen in den Printmedien und im Fernsehen17,95 €
Das Zählen von Menschenmengen ist ein beherrschendes Forschungsthema im Bereich der Computerüberwachung, aber wenn die Menschenmenge ungleich verteilt ist, muss die Perfektion des Zählens von Menschenmengen auf der Grundlage des MCNN noch verbessert werden, um sich an ungleiche Verteilungen von Menschenmengen anzupassen MCNN wurde verwendet, um aggressive Ergebnisse zu erzielen. Das globale Dichtemerkmal für Menschenmengen in einem Projekt wird berücksichtigt, und globalisierte Dichteaspekte werden gezeichnet und dem MCNN durch die kaskadierte Lernmethode hinzugefügt, da im Laufe des Down-Sampling-Prozesses bestimmte umfassende Merkmale durch das MCNN außer Acht gelassen werden, was die Genauigkeit der Dichtekarte beeinträchtigt. Die experimentellen Ergebnisse für ucfcc50 und den Shanghaitech-Datensatz zeigen, dass die vorgeschlagene Methode genauer und stabiler ist.