包含SLAM视觉里程计部分完整实现，使用数据集为TUM的RGB-D数据集。
主要包含计算并将相机位姿输出到文件的函数与匹配计算的相机位姿与地面真值的函数。
主要包含计算并将相机位姿输出到文件的函数与匹配计算的相机位姿与地面真值的函数。
2023/6/4 2:18:22
24.25MB
1
kaggle比赛数据集：Porto_Seguro’s_Safe_Driver_Prediction_all.zipPorto_Seguro’s_Safe_Driver_Prediction_all.zip
2023/6/2 17:42:07
40.81MB
1
上传的是txt文件,里面含有数据集的下载链接和密码，下载方式为百度网盘。
数据集文件是在清华实验室采集到的交通路口图片的基础上，使用labelme对其进行交通信号灯的标注，标注采用VOC格式，全部手工标注，标注图片一共9812张，耗时两个月左右，质量有保证。
标注类别共18类，包括红灯，绿灯，黄灯的各类箭头，以及行人，自行车的信号灯类别。
整体文件包括原始图片，对应标签，保存有文件名的txt文件以及含有具体类别名称的txt文件。
全部打包上传。
已经经过本人使用YOLOV3和fast-r-cnn模型亲自测试,数据集数据真实有效。
相关的模型的文件和训练文件也已经全部上传，可在我发布的其他资源里找到
数据集文件是在清华实验室采集到的交通路口图片的基础上，使用labelme对其进行交通信号灯的标注，标注采用VOC格式，全部手工标注，标注图片一共9812张，耗时两个月左右，质量有保证。
标注类别共18类，包括红灯，绿灯，黄灯的各类箭头，以及行人，自行车的信号灯类别。
整体文件包括原始图片，对应标签，保存有文件名的txt文件以及含有具体类别名称的txt文件。
全部打包上传。
已经经过本人使用YOLOV3和fast-r-cnn模型亲自测试,数据集数据真实有效。
相关的模型的文件和训练文件也已经全部上传，可在我发布的其他资源里找到
2023/6/2 11:19:37
147B
1
伦敦租赁市场最初使用Pandas创建包含伦敦自治市镇统计数据的数据集，其中包括：平均租金居民平均工资犯罪/1000人平均GCSEScore住宅/公顷房屋价格％公益住房使用sklearn，使用其他变量来建模和预测自治市镇的租金价格。
使用Plotly可视化该过程。
可以在JupyterNotebook文件MLRentalMarket-code中查看。
在Dash应用程序中以可视方式显示。
这是通过Heroku使用以下方法部署的：app.py中的python代码，proc文件requirements.txt中型文章记录过程：：
使用Plotly可视化该过程。
可以在JupyterNotebook文件MLRentalMarket-code中查看。
在Dash应用程序中以可视方式显示。
这是通过Heroku使用以下方法部署的：app.py中的python代码，proc文件requirements.txt中型文章记录过程：：
2023/6/2 4:10:15
1.05MB
1
压缩文件中包含一下列表：1，movielens公开实验数据集(推荐系统研究经常用到~)2，模拟预测评分的python代码（python3.x）希望对大家学习有所帮助。
有问题可以邮箱联系。
有问题可以邮箱联系。
2023/5/30 3:13:07
4.53MB
1
基于语音的性别识别基于语音的性别识别，使用：免费的ST美国英语语料库数据集（SLR45）梅尔频率倒谱系数（MFCC）高斯混合模型（GMM）数据集可以在上找到免费的ST美国英语语料库数据集（SLR45）。
它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。
每个说话者大约有350种话语。
理论语音特征提取此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。
MFCC通常如下得出：进行信号（窗口摘要）的傅立叶变换。
使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。
记录每个梅尔频率下的功率对数。
它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。
每个说话者大约有350种话语。
理论语音特征提取此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。
MFCC通常如下得出：进行信号（窗口摘要）的傅立叶变换。
使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。
记录每个梅尔频率下的功率对数。
2023/5/29 20:06:48
18.1MB
1
数据集本身保存在matlab环境下所以以.mat命名自己是在python环境下用的在SVM和BPNN下都取得良好结果，原始数据集本身比较整齐，服从正态分布。
2023/5/29 5:41:33
2.79MB
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