酸橙已经有一个叫做石灰的包裹，谁的模子多少乎是高尚的，它评释晰它们的变更，一次查核一次。
莱姆·瑞克（MaraAverick）这是Python石灰包（）的R端口，该石灰包是由石灰（当地可评释模子不可知的评释）方式的作者开拓的，用于黑盒模子评释。
该方式的发现部份归功于原始开拓人员。
lime的目的是评释黑匣子分类器的料想。
这象征着对于任何给定的料想以及任何给定的分类器，它均能够未必原始数据中增长料想下场的一小部份特色。
要知道无关lime的方式的更多信息，请浏览并晤面的资料库。
R的lime包并不旨在成为其Python对于应版本的逐行端口。
相同，它付与原始代码中列
莱姆·瑞克（MaraAverick）这是Python石灰包（）的R端口，该石灰包是由石灰（当地可评释模子不可知的评释）方式的作者开拓的，用于黑盒模子评释。
该方式的发现部份归功于原始开拓人员。
lime的目的是评释黑匣子分类器的料想。
这象征着对于任何给定的料想以及任何给定的分类器，它均能够未必原始数据中增长料想下场的一小部份特色。
要知道无关lime的方式的更多信息，请浏览并晤面的资料库。
R的lime包并不旨在成为其Python对于应版本的逐行端口。
相同，它付与原始代码中列
2023/4/18 9:35:39
3.86MB
1
基于深度学习的资源三号遥感影像云检测方式。
摘要针对于资源三号卫星影像波段少、光谱规模受限的特色，本文提出了基于深度学习的资源三号遥感影像云检测方式。
起首，付与主成份阐发非把守预熬炼搜集合构，患上到待测遥感影像特色；
其次，为削减在池化进程中影像特色信息的损失，提出自顺应池化模子，该模子能很好开掘影像特色信息；
末了，将影像特色输入反对于向量机分类器举行分类，患上到云检测下场。
选取典型地域举行云检测试验，并与传统Otsu方式举行比力。
下场评释：本文方式检测精度高，并且不受光谱规模限度。
摘要针对于资源三号卫星影像波段少、光谱规模受限的特色，本文提出了基于深度学习的资源三号遥感影像云检测方式。
起首，付与主成份阐发非把守预熬炼搜集合构，患上到待测遥感影像特色；
其次，为削减在池化进程中影像特色信息的损失，提出自顺应池化模子，该模子能很好开掘影像特色信息；
末了，将影像特色输入反对于向量机分类器举行分类，患上到云检测下场。
选取典型地域举行云检测试验，并与传统Otsu方式举行比力。
下场评释：本文方式检测精度高，并且不受光谱规模限度。
2023/4/14 21:08:27
792KB
1
网上凑集来的人脸识别数据集，搜罗正样本（人脸）以及负样本（配景），均有10000张以上图片；
能够用来熬炼haar分类器。
能够用来熬炼haar分类器。
2023/4/6 7:38:49
58.52MB
1
本系统是基于svm训练得到的分类器，代码包含了数据集的预处理和模型训练，对给定测试集进行测试，并根据已有标签计算精确度。
代码内有详细注释，下载即可运行。
如有疑问可联系
代码内有详细注释，下载即可运行。
如有疑问可联系
2023/3/10 18:20:42
131.31MB
1
一个可选定roi区域拍照的程序文本代码以及用其创作的手部样本1000份，只需在一块白色的背景前设置ROI，即可利用摄像头将输入设备的视频分成大量可用于分类器、神经网络训练的手势图片。
2023/3/8 6:29:44
1.09MB
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