基于高斯分布的改进版YOLOv3权重文件，基于BDD数据集训练而成。
摘要必须大于50个字!我也是醉了！！！
摘要必须大于50个字!我也是醉了！！！
2024/2/16 22:14:52
235.16MB
1
针对口罩检测，进行调研，包括了分类器的设计，人脸检测的设计。
其中主要分为两阶段，先是人脸检测，然后将检测到的人脸，进行二分类，标签为戴口罩，不戴口罩。
包括了pytorch的代码，ppt的讲解，技术文档。
人脸识别是MTCNN，然后分类可以自己训练，我采用的是ResNet-18.
其中主要分为两阶段，先是人脸检测，然后将检测到的人脸，进行二分类，标签为戴口罩，不戴口罩。
包括了pytorch的代码，ppt的讲解，技术文档。
人脸识别是MTCNN，然后分类可以自己训练，我采用的是ResNet-18.
2024/2/16 13:22:44
49.38MB
1
《C语言课程设计》通讯录管理系统一、课程设计目的通过课程设计，加深对结构化设计思想的理解，能对系统功能进行分析，并设计合理的模块化结构。
通过课程设计，学会设计数据结构。
其中包括对结构数组、链表和数据文件等知识的运用。
通过课程设计，提高程序开发功能，能运用合理的控制流程编写清晰高效的程序。
通过课程设计，训练C程序调试能力，能将一个中小型各级组织系统联调通过。
通过课程设计，开发一个中小型系统，掌握系统研发全过程。
通话课程设计，培养分析问题、解决实际问题的能力。
二、课程设计内容 设计一个实用的学生通讯录管理系统，能以简便高效的方式对通讯录进行管理和检索，具体要示：录入：学生通讯录信息包括：学号，姓名，地址，电话。
以结构数组或数据文件的形式存放通讯录信息。
更新：增加、删除通讯录信息。
查询：按学号为序或姓名为序进行通讯录信息浏览。
系统以菜单方式工作，要求界面友好，易于操作。
通过课程设计，学会设计数据结构。
其中包括对结构数组、链表和数据文件等知识的运用。
通过课程设计，提高程序开发功能，能运用合理的控制流程编写清晰高效的程序。
通过课程设计，训练C程序调试能力，能将一个中小型各级组织系统联调通过。
通过课程设计，开发一个中小型系统，掌握系统研发全过程。
通话课程设计，培养分析问题、解决实际问题的能力。
二、课程设计内容 设计一个实用的学生通讯录管理系统，能以简便高效的方式对通讯录进行管理和检索，具体要示：录入：学生通讯录信息包括：学号，姓名，地址，电话。
以结构数组或数据文件的形式存放通讯录信息。
更新：增加、删除通讯录信息。
查询：按学号为序或姓名为序进行通讯录信息浏览。
系统以菜单方式工作，要求界面友好，易于操作。
2024/2/8 19:52:58
266KB
1
createsamples.exehaartraining.exeperformance.exetraincascade.exe,训练分类器文件
2024/2/8 17:16:35
183KB
1
八千多张汽车图片数据集，还可下载我发布的8000+张汽车图片训练集，这两个资源没有交集，总共16000+张不同的汽车图片
2024/2/7 11:02:12
954.1MB
1
网络环境:ubuntu系统下,python3.4以上,tensorflow1.12.0以上.需要自己训练*Randomsplit50ktrainingsetinto45k/5ktrain/evalsplit.*Padto36x36andrandomcrop.Horizontalflip.Per-imagewhitening.*Momentumoptimizer0.9.*Learningrateschedule:0.1(40k),0.01(60k),0.001(＞60k).*L2weightdecay:0.002.*Batchsize:128.(28-10wideand1001layerbottleneckuse64)
2024/2/7 4:34:11
38KB
1
该代码使用Tensorflowr1.7在Ubuntu14.04下使用Python2.7和Python3.5进行测试。
代码中包含测试用例。
模型使用固定图像标准化。
在中科院自动化所，WebFace数据集已经被用于训练。
该面部检测后，该训练集包括总共453453个图像，超过10575个身份。
如果在训练之前过滤了数据集，则可以看到一些性能改进。
有关如何完成此操作的更多信息将在稍后提供。
性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~3.3M面和~9000个类组成。
提供了几个预训练模型。
请注意，模型的输入图像需要使用固定图像标准化进行标准化（--use_fixed_image_standardization例如，在运行时使用该选项validate_on_lfw.py）。
代码中包含测试用例。
模型使用固定图像标准化。
在中科院自动化所，WebFace数据集已经被用于训练。
该面部检测后，该训练集包括总共453453个图像，超过10575个身份。
如果在训练之前过滤了数据集，则可以看到一些性能改进。
有关如何完成此操作的更多信息将在稍后提供。
性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~3.3M面和~9000个类组成。
提供了几个预训练模型。
请注意，模型的输入图像需要使用固定图像标准化进行标准化（--use_fixed_image_standardization例如，在运行时使用该选项validate_on_lfw.py）。
2024/2/3 22:02:24
2.1MB
1
里面有训练所需的全部资源，如opencv_createsamples、opencv_traincascade、opencv_world343.dll和所需图片。
2024/2/3 7:48:52
29.17MB
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