多类别文字分类 在Tensorflow中实现四个神经网络，以解决多类文本分类问题。 楷模 LSTM分类器。 参见rnn_classifier.py 双向LSTM分类器。 参见rnn_classifier.py CNN分类器。 参见cnn_classifier.py。 参考： 。 C-LSTM分类器。 请参阅clstm_classifier.py。 参考：。 资料格式 训练数据应存储在csv文件中。 文件的第一行应为[“ label”，“ content”]或[“ content”，“ label”]。 要求 Python 3.5或3.6 Tensorflow> = 1.4.0 脾气暴躁的 火车 运行train.py训练模型。 参数： python train.py --help optional arguments: -h, --help show

多对象记录 图像中的多对象识别（CS231N 项目）

在本文中，我们提出并实现了一种在3D空间中的多层可视化技术，称为多维数据多层可视化（MLMD）及其相应的交互技术，用于可视化多维数据。 将基于点的图的图层堆叠并连接到虚拟可视化多维数据集中，以比较不同的尺寸设置。 从侧面看，图层本质上形成平行坐标图。 MLMD紧凑地集成了基于点的图和平行坐标，以便一次显示更多信息，以帮助进行数据调查。 设计了用于方便操作的MLMD方法的相关用户交互。 通过使用MLMD及其匹配的交互技术，可以实现正确的尺寸设置和深入的数据感知。

matlab代码abs 多任务深度网络 基于多任务深度学习的医学图像语义分割方法 (EMBC 2019) (MICCAIW - MLMI 2019) 依赖关系 套餐 火炬 TensorboardX OpenCV 麻木的 tqdm 可以在requirements.txt文件中找到所用包的详尽列表。 使用以下命令安装相同的： conda create --name < env > --file requirements.txt 预处理 轮廓和距离图是预先计算的，可以从二进制掩码中获得。 可以在此处找到示例 matlab 代码： 轮廓： 距离： 目录结构 训练和测试文件夹应包含以下结构： ├── contour |-- 1.png |-- 2.png ... ├── dist_contour |--1.mat |--2.mat ... ├── dist_mask |-- 1.mat |-- 2.mat ... ├── dist_signed |-- 1.mat |-- 2.mat ... ├── image |-- 1.jpg |-- 2.jpg ... └── mask |-- 1.png

【程序名称】OCNP（One-Copy&Multi-Paset） 【程序版本】V1.2 【程序开发】Kawvin 【开发时间】2015.07.05 【开发语言】AutoHotKey V1.1.22.2 【程序版权】版权没有,违者不究 【程序功能】 1.启用1次复制多次粘贴 1.1一次复制后，将复制的内容逐行分解，按顺序逐行粘贴 1.1可以从当前位置向后(F12)或向前粘贴(F11) 1.3支持粘贴后自动回车 2.启用第1、第2剪贴板粘贴 2.1使用F11粘贴第1剪贴板内的数据 2.2使用F12粘贴第2剪贴板内的数据 2.3使用F12配合通配符"(*)"粘贴替换内容 3.金额小写数字转大写 【使用方法】 1.启用1次复制多次粘贴 1.1复 制：Ctrl+Alt+C 1.2向后粘贴：F12 1.3向前粘贴：F11 2.启用第1、第2剪贴板粘贴 2.1使用Ctrl+Alt+F11将要粘贴的内容复制到第1，使用Ctrl+Alt+F12将内容复制到第2剪切板内 2.2使用F11粘贴第1剪贴板内的数据 2.3使用F12粘贴第2剪贴板内的数据 2.4使用通配符,示例： 第2剪贴板内的内容为"第(*)章",位数=2，起始=1，终止=11，间距=1，勾选“启用通配符(*)”，单击“数据确认”键钮，结果如下：第01章，第02章，第03章，第04章，第05章，第06章，第07章，第08章，第09章，第10章，第11章 3.金额小写数字转大写 3.1小写复制：Ctrl+Alt+C 3.2大写粘贴：F12 【使用范围】 所有Ctrl+C快捷键可用的情况均可使用。

xredis：Redis C ++客户端，支持数据切片存储，支持redis集群，线程安全，多平台，连接池，读写分离

多尺度一维ResNet 这是我们的变型，但它是一种超轻加权分类网络用于与1D卷积操作，其中1D与时间轴沿内核扫描时间串行数据。 多刻度设置受Inception启发，我们发现它很有用。 经过测试的环境 python 3.6 火炬0.4.1 CUDA 8.0 / 9.0 Windows7 / Ubuntu 16.04

基本概念（概要） 1. 读取输入图像2. 将图像大小调整为 1024 x 1024 图像3. 定义 Haar 滤波器矩阵 { 1/sqrt(2)*[1 1; 1 -1] } 4. 执行过滤沿着 Colms 然后沿着 Rows 并向下采样 2 迭代更新输出图像5. 多分辨率图像的显示6. 执行恢复沿行然后沿 Colms 并按 2 上采样迭代更新输出图像7. 显示最终恢复的 Img

二维遗传算法matlab代码 multi-objective-optimization-NSGA2 multi-objective optimization NSGA2 A_SGA_QGA_master_0610 A_SGA_TSP A_SGA_with_quantum_0620文件夹 （5）QGA.py 原始的量子遗传算法； （6）QGA_numpy.py 经Numpy改造的量子遗传算法； （7）QGA_numpy_elite.py 经Numpy改造，并加入elite机制的量子遗传算法； （8）QGA_numpy_elite_comprason.py 经Numpy改造，并加入elite机制的量子遗传算法与普通遗传算法的对比； B_MOO_MOEAD0709 参考代码； B_MOO_NSGA2_0710 这是晓风提供的代码，根据MoeaPlat的MATLAB代码改写的Python，这个代码存在问题是运行效率慢。 B_MOO_NSGA2_0817未完成改造 无效代码 B_MOO_NSGA3_0810_PS PS-MOOPS-SL求解，行路径规划，初始化等相关的代码； 基于老的数据结构的方

多摄像机轨迹预测 此存储库包含有关Warwick-NTU多摄像机预报数据库（WNMF）和基线多摄像机轨迹预报（MCTF）实验的信息。 此回购随附以下论文： Olly Styles，Tanaya Guha，Victor Sanchez，Alex C. Kot，“多摄像机轨迹预测：摄像机网络中的行人轨迹预测”，IEEE计算机视觉和模式识别研讨会会议，2020年 论文链接： : 访问WNMF 如果您有兴趣下载WNMF数据集，请下载我们的[ ]的副本。 阅读条款后，填写信息并将完整的协议发送到文档中显示的电子邮件地址。 然后，我们将向您发送链接和密码以访问数据集。 数据集详细信息 数据下载包含以下内容： 影片 视频被配对为入口和出口。 偏离定义为在丢失跟踪信息之前的4秒钟（因此假定该人离开了摄像机视线。入口是该人重新出现的下一台摄像机。入口视频剪辑持续12秒钟，从开始从每个人离开另一个相机视