12306:12306 HTML页面

Deep SORT —— YOLO v4 目标检测跟踪 介绍 项目采用 YOLO v4 算法模型进行目标检测，使用 Deep SORT 目标跟踪算法。 支持系统：Windows系统、Ubuntu系统 运行环境 Keras==2.4.3 tensorflow-gpu==2.3.1 opencv-python==4.4.0.44 image==1.5.33 NVIDIA GPU CUDA 目录结构 deep-sort-yolov4 ┌── deep_sort DeepSort目标跟踪算法 │ ├── detection.py │ ├── generate_detections.py │ ├── iou_matching.py │ ├── kalman_filter.py │ ├── linear_assignment.py │

东南大学毕业论文latex模板 感谢提供的模板，本仓库基于其进行二次加工和处理。 推荐编辑器 windows： mac: 文件说明 主要配置文件说明如下： seuthesix.cls: 核心配置文件 seuthesix.cfg: seuthesix.cls运行时加载此配置文件 seuthesix.bst：风格文件 seuthesix.bib: 参考文献引用存放文件 其他文件大多为编译生成的，如果要新建自己的项目，拷贝这四个主要文件和图片目录即可。 目录说明如下： seu-bachelor: 本科 TODO seu-master: 研究生学硕 seu-engineering: 研究生专硕 seu-phd: 博士 rules.pdf: 东南大学研究生学位论文的格式规定 常见问题以及解决办法 中文加粗问题 解决办法目前知道两种： （1） 修改*.tex文件头部\documentclass[alg

CVAE-GAN_tensorlayer 具有tensorlayer的CVAE-GAN实现。 例子 训练VAE输出 测试VAE输出和侦察输出 依附 张量流张量层麻木进度条2 我的测试环境是tensorflow-gpu-1.10，tensorlayer-1.91，gtx970m-3g。 一些问题和注意 emmm ...此实现可能与页面有所不同。 我尝试了WGAN-GP和LS-GAN的丢失，但是效果不好。 也许我的代码是错误的。 然后我将鉴别器变成自动编码器并尝试BEGAN的损失，这看起来不错。 训练后的VAE输出仍然模糊，但是我发现鉴别器的重建图像可以使VAE输出更清晰。 主要的网络结构是我的简单自定义resnet，它应与DCGAN不同。 训练日志 我的训练过程输出和日志可以分别在imgs和logs文件夹中找到。 训练日志已被压缩，仅需解压缩。 如何使用 测试 python3 test.

1.springcloud-gateway-oauth2 这是一个SpringCloud gateway +oauht2.0+jwt 实现微服务的认证和授权 (记得修改 redis连接 和jdbc连接) 2.安装naocs 3.测试 1.访问认证服务: 2. 访问资源服务: 3. 用户的信息

DenseASPP用于街道场景中的语义分割 介绍 语义图像分割是自动驾驶中基本的街道场景理解任务，其中高分辨率图像中的每个像素都被分类为一组语义标签。 与其他场景不同，自动驾驶场景中的对象呈现出非常大的比例变化，这在必须正确编码多比例信息的意义上对高级特征表示提出了巨大挑战。 为了解决这个问题，引入了无规则卷积[2，3]来生成具有较大接收场的特征，而不牺牲空间分辨率。 建立在原子卷积的基础上，提出了原子空间金字塔池（ASPP）[3]，以使用不同的膨胀率将多个原子卷积的特征连接起来，形成最终的特征表示。 尽管ASPP能够生成多尺度特征，但我们认为尺度轴上的特征分辨率不足以实现自动驾驶场景。 为此，我们提出了密集连接的Atrous空间金字塔池（DenseASPP），该空间以密集的方式连接一组atrous卷积层，以便它生成多尺度特征，不仅覆盖更大的尺度范围，而且还覆盖了比例范围密集，而不会显着

photoEditor vue 实现对图片的编辑，如画圆、矩形、箭头，涂鸦，文字添加，剪切等功能

一、目录说明 可以选择打开QWidgetDemo.pro一次性编译所有的，也可以进入到目录下打开pro进行编译 如果发现有些子项目没有加载请打开QWidgetDemo.pro仔细看里面的注释 编译好的可执行文件在源码同级目录下的bin目录 编号 文件夹 描述 1 lightbutton 高亮按钮控件 2 movewidget 通用控件移动类 3 flatui 模仿flatui类 4 countcode 代码统计组件 5 gifwidget 屏幕录制控件 6 comtool 串口调试助手 7 nettool 网络调试助手 8 devicesizetable 硬盘容量控件 9 styledemo 高仿PS黑色+扁平白色+淡蓝色风格主题 10 navbutton 导航按钮控件 11 videopanel 视频监控画面分割demo 12 framelesswidget 通用无边框拖动拉伸类 13

*仍在开发中，尚未检查此隐含的结果（2017/9/25） 作者：栾T，尹锡，刘晓明 CVPR2017： ：//cvlab.cse.msu.edu/pdfs/Tran_Yin_Liu_CVPR2017.pdf DR-GAN的Pytorch含义（“通过旋转脸来进行表示学习”中的更新版本） 由提供支持 要求 python 3.6 pytorch 0.2.0 numpy的1.13.1 scipy 0.18.1 matplotlib 2.0.0 如何使用 单图像DR-GAN 修改main.py的DataLoader函数以定义适用于您的数据的dataloader 数据需要具有ID，并且姿势标签对应于每个图像 如果没有，则使用“ -random”选项可以查看代码如何处理无意义的随机数据。 python main.py-随机 运行main.py训练模型 训练有素的模型和Loss_lo

海洋生物分类 代码说明 pip-requirements.txt 需要安装的库 convert_dataset.py 整理csv文件格式的数据集 creat_map.py 生成对应的标签映射 train.py 训练主函数 test_one.py 利用训练好的模型预测一张图片 test_all.py 预测整个test文件里的图片 test_tta. py 预测时加入tta，但是实际效果不好，不知道哪里出了问题 sys_gui .py 运行时生成界面，可实现单张图片的读取，以及对单张图片的预测 训练方案 模型方面采用的是efficientnet-b5，在原始b5模型中增加了cbam注意力模块，数据增强方面使用了随机裁切、翻转、auto_augment、随机擦除以及cutmix, 损失函数采用CrossEntropyLabelSmooth，训练策略方面采用了快照集成（snapshot）思想。 第