约4000张不带口罩的人脸图片+4000张带口罩的人脸图片，含标注文件，符合YOLOv5格式，可间接训练。

此资源用C++和opencv编写的人脸性别、帽子、眼镜和口罩辨认及其颜色辨认

1.本数据来源于MAFAdataset和WIDERFACEdataset。
2.训练集共6120张图片，来自与MAFA的有3006张图片（基础都是戴口罩的图片），WIDERFace的有3114张（基础都是不戴口罩的图片）。
3.验证集共1839张图片，其中来自MAFA的有1059张图片，来自于WIDERFace的共780张。

CS231A课程项目：深度立体声匹配重新实现GC-Net我主要是重新实现GC-Net。
我实现了两个版本的GC-Net模型：一个带有掩码（损失被掩码），另一个不带掩码。
结果定性结果SceneFlow上的无遮罩版本，原始图像和预测样本：SceneFlow上的带遮罩版本，遮罩的地面真相，遮罩的预测和未遮罩的预测：在KITTI训练集上，要了解真实情况，掩盖的预测和未掩盖的预测：在KITTI测试集中，原始图像和预测样本：定量结果由于KITTI数据集非常稀疏，因而提供的groundtruths是带遮罩的，我首先实现并训练带遮罩的版本。
但是我发现一些预测非常模糊。
（我的口罩有点过多）。
虽然定性结果看起来不错，但是SceneFlow测试集上的定量结果不是很好。
至于KITTI，这不是令人满意的版本，因而我不提交。
并且由于时间和资源的限制，我不进行验证。
我在训

（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。

2019-nCov-api新冠肺炎api前言本项目通过爬取腾讯、新浪、丁香园等疫情数据，获取新冠肺炎相关数据，并整合为api数据，做法简单粗暴，类似于端口转发。
数据包含口罩预约、同乘车辆、疫情小区、数据分析、国内外详细数据、实时旧事动态、确诊人员信息流动轨迹、疫情谣言等。
当前接口部署到我自己的乞丐服务器上面的，可能速度有点慢，希望且用且珍惜。
github地址：https://github.com/LiangWuCode/2019-nCov-api文档地址：https://wuliang.art/ncov/doc.html#/home另外前期仓促之间也用flutter搞了个app，

熔喷非织造材料是口罩生产的重要原材料，具有诸多优点。
但是，这种材料非常细，在使用过程中经常因为压缩回弹性差而导致其功能得不到保障。
因此，科学家对其进行了更新，制备出新型材料。
新型材料工艺参数较多，并且不同参数还存在相互影响。
基于以上可知，建立工艺参数与产品功能之间的关系模型，将有助于疫情防控与产业发展。
本文针对插层熔喷非织造材料的功能控制展开深入研究，通过典型相关、XGBoost、皮尔逊person相关性、BP神经网络等方法，使用MATLAB、Python、SPSS、EXCEL等软件编程进行处理，得出了题目中结构变量、产品功能的变化规律；
建立了工艺参数与结构变量之间的预测模型；
建立了皮尔逊相关性判定模型，分析了结构变量与产品功能以及各自之间的关系等。
最终结合研究成果得出了实际产品生产中能够使得过滤效率尽量的高的同时力求过滤阻力尽量的小的工艺参数。
包含2022年华数杯详细代码与论文

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。