CorentinJ/Real-Time-Voice-Cloning项目训练模型，包含encoder、synthesizer、vocoder三部分。

WebRTC 最好的入门书籍，《WebRTC权威指南》的英文原版，第三版。

本文档介绍如何创建虚拟目标机。 当您配置虚拟目标机并将开发计算机连接到目标时，您可以在不使用物理目标计算机的情况下应用 Simulink Real-Time 在目标上运行工作流。 虚拟目标机支持物理目标计算机工作流的子集，旨在向您介绍工作流。 在运行从模型构建的应用程序时，虚拟目标机不提供实时性能。 要观察 Simulink Real-Time 应用程序的实时性能，请使用 Speedgoat 实时目标机作为物理目标计算机。

语义分割经典论文翻译1：DFANet:Deep Feature Aggregation for Real-Time Semantic Segmentation(DFANet翻译)-附件资源

Real-time PCR、焦磷酸测序及基因芯片快速检测ALDH2＊ 2基因多态性.pdf

基于adaboost算法，haar like特征的人脸检测

# MATLAB 实时绘制音频波形# 你可以使用 p 代码来运行 Real-Time % 可选输入： % fs 采样频率 (Hz)。 默认值为 16k。 % showTimes 显示信号（秒）。 默认为 3 秒。 % 模式 0 不输出音频文件。 1 是 showTimes 中的输出音频文件。

YOLO3D-YOLOv4-PyTorch 本文基于YOLOv4的PyTorch实现： 演示版 输入：鸟瞰图（BEV）地图，由3D LiDAR点云的高度，强度和密度编码。 输入尺寸： 608 x 608 x 3 输出：7度的对象的自由（7- DOF）的： (cx, cy, cz, l, w, h, θ) cx, cy, cz ：中心坐标。 l, w, h ：边界框的长度，宽度，高度。 θ ：包围盒的航向角，以弧度为单位。 对象：汽车，行人，骑自行车的人。 特征 基于YOLOv4的实时3D对象检测 支持 张量板 镶嵌/切口增强训练 2.入门 2.1。 要求 pip install -U -r requirements.txt 有关和库的信息，请参阅其官方网站上的安装说明。 2.2。 资料准备 从下载3D KITTI检测数据集。 下载的数据包括： Velodyn

电机缺陷检测仪 细节 目标操作系统： Ubuntu * 16.04 LTS 程式语言 Python 完成时间： 30分钟 它能做什么 制造设备的监视对于任何工业过程都是至关重要的。 有时至关重要的是，必须实时监视设备的故障和异常，以防止损坏并将设备行为故障与生产线问题相关联。 故障检测是预测性维护的先兆。 本参考实现涵盖FFT，逻辑回归，K均值聚类，GMM的基本实现。 它还显示了FFT在机器振动数据特征工程中的帮助。 这个怎么运作 从最基本的（FFT）到最复杂的（高斯混合模型），有几种方法不需要训练神经网络就能检测到故障。 它们的优点是可以在不同的数据流上进行较小的修改就可以重复使用，并且不需要大量已知的先前分类的数据（与神经网络不同）。 实际上，其中一些方法可用于对数据进行分类，以训练DNN。 要求 硬体需求 经过测试 软件需求 Ubuntu * 16.04 带有以下库的Py

Real-Time C++ -- Efficient Object-Oriented and Template Microcontroller Programming (Third Edition)