Opencv安装过程中运用的vgg_generated_120.i等额外文件，本人亲测可用
2015/11/19 8:22:45
1.78MB
1
博客地址：https://blog.csdn.net/wen_fei/article/details/80261047人脸识别源代码，包括使用opencv、dlib和cnn实现的人脸检测、opencv实现的人脸对齐以及vgg-face的人脸特征提取等，最后余弦函数计算类似度，并提供flask部署代码，可以放在服务器上远程调用
2021/6/19 17:40:45
9KB
1
github中TFFRCNN项目中需求用到的VGG网络的权值参数和训练好的fasterrcnn模型
2016/7/21 21:29:43
64B
1
提示fatalerror:boostdesc_bgm.i:Nosuchfileordirectory的错误所需求的boostdesc_lbgm和vgg_generated文件
2021/5/17 21:32:52
1.75MB
1
使用CMake编译openCV时（添加了opencvcontrib，不添加不会有这个问题）会下载几个文件，但是往往会下载失败导致CMake失败，vgg_generated_48.i，vgg_generated_64.i，vgg_generated_80.i，vgg_generated_120.i，还有几个boostdesc文件，需求放到opencv_contrib\modules\xfeatures2d\src路径下。
可在https://blog.csdn.net/u012902367/article/details/88944352找到具体使用方法。
可在https://blog.csdn.net/u012902367/article/details/88944352找到具体使用方法。
2022/9/6 23:15:10
1.78MB
1
SSD使用VGG-16-Atrous作为基础网络，其中黄色部分为在VGG-16基础网络上填加的特征提取层。
SSD与yolo不同之处是除了在最终特征图上做目标检测之外，还在之前选取的5个特特征图上进行预测。
SSD图1为SSD网络进行一次预测的示意图，可以看出，检测过程不只在填加特征图(conv8_2,conv9_2,conv_10_2,pool_11)上进行，为了保证网络对小目标有很好检测效果，检测过程也在基础网络特征图(conv4_3,conv_7)上进行。
SSD与yolo不同之处是除了在最终特征图上做目标检测之外，还在之前选取的5个特特征图上进行预测。
SSD图1为SSD网络进行一次预测的示意图，可以看出，检测过程不只在填加特征图(conv8_2,conv9_2,conv_10_2,pool_11)上进行，为了保证网络对小目标有很好检测效果，检测过程也在基础网络特征图(conv4_3,conv_7)上进行。
2022/9/5 3:48:43
2.82MB
1
包含opencv320需求的vgg_generated_48.ivgg_generated_64.ivgg_generated_80.ivgg_generated_120.i
2022/9/3 0:25:35
805KB
1
openc3.2进行cmake时需要下载的文件。
下载vgg_generated_48.i放在opencv_contrib/modules/xfeatures2d/cmake/.download/e8d0dcd54d1bcfdc29203d011a797179。
最初面的文件夹可能不一样。
下载vgg_generated_48.i放在opencv_contrib/modules/xfeatures2d/cmake/.download/e8d0dcd54d1bcfdc29203d011a797179。
最初面的文件夹可能不一样。
2020/9/21 17:49:32
755KB
1
使用VGG19迁移学习实现图像风格迁移这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。
给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。
此项目使用Python2.7+TensorFlow1.4编写，环境太过陈旧，可能无法正常运行起来。
1.下载预训练的vgg网络，并放入到项目的根目录中模型有500M+，故没有放到GitHub上，有需要请自行下载。
下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat2.选定风格图片和内容图片，放入项目根目录下的images文件夹中在项目根目录下的images文件夹中，有两张图片，分别为content.jpg和style.jpg，即内容图片和风格图片。
如果只是使用默认图片测试模型，这里可以不做任何操作。
如果要测试自定义的图片，请使用自定义的内容图片和/或风格图片替换该目录下的内容图片和/或风格图片，请保持命名与默认一致，或者在se
给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。
此项目使用Python2.7+TensorFlow1.4编写，环境太过陈旧，可能无法正常运行起来。
1.下载预训练的vgg网络，并放入到项目的根目录中模型有500M+，故没有放到GitHub上，有需要请自行下载。
下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat2.选定风格图片和内容图片，放入项目根目录下的images文件夹中在项目根目录下的images文件夹中，有两张图片，分别为content.jpg和style.jpg，即内容图片和风格图片。
如果只是使用默认图片测试模型，这里可以不做任何操作。
如果要测试自定义的图片，请使用自定义的内容图片和/或风格图片替换该目录下的内容图片和/或风格图片，请保持命名与默认一致，或者在se
2017/2/27 4:42:57
4.59MB
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