Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G Web前端视频学习资料50G
2024-06-05 20:07:56 53B 课程资源 web html/js
1
若依系列框架RuoYi(104集),RuoYi-Vue(117集)、RuoYi-Cloud(134集)最新完整视频 链接:https://pan.baidu.com/s/1Gjvwrp3lr0nXXv30U5UbOA RuoYi-Cloud 微服务版本视频课程目录 ├──01 项目概述.mp4 20.77M ├──02 微架构概念.mp4 20.99M ├──03 微架构及选型.mp4 21.19M ├──04 目录文件介绍.mp4 17.16M ├──05 项目运行.mp4 108.31M ├──06 构建发布到Linux.mp4 70.13M ├──07 开发环境运行.mp4 82.35M ├──08 服务网关介绍.mp4 23.32M ├──09 使用服务网关.mp4 35.82M ├──10 网关路由规则.mp4 27.60M ├──11 网关路由配置.mp4 15.71M ├──12 网关限流配置.mp4 34.21M ├──13 网关熔断降级.mp4 30.85M ├──14 网关跨域配置.m
2024-06-05 17:27:19 6KB vue.js
1
超星看视频(大学生课程)是一款能够直接解析提取网站视频的软件,您只需将cookie提取出来即可通过超星看视频软件提取出视频的下载地址,本软件主要是提取大学生课程视频,有需要的朋友欢迎下载使用! 软件使用方法 1、cookie需要你在网上登陆成功后按F12找条链接,取出里面的cookie 2、登陆到第二的页面的时候需要你双击课程列表,上面的是未结束的课程,下面的是结束的课程 3、速度自行
2024-06-04 14:40:14 1.24MB 媒体工具
1
Python爬虫代码实例源码大全(纯源码不带视频的实例)包含安装软件等.zip
2024-06-03 20:38:23 175.25MB python 爬虫
1
import cv2 as cv def ORB_Feature(img1, img2): # 初始化ORB orb = cv.ORB_create() # 寻找关键点 kp1 = orb.detect(img1) kp2 = orb.detect(img2) # 计算描述符 kp1, des1 = orb.compute(img1, kp1) kp2, des2 = orb.compute(img2, kp2) # 画出关键点 outimg1 = cv.drawKeypoints(img1, keypoints=kp1, outImage=None) outimg2 = cv.drawKeypoints(img2, keypoints=kp2, outImage=None)
2024-06-03 16:11:38 8.13MB python opencv
1
该大华视频控件主要用于intouch和ifix视频嵌入,具体使用方法参看: https://blog.csdn.net/sheng1522098487/article/details/80280327 注:有网友反馈我的资源下载不了,故而重新单独上传。
2024-06-03 15:17:46 5.24MB intouch ifix
1
通过大语言模型将视频或语音自动转成文本,并标记文字所在语音的时间点,同时支持将英文翻译成中文输出,速度很快。
2024-06-03 14:44:40 409KB windows
1
作为广谱中的关键组成部分 基于视觉的智能应用(Dalal和Triggs) 2005;Felzenszwalb, McAllester, and Ramanan 2008),目标 同时定位和分类图像中的对象。 由于卷积神经网络(CNN)(Krizhevsky,Sutskever和Hinton 2012)的强大能力,最近提出了许多基于CNN的对象检测模型,这些模型大致可以分为两类,比如一级和两级对象检测器。具体来说,两级探测器首先选择可能的目标区域 (建议),然后对这些区域进行分类。
2024-06-03 12:37:04 548KB YOLOV
1
Java实现简易聊天软件(含课程论文、实施计划书、演示视频、答辩PPT、源代码及运行环境).part4
2024-06-02 23:39:19 18.89MB 简易聊天软件
1
python学习教程全套免费资料视频
2024-05-31 21:55:11 121B python 课程资源
1