此资源为第二代身份证度读卡器二次开辟借口、其信息包括:姓名、性别、出生年月、发证机关、户籍地址、相片、身份证号码等。
2018/5/2 8:47:48 9.45MB 二代身份证 读卡器 API
1
nsf-oce-genderNSF海洋科学奖中的性别差异分析在这一系列的Jupyter笔记本电脑中,我们:清理并预备1987年至2019年的NSF海洋科学奖数据以进行分析确定研究主题从PI和联合PI的名字中提取性别信息在以下方面检查NSF海洋科学奖中的性别差异:所有NSF-OCE奖项NSF-OCE计划中排名前10位的奖项最多奖项数量排名前10位的学术组织确定的研究主题奖励类型在NSF-OCE授予WHOI的奖项中检查性别差异:NSF-OCE计划中排名前10位的奖项最多确定的研究主题奖励类型伊万·利马-2020年11月5日星期四20:06:50-0500
2019/10/9 6:46:48 5.45MB JupyterNotebook
1
微信小程序-人脸检测,实现人脸检测功能,包括年龄和性别。
使用微信小程序开发工具即可运转。
2015/8/1 9:44:08 6KB 微信小程序 人脸检测 年龄 性别
1
这是一个人脸性别识别的数据库,里面分别有男性和女性的不同照片,分为训练集和测试集,需求的朋友可以下载哦
2021/1/8 11:52:09 15.98MB 人脸识别
1
识别结果大概是这样{'result':{'face_num':1,'face_list':[{'quality':{'occlusion':{'right_eye':0,'left_cheek':0.1459853947,'right_cheek':0.05144193396,'left_eye':0.465408802,'mouth':0.02919708006,'chin_contour':0.01420217194,'nose':0},'illumination':116,'blur':7.266304692e-06,'completeness':1},'age':22,'face_token':'dc6f8f9df5d977ea476e2d04acdf5063','race':{'type':'white','probability':0.6173604727},'glasses':{'type':'common','probability':0.9834988713},'gender':{'type':'male','probability':0.655915916},'face_probability':0.9185044169,'beauty':51.21487427,'angle':{'roll':-2.750922441,'yaw':28.97134399,'pitch':5.202290535},'location':{'height':65,'top':112.0704803,'width':76,'left':76.20765686,'rotation':-4},'face_type':{'type':'human','probability':0.9992217422},'face_shape':{'type':'oval','probability':0.4419156313},'expression':{'type':'none','probability':0.9999142885}}]},'error_msg':'SUCCESS','timestamp':1537413754,'cached':0,'error_code':0,'log_id':9465840013520}年龄:22颜值:51.21487427表情-type(none:不笑;
smile:微笑;
laugh:大笑):none表情-probability(表情置信度,范围【0~1】,0最小、1最大):0.9999142885脸型-type(square:正方形triangle:三角形oval:椭圆heart:心形round:圆形):oval脸型-probability(置信度,范围【0~1】,代表这是人脸形状判断正确的概率,0最小、1最大):0.4419156313性别-type(male:男性female:女性):male性别-probability(性别置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.655915916能否带眼镜-type(none:无眼镜,common:普通眼镜,sun:墨镜):common能否带眼镜-probability(眼镜置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.9834988713人种-type(yellow:黄种人white:白种人black:黑种人arabs:阿拉伯人):white人种-probability(人种置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.6173604727真实人脸/卡通人脸-type(human:真实人脸cartoon:卡通人脸):human真实人脸/卡通人脸-probability(人脸类型判断正确的置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.9992217422
2015/7/3 8:12:32 3KB python3.5 百度ai 人脸识别
1
微博最新数据集,包含以下字段发表时间所用设备微博内容点赞数评论数转发数用户id用户名称vip等级关注数粉丝数性别微博认证(简介)等级阳光信誉注册时间
2020/7/6 9:23:21 220KB 微博数据
1
超市收银系统数据库课程设计,含源代码和详细的实验报告1、需求分析(1)、信息要求 顾客信息:顾客编号(会员卡号)、顾客姓名、顾客性别、注册时间、能否到期、消费金额。
 收银员信息:收银员编号、收银员姓名、收银员性别、登录名,密码。
 商品信息:商品编号、商品名称、单价、现有库存。
 收银信息:收银员编号、收银金额、登录时间,注销时间。
 交易信息:顾客编号,商品编号,交易时间,交易数量。
2019/8/27 4:34:49 1.21MB 超市收银系统
1
超市收银系统数据库课程设计,含源代码和详细的实验报告1、需求分析(1)、信息要求 顾客信息:顾客编号(会员卡号)、顾客姓名、顾客性别、注册时间、能否到期、消费金额。
 收银员信息:收银员编号、收银员姓名、收银员性别、登录名,密码。
 商品信息:商品编号、商品名称、单价、现有库存。
 收银信息:收银员编号、收银金额、登录时间,注销时间。
 交易信息:顾客编号,商品编号,交易时间,交易数量。
2019/8/27 4:34:49 1.21MB 超市收银系统
1
1.1问题描述  对单位的职工进行管理,包括插入、删除、查找、排序等功能。
1.2要求  职工对象包括工号、姓名、性别、出生年月、工作年月、学历、职务、住址、电话等信息。
(1)新增一名职工:将新增职工对象按姓名以字典方式存入职工管理文件中。
(2)删除一名职工:从职工管理文件中删除一名职工对象。
(3)查询:从职工管理文件中查询符合某些条件的职工。
(4)修改:检索某个职工对象,对其某些属性进行修改。
(5)排序:按某种需要对职工对象文件进行排序。
1.3实现提示  职工对象数不必很多,便于一次读入内存,所有操作不经过内外存交换。
(1)由键盘输入职工对象,以文件方式保存。
程序执行时先将文件读入内存。
(2)对职工对象中的"姓名"按字典顺序进行排序。
(3)对排序后的职工对象进行添加、删除、查询、修改、排序等操作。
1
1.1问题描述  对单位的职工进行管理,包括插入、删除、查找、排序等功能。
1.2要求  职工对象包括工号、姓名、性别、出生年月、工作年月、学历、职务、住址、电话等信息。
(1)新增一名职工:将新增职工对象按姓名以字典方式存入职工管理文件中。
(2)删除一名职工:从职工管理文件中删除一名职工对象。
(3)查询:从职工管理文件中查询符合某些条件的职工。
(4)修改:检索某个职工对象,对其某些属性进行修改。
(5)排序:按某种需要对职工对象文件进行排序。
1.3实现提示  职工对象数不必很多,便于一次读入内存,所有操作不经过内外存交换。
(1)由键盘输入职工对象,以文件方式保存。
程序执行时先将文件读入内存。
(2)对职工对象中的"姓名"按字典顺序进行排序。
(3)对排序后的职工对象进行添加、删除、查询、修改、排序等操作。
1
共 237 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡