基于c++编写的经典的lic算法,实现矢量场可视化,纹理细节清晰,运算速度较慢,还需求大量优化。
2017/1/24 1:35:49 167KB 流场 线积分 LIC 可视化
1
深度学习和神经网络1.1神经元工作原理1.2神经网络引见1.3深度神经网络1.4卷积神经网络1.5循环神经网络1.6生产判别式网络1.7深度学习的应用1.8图片生产1.9课后解答
2020/8/10 14:06:06 87.68MB 深度学习 神经网络
1
yolov4-deepsort使用YOLOv4,DeepSort和TensorFlow实现的对象跟踪。
YOLOv4是一种先进的算法,它使用深度卷积神经网络来执行对象检测。
我们可以将YOLOv4的输出输入这些对象检测到DeepSORT(带有DeepAssociationMetric的简单在线和实时跟踪)中,以创建一个高度精确的对象跟踪器。
关于对象的对象跟踪器的演示汽车上的对象跟踪器演示入门首先,请通过Anaconda或Pip安装适当的依赖项。
我建议使用GPU的人使用Anaconda路由,由于它可以为您配置CUDA工具包版本。
conda(推荐)#TensorflowCPUcondaenvcreate-fconda-cpu.ymlcondaactivateyolov4-cpu#TensorflowGPUcondaenvcreate-
2022/10/18 9:17:23 73.99MB Python
1
这个文档是我见过为数不多的将理论分析的十分透彻的文档,包括公式推导的每一步怎样来的,为什么都解释的十分清楚,很多大牛的文献都没有这个好,建议做贝叶斯的盲源反卷积的一定拜读一下
2019/11/1 2:54:24 680KB 贝叶斯 盲源反卷积 稀疏
1
importnumpyasnpimportsysdefconv_(img,conv_filter):filter_size=conv_filter.shape[1]result=np.zeros((img.shape))#循环遍历图像以使用卷积运算forrinnp.uint16(np.arange(filter_size/2.0,img.shape[0]-filter_size/2.0+1)):forcinnp.uint16(np.arange(filter_size/2.0,img.shape[1]-filter_s
2022/10/8 13:00:54 53KB mp 卷积 卷积神经网络
1
光谱信息预处理matalb代码,包括标准正态变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积光滑。
2022/10/1 9:53:26 204KB SNV MSC niramf
1
深层卷积神经网络完成超分辨重建,原文及翻译AccurateImageSuper-ResolutionUsingVeryDeepConvolutionalNetworksCVPR2016
2019/10/27 1:51:21 2.81MB 机器学习
1
运用递归高斯模糊算法实现了高斯模糊,比传统的卷积运算快很多倍,图片越大优势越明显;
比FFT快3倍。
目前最快的高斯模糊算法。
基于VS2010,C++源码
2017/10/1 4:43:57 19KB 递归 高斯模糊 速度最快 实时
1
通信零碎卷积编解码关于VHDL实现的具体代码及顶层建模
2018/2/5 19:11:17 779KB 卷积 VHDL
1
如何运用卷积神经网络拟合一个回归模型来预测手写数字的旋转角度。
2019/9/7 1:56:49 6KB 深度学习 CNN 回归模型
1
共 434 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