| 简体中文 DBNet-lite-pytorch 这个项目之后会在这里更新,我把之前的项目都做了下整合 环境配置 pip install -r requirement.txt cd models/dcn/ sh make.sh 水平或倾斜文本格式 照着icdar2015的格式, x1,y1,x2,y2,x3,y3,x4,y4,label, image │ 1.jpg │ 2.jpg │ ... label │ gt_1.txt │ gt_2.txt | ... 弧形文本的格式 数据格式, x1,y1,x2,y2,x3,y3,x4,y4 ...xn,yn,label n个点组成，n的个数可以不定 image │ 1.jpg │ 2.jpg │ ... label │ gt_1.txt │ gt_2.txt | ... 训练部分 在根目录的

Reverse_Engineering_for_Beginners-en-lite

Linux 调试智能卡相关资源，包含pcsc-lite、ccid、libusb等安装包，包含多个版本的

Lite Frustrum Culling.unitypackage

资源来自pypi官网。 资源全名：moocxing_lite-0.0.2-py3.8.egg

vmwareworkstation_12_lite_chs 虚拟机 centos6.xvmwareworkstation_12_lite_chs 虚拟机 centos6.x

Paddle-Lite-Demo Paddle-Lite提供IOS、Android和ARMLinux的示例，具体如下： iOS示例: 基于MobileNetV1的图像分类（支持视频流）； 基于MobileNetV1-SSD的目标检测（支持视频流）; Android示例: 基于MobileNetV1的图像分类； 基于MobileNetV1-SSD的目标检测； 基于Ultra-Light-Fast-Generic-Face-Detector-1MB的人脸检测； 基于DeeplabV3+MobilNetV2的人像分割； 基于视频流的人脸检测+口罩识别； 基于YOLOV3-MobileNetV3的目标检测； ARMLinux示例: 基于MobileNetV1的图像分类； 基于MobileNetV1-SSD的目标检测； 关于Paddle-Lite和示例，请参考本文剩余章节和如下文档链接： 文档官网中

TensorFlow_Lite_Pose_Jetson-Nano 在Jetson Nano上运行的TensorFlow Lite Posenet 在Jetson Nano上的TensorFlow Lite Posenet的快速C ++实现。 一旦超频至2015 MHz，该应用程序将以15.2 FPS的速度运行。 基准。 CPU 2015兆赫 GPU 2015 MHz CPU 1479兆赫 GPU 1479 MHZ RPi 4 64os 1950 MHz 15.2帧/秒 11.8帧/秒 12 FPS 11 FPS 9.4帧/秒 专为Jetson Nano设计的产品，请参阅 依赖关系。 要运行该应用程序，您必须： 已安装TensorFlow Lite框架。 安装了可选的OpenCV。 代码：：已安装块。 （ $ sudo apt-get install codebloc

SIP软电话，X-Lite_5.8.1_102008。SIP软电话，X-Lite_5.8.1_102008。SIP软电话，X-Lite_5.8.1_102008。SIP软电话，X-Lite_5.8.1_102008。SIP软电话，X-Lite_5.8.1_102008。SIP软电话，X-Lite_5.8.1_102008。SIP软电话，X-Lite_5.8.1_102008。

yolo轻量化