Image-manipulation-detection 图片篡改检测项目的训练权重，基于tensorflow1.X。 使用VOC2007数据集生成5000张待训练图像使用VGG16预训练权重，使用GPU进行训练，经过40000迭代，得到的权重文件。 已放入百度网盘，如失效也可根据文件中的联系方式进行获取。

RSNA-Pneumonia-Detection-Challenge:目的是预测与肺炎相关的肺部混浊以及胸部X线照片中的边界框。 目的是检测是否对患有肺炎的肺进行分类，并丢弃其他种类的不透明物，例如由液体，细菌，肺癌等引起的不透明物。可以应用各种算法，但是我们继续使用YOLO事实证明这是最好的。 我们从https那里获得了大部分帮助

网上有一篇介绍CRC 算法的非常好的文章，作者是Ross Williams，题目叫：“A PAINLESS GUIDE TO CRC ERROR DETECTION ALGORITHMS”

参加第一届AIops异常检测项目的数据集，KPI异常检测指的是通过算法分析KPI的时间序列数据，判断其是否出现异常行为。这里的难点主要有： 1 异常发生的频率很低。在实际的运维场景中，业务系统很少发生异常，因此可供分析的异常数据很少。 2 异常种类的多样性。因为实际的业务系统很复杂，并且会不断更新升级，所以故障的类型多种多样，从而导致了异常种类的多样性。 3 KPI的多样性。KPI有表现为周期型的，有表现为稳定型的，有表现为不稳定的，持续波动型

DETR学习分享：内含PPT分享

C++代码，利用Opencv可检测并识别视频中的台标，方法简单可行。

matlab多元参数非线性回归模型代码很棒的社区检测研究论文 包含实施的社区检测文件的集合。 关于，，和具有实现的论文的相似集合。 目录 因式分解 用于图聚类的Gromov-Wasserstein分解模型（AAAI 2020） 徐洪腾 具有自动聚类的图形嵌入（ASONAM 2019） Benedek Rozemberczki，Ryan Davies，Rik Sarkar和Charles Sutton 一致性遇到不一致：用于多视图集群的统一图学习框架（ICDM 2019） 梁有为，黄东和王昌东 GMC：基于图的多视图聚类（TKDE 2019） 王浩，杨艳，刘冰 基于嵌入的Silhouette社区检测（Arxiv 2019） 布拉兹·斯克里（BlažŠkrlj），扬·克拉里（Jan Kralj），纳达·拉夫拉奇（NadaLavrač） 知识图增强社区检测和表征（WSDM 2019） Shreyansh Bhatt，Swati Padhee，Amit Sheth，Keke Chen，Valerie Shalin，Derek Doran和Brandon Minnery 离散最优图聚类（IEEE

matlab普氏分析代码异常检测学习资源 （也称为“异常检测” ）是一个令人兴奋而又充满挑战的领域，其目的是识别与常规数据分布有偏差的偏远对象。 异常检测已被证明在许多领域至关重要，例如信用卡欺诈分析，网络入侵检测和机械单元缺陷检测。 该存储库收集： 书籍和学术论文 在线课程和视频 离群数据集 开源和商业图书馆/工具包 重点会议和期刊 更多项目将添加到存储库中。 请随时通过打开问题报告，提交请求请求或向我发送电子邮件@（）来建议其他关键资源。 享受阅读！ 目录 1.书籍和教程 1.1。 图书 Charu Aggarwal着：涵盖大部分异常值分析技术的经典教科书。 异常检测领域的人们必读。 Charu Aggarwal和Saket Sathe撰写：这是一本出色的入门书，可用于离群分析中的整体学习。 Hanjiawei和Micheline Kamber和Jian Pei撰写：第12章讨论了许多关键点的异常值检测。 1.2。 讲解 教程标题 会场 年 参考 材料 数据挖掘以进行异常检测 PKDD 2008年 离群值检测技术 ACM SIGKDD 2010年 异常检测：教程 ICDM 2011

android调用matlab代码Android-App-for-Object-Detection 这个项目是关于使用 OpenCV 和神经网络开发一个应用程序，并考虑到目标检测目标（特别是 TinyYOLOv3）。 入门 好吧，该项目已经开始使用应用程序制作的基本版本。 这只是一个使用相机的 .apk，按下时只有一个按钮； 使用 . 使用智能手机摄像头检测 您可以使用下面给出的文件在 Android Studio 中创建一个项目并在您的手机上运行该应用程序。 如果您还想自己编译项目，则需要执行一个预处理步骤。 在手机的内部存储（不是 SD 卡）中创建一个名为“dnns”的文件夹。 下载“yolov3-tiny.cfg”和“yolov3-tiny.weights”文件 将您下载的文件复制到您在手机中制作的文件“dnss”中。 添加了对象检测器的文件。 这只是整个 Android Studio 项目； 如果你只专注于重要的三重奏，我帮你解决了； 你可以在下面找到它们。 库是为 mainactivity.java 中使用的函数实现的。 对于此代码和教程，所有功劳都归功于精彩：。 在开发过程

Face-Mask-Detection:在真实视频流上使用Python，Keras，OpenCV检测面罩