在掌握opencv与tensorflow基础知识的基础上，使用tensorflowobjectdetectionAPI与opencvdnn模块，实现从数据标注与tfrecord数据生成，SSD模型迁移学习训练，模型导出在tensorflow中使用，OpenCVDNN模块中使用(C++与Python)API调用演示，实现从数据到模型训练到导出给OpenCV使用全链路的技术路径，学以致用，举一反三，可以套用到任意的对象检测问题的解决方案中！

《数据结构》实验教学大纲数据结构实验DataStructureExperiment工学计算机科学与技术先修课程：高等数学、离散数学、程序设计基础（C语言或C++语言）课程性质数据结构是计算机科学的算法理论基础和软件设计的技术基础，是计算机科学技术专业的基础理论课程，是计算机学科的核心课程之一。
在计算机科学技术的各个领域，选择合适的数据结构是一个重要问题；
具备分析算法复杂度、比较算法性能和优化算法的能力是计算机专业学生必须具备的重要专业能力。
通过数据结构与算法的学习，能进一步提高软件设计与编写高效程序的能力，提高应用计算机技术解决实际问题的能力。
本课程是结合《数据结构》课堂教学安排的实验与实践课程，它是对学生的一种全面综合训练，是与课堂教学与课后练习，完成程序分析与设计、理论与实践相结合的训练的必不可少的一个教学环节。
本实验课程目的是加深对数据结构与算法的理解，加强理论与实践的结合，培养学生的综合动手能力。
本实验强调基础知识与实际应用相结合，促使学生掌握知识并应用于解决实际问题，培养学生的动手能力和实践应用能力，起到深化理解和灵活掌握教学内容的目的。
课程任务进行本课程实验之前，课堂任课教师或实验教师必须要求学生认真复习C语言(或C++语言)的基本编程方法，熟悉编程环境。
通过本课程实验，使学生学会和掌握本课程的基本知识点和重点内容，理解数据结构的基本概念和基本原理，深刻理解逻辑结构、存储结构、算法设计之间的关系，掌握分析问题的基本方法，熟练编程的基本方法和技巧，提高解决问题的能力。

在PyTorch中使用Tensorboard可视化训练过程的脚本文件

Tesseract-OCR的中文训练库，解压到Tesseract-OCR\tessdata目录

这是一本零基础就能读懂的算法书籍，读者不需要因为自己没有语言基础而畏惧。
书籍的第2章便是一个C语言的入门教程，内容非常易懂，并且十分实用，阅读完这章就可以对本书需要的C语言基础有一个较好的掌握。
本书已经覆盖了大部分基础经典算法，不仅可以作为考研机试和PAT的学习教材，对其他的一些算法考试（例如CCF的CSP考试）或者考研初试的数据结构科目的学习和理解也很有帮助，甚至仅仅想学习经典算法的读者也能从本书中学到许多知识，本书还有配套的《算法笔记上机训练实战指南》本书的作者是同样经历过考研机试和各类算法考试的专家型学长，知晓这类考试中的痛点，以及考生在学习算法时容易产生困惑的地方，因此可以把本书看作是学长为你奉献的满满的经验干货，这是有价值的东西。
本书的试印版本献给了浙大考研学子，并令当年的浙大考研机试平均分增加了十多分，收获了考生的大量好评。
但作者并没有止步于此，经过了半年多时间的内容完善和补充之后，新的版本在新一年的考研机试中再次获得了考生的一致赞美。
最后，在经过精心整理之后，书籍终于定稿，并编撰成书。
我们知道，纸质书籍的一个弱点就在于不能像软件一样随时更新内容，但本书采用了与二维码相结合的方式，使得本书变为能够随时更新内容的书籍，读者也可以随时从二维码中找到勘误。
这种作者和读者能够相互沟通的方式让书籍变“活”了，也能够帮助提升读者对知识的理解。
内容简介本书内容包括：C/C++快速入门、入门模拟、算法初步、数学问题、C++标准模板库（STL）、数据结构专题（二章）、搜索专题、图算法专题、动态规划专题、字符串专题、专题扩展。
本书印有二维码，用来实时更新、补充内容及发布勘误的。
本书可作为计算机专业研究生入学考试复试上机、各类算法等级考试（如PAT、CSP等）的辅导书，也可作为“数据结构”科目的考研教材及辅导书内容的补充。
本书还是学习C语言、数据结构与算法的入门辅导书，非常适合零基础的学习者对经典算法进行学习。

基于深度学习的表情识别，内含基于cv2的人脸检测分类器，以及训练好的模型，能识别检测出七种人脸表情。

tensorflow的model下的slim，有利于帮助重新训练网络模型

MATLAB工具包DEEPLEARNINGTOOLBOX(一)DeepLearningToolbox提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。

matlab实现声纹识别，通过提取声音信号的MFCC特征，然后形成特征向量，通过训练语音，对测试语音进行识别，可以识别训练库内的声音，也可以识别出训练库外的声音

保险领域的问答系统训练语料，可以用来训练chatbot，希望有帮助

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。