使用Qt实现的练练看的源代码,有开场动画、洗牌动画等各种动画效果,此外每个砖块被消掉时有爆炸效果,此外有载入关卡、倒计时等功能。
2021-10-03 11:50:08 226KB Qt 源代码 C++ 连连看
1
【源代码】C++实现单链表的基本操作(严蔚敏数据结构)包括基本的插入删除获取长度,清空等操作,还有更重要的单链表合并,连接,多项式运算等。需要说明的是我用的VS2017,低版本的复制粘贴就好
2021-09-26 21:05:45 20.15MB C++;单链表;
1
W5500源代码,单片机实现串口数据转网口
2021-09-25 09:29:12 6KB 万500源代码
1
文章目录引言使用效果代码呈现延伸阅读后记 引言 词云的作用已不必多说,也有许多不同版本生成词云的方法,但有时候调整图片细节能把人给调得脚趾头不自觉的瞉起。所以为何不直接将其封装进一个函数中,将各种绘制参数都事先准备好,尽可能一了百了呢?说干就干,看看下面的效果图就知道了。PS:Jupyter notebook 实现 使用效果 使用前的注意事项:被读取的文本文件和希望自定义的图片轮廓需要与你的 py 文件放在同一个文件夹。 另外,图片还得经过特殊处理一下,可以请身边ps老鸟帮忙或自己稍微学一下又或者借助图片处理软件 背景雪白 如果希望是人物轮廓型,既能够看得出镂空的边的,还得更细致的处理一下
2021-09-20 15:53:48 387KB 图片 自定义 词云
1
含有大量关于图像增强算法的Matlab实现,对图像增强有一定得深入研究
2021-09-17 10:53:56 317KB 图像增强 代码
1
精心整理 一:线性表 1.单链表应用 例子一:尾插入创立单链表,并且删除相同元素,即表示一个集合 #include using namespace std; struct node { int num; struct node *next; }; node *head; void creat_list() { int N,i; cin>>N; node*temp,*tail; head=new node; tail=head; tail->next=NULL; for(i=0;i<=N-1;i++) { temp=new node; if(temp==NULL) { cout<>temp->num; tail->next=temp; tail=temp; tail->next=NULL; } } void out_put_list() { node* a=head->next; while(a!=NULL) { coutnext) { if((q->next)->num==p->num) { r=q->next; q->next=r->next; free(r); } else q=q->next; } p=p->next; } } int main(void) { creat_list(); out_put_list(); delete_list(); out_put_list(); return 0; }
2021-09-16 20:53:56 164KB C C++ C/C++ 数据结构
1
android demo,Socket的源代码的实现。
2021-09-14 17:00:07 31KB android demo Socket
1
这是一个基于MFC的连连看游戏源代码,在VS2010下调试通过。
2021-09-13 13:32:58 4.57MB 连连看 源代码 C++
1
级联表网 CascadeTabNet:一种从基于图像的文档进行端到端表检测和结构识别的方法 , , , , 该论文在发表(口头)虚拟口头演示 1.简介 CascadTabNet是一种自动的表格识别方法,用于解释文档图像中的表格数据。我们提出了一种改进的基于深度学习的端到端方法,用于解决使用单个卷积神经网络(CNN)模型的表检测和结构识别问题。 CascadeTabNet是基于级联蒙版区域的CNN高分辨率网络(级联蒙版R-CNN HRNet)的模型,该模型检测表的区域并同时从检测到的表中识别结构体单元。我们在ICDAR 2013,ICDAR 2019和TableBank公共数据集上评估结果。我们在ICDAR 2019比赛后结果中排名第三,用于表检测,同时获得ICDAR 2013和TableBank数据集的最佳准确性结果。我们还在ICDAR 2019表格结构识别数据集上获得了最高准确
1
这篇文章主要介绍了python代码如何实现余弦相似性计算,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 A:西米喜欢健身 B:超超不爱健身,喜欢打游戏 step1:分词 A:西米/喜欢/健身 B:超超/不/喜欢/健身,喜欢/打/游戏 step2:列出两个句子的并集 西米/喜欢/健身/超超/不/打/游戏 step3:计算词频向量 A:[1,1,1,0,0,0,0] B:[0,1,1,1,1,1,1] step4:计算余弦值 余弦值越大,证明夹角越小,两个向量越相似。 step5:python代码实现 import jieba impo
2021-09-10 14:09:34 42KB python 余弦 相似性
1