简历中的令人敬畏的关注机制 目录 介绍 PyTorch实现多种计算机视觉中网络设计中用到的注意机制，还收集了一些即插即用模块。由于能力有限的能力有限，可能很多模块并没有包括进来，有任何的建议或者改进，可以提交问题或者进行PR。 注意机制 纸 发布 关联 大意 博客 CVPR19 将高阶和关注机制在网络中部地方结合起来 CVPR20 NAS + LightNL CVPR18 最经典的通道专注 CVPR19 SE +动态选择 ECCV18 串联空间+通道注意力 BMVC18 平行空间+通道关注 微创18 平行空间+通道关注 CVPR19 自我注意 ICCVW19 对NL进行改进 ICCV19 对NL改进 ICASSP 21 SGE +渠道洗牌 CVPR20 SE的改进 19号 群组+空间+频道 20倍 频域上的SE操作 NeurIPS18 NL的思想应用到空间和通道 ICCV19 s

使用cv进行人脸识别，cv嵌入到PyQt中。包含功能为：人脸特征录入、人脸识别。并提供单独程序用于调试，程序后续可继续进行优化。

单个模型无法准确的对物体追踪，利用交互滤波IMM对CV模型和CT模型，实现两种运动的跟踪。 程序可完整运行，内含IMM、CT、CV追踪对比图，均方根图等

Pix2Pix-Keras 基于pix2pix模型的动漫图片自动上色 2019-2-25 环境 tensorflow-gpu 1.12.0 Keras 2.2.4 数据集的准备： 把训练的彩色图片放入datasets\OriginalImages文件夹 运行prepare.py进行数据集的处理与准备 注意：当前datasets中的训练集过少，可增加训练集进行训练，防止过拟合 训练模型： 若要加载预训练权重，将权重文件放入weights文件夹 最新权重(在30020张图片的大数据集下训练后的权重)下载 链接： 提取码：cac2 在demo.py中新建一个pix2pix模型实例 调用实例中的train函数进行训练 为新的图片上色: 将权重文件放入weights文件夹 新建一个pix2pix模型实例

latex制作的个人CV，不含源文件。cv中包含头像。

通过广泛的交流，已经推进了用图片区分个人。 尽管如此，独特的手指印象或视网膜检查的功能不那么强大。 这份报告描述了普利茅斯大学视觉观察和自治模块尝试的比正常任务更小的面部检测和识别。 它报告了开放计算机视觉 (OpenCV) 库中可访问的创新以及使用 Python 执行它们的技术。 对于人脸识别，使用了 Haar-Cascades，而对于人脸识别，使用了 Eigenfaces、Fisherfaces 和 Local 双示例直方图。 描述的过程包括框架每个阶段的流程图。 接下来，显示了结果，包括通过交流遇到的困难所追求的情节和屏幕截图。 报告以创作者对冒险和潜在应用的感受结束。 本文的意思是执行依赖于 Haar Cascade Classifiers 策略的人脸识别编程代码，并在 Raspberry Pi 阶段有效地实现该代码以进行连续识别。 在本文中，尝试在设备阶段执行面部确认计算，这是基本的，但在使用上是富有成效的。 面部检测和识别的产品源代码是利用 Opencv 和 Python 编写的。

emgu CV is a cross platform .Net wrapper to the OpenCV image processing library 2020-10-07 的最新版本，保存备份

CMT是一种速度很快的检测-跟踪算法，曾经超越了TLD

基恩士-CV-X400系列-GSD文件

深度学习之神经网络（CNN RNN GAN）算法原理+实战 课程数据