视觉问答权威综述，最后讨论了有前景的未来研究方向特别是与结构化知识库的联系以及使用自然语言处理模型。

包含论文(15951字)、开题报告、文献翻译、文献综述、英文文献、中期自查表、程序流程图等所有毕设要求文档。
以及其他相关文档资料和设计资料等等(网上收集的课题相关资料)。
该包资源都是毕设所有文档，论文提到的功能都已实现，PCB工程资料和程序代码资料将以另外的资源包进行上传了。
系统涉及主要技术：STM32f103rct6、SIM800C模块、AS608指纹模块、触摸交互GUI彩屏、文件系统支持TF卡等等。
系统主要功能：支持3种认证方式(密码/指纹/远程)、支持信息记录与统计分析、支持远程交互(监护家人出行情况)、全触摸交互操作以及支持其他等智能功能(比如远程备忘录留言提醒).

时尚是我们向世界展示自己的方式，已经成为世界上最大的产业之一。
时尚主要通过视觉来传达，因此近年来受到了计算机视觉研究者的广泛关注。

实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.

WhatDoWeUnderstandAboutConvolutionalNetworks?论文卷积神经网络（CNN）在计算机视觉领域已经取得了前所未有的巨大成功，但我们目前对其效果显著的原因还没有全面的理解。
约克大学电气工程与计算机科学系的IsmaHadji和RichardP.Wildes发表了论文《WhatDoWeUnderstandAboutConvolutionalNetworks?》，对卷积网络的技术基础、组成模块、当前现状和研究前景进行了梳理，介绍了我们当前对CNN的理解。

图像配准资料，综述近年来图像配准方面的文献资料，比较全。

包含自己做的一个presentation，和相关的参考文献，shuffleNet，MobileNetv1Mobilev2,等

近年来，互联网技术的蓬勃发展极大地便利了人类的日常生活，不可避免的是互联网中的信息呈井喷式爆发，如何从中快速有效地获取所需信息显得极为重要.

卷积神经网络研究综述

青秦营养膳食分析与智能营养配餐软件是专为营养师执行营养健康指导、营养配餐、营养评估以及营养膳食分析等专业管理操作软件。
它适合各类人群，包括孕妇、儿童、老年人等特殊人群。
主要用于大中小学校、营养健康管理公司、医院、餐饮部门、保健品公司、疗养院、社区、幼儿园、养老院的营养咨询与营养管理、教学和科学研究。
 之所以满足不同用户以及各个适用场所需求，是因为青秦营养配餐软件全满、系统的功能所决定，该软件包括3大操作功能：营养档案录入、营养评估、营养配餐，以及13大实用功能：营养食谱管理、疾病管理、营养知识管理等。
 1.全面支持针对亚健康人群，包括孕妇、乳母、老年人、青少年、儿童及疾病人群，制定专属个人以及团体设定营养素的供给量与营养食谱；
2、软件中科学合理的专家评测功能、综述、建议，为营养师的工作提供便捷与高效准确；
3、全面的分析、查看功能，满足不同用户群体需求的分析报告；
4、支持编制带量日/周营养食谱、原料食谱、套餐食谱。
并支持营养评估；
同时，软件按中国传统菜系、各类疾病调理、不同人群营养食谱、世界各国食谱等编制录入；
5、针对于原有软件数据库数据可自主进行添加、编辑，满足营养师对于不同用户群体的需求增加；
6、用户可根据营养对象的情况进行自定义编辑，预览打印报表。
报表内容尽详、美观；
7、方便、快捷的膳食营养计算与膳食营养素分类分析和汇总分析功能。
8、针对于营养对象灵活的餐次以及周期选择；
便于进行营养分析以及营养配餐；
9、各种营养素的数据尽显完整准确性，便于用户对于营养对象情况的了解，进而提出可行性改善方案。
10、安装及使用简单易懂，界面美观、傻瓜化的操作流程；
   获得奖项：

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。