morph年龄性别数据集13673个人,共55608张。
属性主打年龄，人种，性别。
非受限条件采集图片。
额外的还包括头发颜色（人种特征）眼镜
属性主打年龄，人种，性别。
非受限条件采集图片。
额外的还包括头发颜色（人种特征）眼镜
2024/3/14 11:57:51
279MB
1
信息增益是文本分类中一种有效的特征项选择方法，针对垃圾邮件过滤中的特征项选择问题，提出了一种改进的信息增益方法提取特征词，并采用了最小风险贝叶斯的决策方法，最后在英文语料库上进行实验，实验结果表明改进后的方法降低了过滤器对合法邮件的误判。
2024/3/13 7:21:07
564KB
1
基于特征点的图像匹配方法的关键是准确快速地将可靠的特征点提取出来。
经典归一化互相关匹配法属于基于特征点匹配方法中的一种，归一化互相关匹配法具有操作简单，匹配精度高等优点，但其计算量庞大，难以满足实时跟踪的要求。
提出了一种基于序贯相似性检测的归一化互相关快速匹配方法，并对提出的改进方法进行实验验证。
实验表明，该方法可以准确快速的进行特征点匹配，减少了算法的计算时间，有效地减少了发生误匹配的概率。
经典归一化互相关匹配法属于基于特征点匹配方法中的一种，归一化互相关匹配法具有操作简单，匹配精度高等优点，但其计算量庞大，难以满足实时跟踪的要求。
提出了一种基于序贯相似性检测的归一化互相关快速匹配方法，并对提出的改进方法进行实验验证。
实验表明，该方法可以准确快速的进行特征点匹配，减少了算法的计算时间，有效地减少了发生误匹配的概率。
2024/3/12 8:13:56
635KB
1
目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
2024/3/11 5:24:12
3.58MB
1
SwiftPlaygrounds...但同时支持Objective-C和Swift代码，以及一些出色的功能。
操场是Swift最有趣的功能之一。
它们使您可以快速测试出少量代码并实时查看结果，而无需经历传统的edit-compile-run-debug周期。
“但是，肯定地说，Objective-C中不可能有游乐场”？...实际上，它们可以比Swift更好。
Objective-C游乐场特征：比Swift游乐场快（很多）调整的额外控件：价值观图片自动动画值同步DSL纽扣与IDE无关，一旦运行它，就可以从vim修改代码。
完整的iOS模拟器和对所有iOS功能
操场是Swift最有趣的功能之一。
它们使您可以快速测试出少量代码并实时查看结果，而无需经历传统的edit-compile-run-debug周期。
“但是，肯定地说，Objective-C中不可能有游乐场”？...实际上，它们可以比Swift更好。
Objective-C游乐场特征：比Swift游乐场快（很多）调整的额外控件：价值观图片自动动画值同步DSL纽扣与IDE无关，一旦运行它，就可以从vim修改代码。
完整的iOS模拟器和对所有iOS功能
2024/3/9 0:50:09
14.78MB
1
前向回归法，求解特征选择matlab源程序。
本来是lasso模型用lars算法求解的，lars写不出来，只能用前向回归替代
本来是lasso模型用lars算法求解的，lars写不出来，只能用前向回归替代
2024/3/8 7:48:30
1KB
1
基于深度学习的软件源码漏洞预测综述，马倩华，李晖，深度学习方法能自动提取软件源代码的一些语法语义特征进行漏洞预测,已有一些研究证实了其有效性,但该领域还没有统一的指导原则,本
2024/3/8 4:40:51
325KB
1
使用NextJS和Apollo的全栈SSR渲染GraphQL-ReactApp的完整样板。
特征：NextJS-服务器端渲染的ReactJS应用TypeScript-TS是爱使用Apollo-Server和Apollo-Client启用GraphQLRedux用于状态管理使用Jest进行测试React的故事书跑：npmrundev要么yarndev生成并运行：npmrunbuildnpmstart要么yarnbuildyarnstart贡献者：Himujjal
特征：NextJS-服务器端渲染的ReactJS应用TypeScript-TS是爱使用Apollo-Server和Apollo-Client启用GraphQLRedux用于状态管理使用Jest进行测试React的故事书跑：npmrundev要么yarndev生成并运行：npmrunbuildnpmstart要么yarnbuildyarnstart贡献者：Himujjal
2024/3/6 15:34:38
228KB
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