我们使用了循环一致性生成对抗网络（CycleConsistentGenerativeAdversarialNetworks,CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
2025/7/12 14:11:22
5.32MB
1
ArcFace/InsightFace使用自己数据训练/验证过程，训练自己的数据需要制作几个所需的文件，官方没有详细说明，而且还需要对部分代码进行修改，也有好多需要自己写，才能使用自定义的数据集进行训练和测试。
博客地址https://blog.csdn.net/qq_39707285/article/details/98068436中有详细介绍训练/验证过程。
修复图片过多在制作bin文件时可能出现MemoryError的BUG，分别替换src/eval文件夹下的flw_m.py和src/data文件夹下的lfw2pack_m.py，附件见链接:https://pan.baidu.com/s/1LBNYaSFEJ3WSVBkU5VdFDA提取码:mgsd
博客地址https://blog.csdn.net/qq_39707285/article/details/98068436中有详细介绍训练/验证过程。
修复图片过多在制作bin文件时可能出现MemoryError的BUG，分别替换src/eval文件夹下的flw_m.py和src/data文件夹下的lfw2pack_m.py，附件见链接:https://pan.baidu.com/s/1LBNYaSFEJ3WSVBkU5VdFDA提取码:mgsd
2025/7/9 6:30:24
10KB
1
KITTI数据集转化为VOC数据集，用于yolo训练，目标检测，相关介绍在博客中http://blog.csdn.net/baolinq
2025/7/8 3:41:19
5KB
1
PFR人民日报标注语料库(版本1.0，下面简称PFR语料库)是在得到人民日报社新闻信息中心许可的条件下，以1998年人民日报语料为对象，由北京大学计算语言学研究所和富士通研究开发中心有限公司共同制作的标注语料库。
为了促进中文信息处理研究的发展，他们三方计划公开PFR语料库。
作为公开的前期工作，从4月3日起，在他们三方的主页上免费公开PFR语料库1月份的语料，欢迎大家下载。
PFR语料库的制作规范参阅《现代汉语语料库加工――词语切分与词性标注规范》。
如果您在研究或论文工作中使用PFR语料库，请注明来源。
为了促进中文信息处理研究的发展，他们三方计划公开PFR语料库。
作为公开的前期工作，从4月3日起，在他们三方的主页上免费公开PFR语料库1月份的语料，欢迎大家下载。
PFR语料库的制作规范参阅《现代汉语语料库加工――词语切分与词性标注规范》。
如果您在研究或论文工作中使用PFR语料库，请注明来源。
2025/7/8 1:18:11
19.36MB
1
毕业设计系统基于协同过滤，基于用户的和基于item的都有实现可在线预览movie.colaplusice.com基于django2＋python3.7+mysql/sqlite+bootstrap3movielens数据集邮箱:fjl2401@163.com详细的技术文档和readme很全。
里面附带论文和数据库文件以及爬虫
里面附带论文和数据库文件以及爬虫
2025/7/4 18:56:09
8.41MB
1
决策树是一个通过训练的数据来搭建起的树结构模型，根节点中存储着所有数据集和特征集，当前节点的每个分支是该节点在相应的特征值上的表现，而叶子节点存放的结果则是决策结果。
通过这个模型，我们可以高效的对于未知的数据进行归纳分类。
每次使用决策树时，是将测试样本从根节点开始，选择特征分支一直向下直至到达叶子节点，然后得到叶子节点的决策结果。
通过这个模型，我们可以高效的对于未知的数据进行归纳分类。
每次使用决策树时，是将测试样本从根节点开始，选择特征分支一直向下直至到达叶子节点，然后得到叶子节点的决策结果。
2025/7/4 16:46:40
10KB
1
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。
2024-04-09 15:03
15KB