Tomato——Beta阶段置顶集合随笔

小组9 2024-05-20 21:23:33
这个作业属于哪个课程<2302软件工程社区>
这个作业要求在哪里团队作业—beta冲刺+事后诸葛亮
这个作业的目标置顶随笔,包含beta阶段所有内容的链接
团队名称托码头小队
团队项目Tomato时间管理小程序
其他参考文献《构建之法》

目录

  • 一、换组交接博客
  • 二、alpha阶段问题总结随笔
  • 三、凡事预则立随笔
  • 四、代码规范
  • 五、冲刺随笔
  • 六、用户使用调查报告
  • 七、Beta冲刺总结随笔

一、换组交接博客

Tomato——换组交接博客

二、alpha阶段问题总结随笔

Tomato——alpha阶段问题总结随笔

三、凡事预则立随笔

Tomato——凡事预则立随笔

四、代码规范

Tomato——代码规范

五、冲刺随笔

Tomato——Beta冲刺Day1

Tomato——Beta冲刺Day2

Tomato——Beta冲刺Day3

Tomato——Beta冲刺Day4

Tomato——Beta冲刺Day5

Tomato——Beta冲刺Day6

Tomato——Beta冲刺Day7

六、用户使用调查报告

七、Beta冲刺总结随笔

...全文
429 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
YOLOv11人物目标检测数据集 目标类别:['Persona'] 中文类别:['人物'] 训练集:1683 张 验证集:182 张 测试集:0 张 总计:1865 张 该数据集提供了data.yaml文件,内容如下: train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: ['Persona'] YOLOv11城市街头与室内场景人物目标检测数据集 该数据集涵盖了城市街头、商业街区、办公场所及室内生活等多种场景中的人物目标检测,具有广泛的应用价值。通过多样的场景设置和丰富的拍摄角度,能够有效提升模型在复杂环境下的目标识别能力,为智慧城市、安防监控及人机交互等领域提供高质量的训练数据支持。 从数据分布来看,该数据集包含1683张训练集图像、182张验证集图像以及0张测试集图像,整体比例分配合理。训练集与验证集的比例约为9.25:1,能够充分满足模型训练与性能评估的需求,确保模型在不同场景下的泛化能力得到充分验证。 该数据集的标注工作严谨规范,所有图像均经过人工精确标注,每个目标都配有清晰的边界框和统一的标签“Persona”。标注过程遵循严格的标准,确保了数据的高质量和一致性,为后续的模型训练和性能优化提供了可靠的基础。 基于其多样化的场景覆盖和高质量的标注数据,该数据集可广泛应用于智慧城市管理、公共场所安防监控、智能零售分析以及家庭安防等多个领域。特别是在需要精准识别复杂环境中人物的目标检测任务中,该数据集能够显著提升模型的准确性和鲁棒性。

585

社区成员

发帖
与我相关
我的任务
社区描述
软件工程-2022-23学年(第二学期)
软件工程 高校
社区管理员
  • LinQF39
  • promisekoloer
  • 异梦1
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧