2024-09-23
En conclusion, les chiffons de nettoyage pour armes à feu traités au silicone sont un excellent outil pour garder vos armes à feu propres et bien entretenues. Ils sont sûrs, efficaces et faciles à utiliser. Si vous cherchez une nouvelle façon de nettoyer vos armes, un chiffon de nettoyage pour armes traité au silicone peut être la solution parfaite.
Shanghai Hunting Speed Industry & Trade Co., Ltd. est l'un des principaux fabricants et détaillants de kits et d'accessoires de nettoyage pour armes à feu de haute qualité. Nos produits sont conçus pour rendre l’entretien de vos armes à feu facile et pratique. Pour plus d’informations, veuillez visiter notre site Web àhttps://www.handguncleaningkit.com. Si vous avez des questions ou des préoccupations, n'hésitez pas à nous contacter auété@bestoutdoors.cc.
G. H. Kohli et C. Huang, « Détection d'armes de poing à l'aide de réseaux neuronaux à convolution profonde », Conférence 2017 sur les technologies de l'information et de la communication (CICT), Singapour, 2017, pp. 1-6.
C. Liu, Z. Tan et X. Wang, « Méthode d'identification de la source d'un tir d'arme à feu basée sur le signal acoustique », Conférence internationale IEEE 2018 sur les technologies de l'information et de la communication pour la gestion des catastrophes (ICTDM), Hainan, Chine, 2018 , p. 1-4.
M. E. Salah et A. S. Abd-Elhameed, « Conception et mise en œuvre d'un système intelligent à faible coût pour la classification des coups de feu en temps réel », Conférence internationale 2019 sur l'ordinateur et les applications (ICCA), Hunan, Chine, 2019, pp. 504-510.
X. Liu et X. Zhang, « Identification des armes à feu basée sur le champ électromagnétique d'interférence émis par les balles », IET Image Processing, vol. 14, non. 1, p. 120-129, 2020.
T. Hofbauer, K. Simkus et B. Frei, "Comparaison de l'analyse du strontium et du plomb dans des fragments de balle au moyen de la spectrométrie de masse à plasma à couplage inductif par ablation laser pour les enquêtes médico-légales", Chimie analytique et bioanalytique, vol. 411, non. 29, pages 7913-7921, 2019.
S. Demir, E. Yilmaz et T. Yildirim, « Système de reconnaissance acoustique des coups de feu avec des approches basées sur l'apprentissage automatique », IEEE Access, vol. 7, pages 100549-100559, 2019.
X. Chen, D. Li et S. Li, « Détection multimodale pour la détection d'armes à feu en temps réel dans les vidéos », dans IEEE Transactions on Circuits and Systems for Video Technology, doi : 10.1109/TCSVT.2019.2961935.
N. Fiorini et A. Heinemann, « Sur l'identification des modèles d'armes à feu à l'aide de l'analyse médico-légale automatisée des impressions de balles terrestres », dans IEEE Transactions on Information Forensics and Security, vol. 15, pages 1527-1544, 2020.
B. Kang et S. Kim, « Recherche sur la segmentation d'images de comparaison d'armes à feu basée sur différents espaces colorimétriques », dans Journal of Convergence Information Technology, vol. 10, non. 4, p. 167-174, 2015.
A. R. Sova et F. L. Comsa, « Capteurs intelligents pour la détection des armes à feu », Symposium international IEEE 2017 sur les mesures et applications médicales (MeMeA), Rochester, MN, 2017, pp. 318-323.
A. Bhuyan, S. Sayied et J. Kalita, « Détection d'armes de poing à l'aide de réseaux neuronaux à convolution profonde », préimpression arXiv arXiv : 1704.07847, 2017.