英文原版教材，供需要查询回顾概率算法的编程人员使用。讲解细致，例题贴近实际。

该教科书针对大二或初三的计算机科学专业的本科生，提供了定性和定量数据分析，概率，随机变量和统计方法（包括机器学习）的综合背景。 通过认真地处理满足该课程的课程需求的主题，计算机科学的概率与统计具有以下特点： •主要处理离散案例的随机变量和期望的处理。 •模拟的实用方法，显示可以提取多少有趣的概率和期望，尤其着重于马尔可夫链。 •在简单的上下文中对简单点推理策略（最大似然；贝叶斯推理）的清晰但清晰的说明。扩展到涵盖一些置信区间，样本和总体以进行随机抽样替换，以及最简单的假设检验。 •有关分类的章节，说明为什么有用；如何训练具有随机梯度下降的SVM分类器；以及如何使用更高级方法的实现，例如随机森林和最近的邻居。 •有关回归的一章，解释了在实际问题中如何设置，使用和理解线性回归和最近邻回归。 •一章涉及主成分分析，仔细发展直觉，并包括许多实际示例。通过主坐标分析对多元缩放进行了简要描述。 •一章通过聚集方法和k均值处理聚类，展示了如何为复杂信号构建矢量量化特征。 贯穿各章的说明，每个主要章节都包含许多工作示例和其他教学元素，例如 框内的过程，定义，有用事实和“记住这一点”（简短提示）。问题和编程练习在每章的最后，总结了读者应该知道的内容。 教师资源包括针对所有问题的全套模型解决方案，以及带有随附演示幻灯片的《教师手册》。

《Computer & Machine Vision: Theory Algorithms Practicalities》是一本非常经典的机器视觉教科书，其在Google Scholar上被应用超过2000次。 该资源是英文版PDF，含有目录。

棋盘识别 该项目重点介绍了采用计算机视觉技术处理棋盘图像并识别棋盘配置的方法。 尽管将棋盘检测用于相机校准是一个经典的视觉问题，但是现有的棋子识别技术在受控环境下仍能正常工作。 程序针对所选的彩色棋盘和一组特定的棋子而定制。 该项目中使用的方法通过使用聚类来分割棋盘和棋子，而与颜色方案无关，对现有研究进行了补充。 对于棋子识别，该方法引入了一种新颖的方法，该方法使用R-CNN训练鲁棒的分类器以处理不同类型的棋盘棋子。 与基于SIFT的分类器相比，该方法在不同种类的样本上表现更好。 如果扩展，这项工作对于记录动作和培训国际象棋AI以预测特定棋盘配置的最佳可能动作可能很有用。 方法堆栈： 获

Algorithms to Live by:The Computer Science of Human Decisions中文名：算法之美 《算法之美》是2018年5月由中信出版集团出版的一本图书，作者是布莱恩·克里斯汀和汤姆·格里菲思。本书通过讨论人类事务算法设计的概念，以帮助人们更好地处理日常生活中遇到的难题。万维钢、查尔斯·都希格等人对本书做出了评价。

裂缝的 Unet 语义分割 使用 PyTorch、OpenCV、ONNX 运行时的实时裂缝分割 依存关系： 火炬 OpenCV ONNX 运行时 CUDA >= 9.0 指示： 1.使用您的数据集训练模型并在supervisely.ly上使用unet_train.py保存模型权重（.pt文件） 2.使用pytorch_to_onnx.py将模型权重转换为ONNX格式 3.使用crack_det_new.py获取实时推理 裂纹分割模型文件可点击此下载 结果： 图表：

ISIC 2018：黑色素瘤检测的皮肤病变分析 概括 更新：2018年7月15日，包括k倍验证以及验证/测试预测和提交。 该存储库为基于Keras / Tensorflow的ISIC-2018挑战的任务1和任务3提供了一个起始解决方案。 当前达到的性能是： 任务1 任务3 平均Jaccard的81.5％ 准确度达83％ 阈值Jaccard的77.2％ 平均召回率68.5％ 我们支持Keras支持的大多数骨干网（Inception，Densenet，VGG等）。 对于分段问题，我们还支持在U-Net类型结构中使用Keras预训练主干。 该代码是高度可配置的，允许您更改和尝试算法的许多方面。 下面，我们描述如何运行基准解决方案。 安装/设置 该代码使用：Python 3.5，Keras 2.1.6和TensorFlow 1.8.0。 请参阅需求文件以获取所需的软件包。 请

什么是DarkMark？ DarkMark是一个C ++ GUI工具，用于对神经网络中使用的图像进行注释。 它是专门为与神经网络框架一起使用而编写的，并具有为Darknet和YOLO量身定制的一些功能。 首次启动DarkMark时，可以指定Darknet样式的神经网络来加载所选项目。 DarkMark使用该神经网络来帮助您标记更多图像。 存在几种不同的查看功能，可以快速查看所有注释并突出显示一些常见错误。 准备就绪后，DarkMark也可用于生成所有Darknet和YOLO（或其他）配置文件，以训练新的神经网络。 这包括对.cfg文件以及.data，培训和验证.txt文件所需的修改。 DarkMark还将创建一些Shell脚本以开始培训并在计算机之间复制必要的文件。 执照 DarkMark是开源的，并使用GNU GPL v3许可证发布。 有关详细信息，请参见license.txt。

Computer Organization and Design_ The Hardware Software Interface [RISC-V Edition] 英文文字版，经典教材

Driver-assistance features of vehicles are essentially based on data provided by various sensors such as radar, LIDAR, ultrasound, GPS, inertial measurement unit (IMU), or cameras. In this book, we discuss the use of cameras for driver assistance.