多任务学习 有关多任务学习的论文，代码和应用程​​序列表。 欢迎发表评论和贡献！ 而且正在更新... [目录] 文件 民意调查 多任务学习调查。 arXiv ，2017年7月。 深度神经网络中的多任务学习概述。 2017年6月， arXiv 。 简要介绍多任务学习。 多媒体工具与应用，77（22）：29705–29725，2018年11月。 密集预测任务的多任务学习：一项调查。 arXiv ，2020年4月。 深度多任务学习和辅助任务学习的简要回顾。 2020年7月arXiv。 深度神经网络的多任务学习：一项调查，2020年。 架构设计 纯硬参数共享 MultiNet：自动驾驶的实时联合语义推理。 在IEEE Intelligent Vehicle Symposium，Proceedings ，2018。 使用不确定性权衡场景几何和语义损失的多任务学习。 IEEE计算机协会

此提交包括最近提出的 Ant Lion Optimizer (ALO) 多目标版本的源代码，称为 Multi-Objective Ant Lion Optimizer (MOALO)。 首先使用存储库来存储到目前为止获得的非支配的Pareto最优解。 然后使用轮盘机制从这个存储库中选择解决方案，该机制基于解决方案的覆盖范围作为蚂蚁，引导蚂蚁进入多目标搜索空间的有希望的区域。 主要论文是： S. Mirjalili、P. Jangir 和 S. Saremi，多目标蚂蚁狮子优化器：解决工程问题的多目标优化算法。”应用智能，（2016 年）：1-17，DOI： http://dx .doi.org/10.1007/s10489-016-0825-8 单目标 ALO 源代码可以在这里找到： http://au.mathworks.com/matlabcentral/fileexchange/

obs 多线程推流最新版本 obs-multi-rtmp_Windows_0.2.5.1 ，插件支持

用C 编译使用EXCEL 创建了一些常用功能，包括在指定单元格内插入图片等，做项目时用到就保存下来了

wifi 人体定位Multi-Person Localization via RF Body Reflections

多相透射电镜 具有深度约束的瞬态电磁数据的多峰分层多维反演 （可用于所有基于地面的TEM测量设计，请参见下面的参数列表） MuLTI-TEM算法是由利兹大学地球与环境学院的Siobhan Killingbeck和Phil Livermore在2019年撰写的。 它基于Thomas Bodin编写的Matlab代码。 MuLTI-TEM是在Matlab 2017a版本中开发的，因此提供的所有Matlab代码都可在此版本或后续的Matlab版本中使用。 该代码可以在基于Linux或Windows的平台上运行。 该github存储库包括： 一维和二维MuLTI-TEM Matlab脚本 在主脚本中调用了两个matlab函数“ thicknesses_and_priors”和“ whichnuclei”， 一维和二维示例数据集，用于测试MuLTI-TEM一维和二维代码， 适用于Linux和

em算法matlab代码多用途TEM 10x10 具有深度约束的时域电磁数据的多峰分层多维反演 （仅可用于具有15 m偏移Rx的10 x 10 m Tx，请参阅所有其他测量选项） MuLTI-TEM算法是在Matlab 2017a版本中开发的，因此，提供的所有Matlab代码都可以在此版本或后续的Matlab版本中使用。 该代码可以在基于Linux或Windows的平台上运行。 该github存储库包括： 一维和二维MuLTI-TEM Matlab脚本以及两个在主脚本中调用的matlab函数“ thicknesses_and_priors”和“ whatnuclei”， 一维和二维示例数据集，用于测试MuLTI-TEM 1D和2D代码， 修改后的Leroi前向建模代码（称为LEROI_TEM.F90），用Fortran 95编写，并且它是以前在MatLTI-TEM脚本中在Matlab中针对基于Linux和Windows的平台调用的对应LEROI_TEM mex文件。 可以从CSIRO / AMIRA P223F项目的以下位置下载原始的Leroi代码：。 mex界面已在CentOS 7和

Multi-ICE Server V2.2的安装软件，有需要的请下载

图像融合经典外文数据，主要是医学和工业图像，好好学哦

多任务学习 此仓库旨在在PyTorch中实施几种多任务学习模型和培训策略。 该代码库是对以下工作的补充： ， ，Wouter Van Gansbeke，Marc Proesmans，Dengxin Dai和Luc Van Gool。 ， 和Luc Van Gool。 在可以找到有关多任务学习的最新作品列表。 安装 该代码与最新的Pytorch版本一起运行，例如1.4。 假设 ，最重要的软件包可以按以下方式安装： conda install pytorch torchvision cudatoolkit=10.2 -c pytorch conda install imageio scikit-image # Image operations conda install -c conda-forge opencv # OpenCV cond