旋转目标检测S2Anet

这是 ShowMeAI 持续分享的速查表系列！本系列速查表包含 200 多张知识卡片，分为『计算机科学』『机器学习』『计算机视觉和深度学习基础』『计算机视觉和深度学习精选专题』4个主题，用以回顾多年的 ML 研究、课程和学习中的所有内容，并为机器学习工程师的面试做准备。 这个文件是『计算机视觉和深度学习基础』主题（其他部分的下载链接见评论区），包含以下部分： Low Level / Classical Techniques in Vision And Image Processing（视觉和图像处理中的低层次/经典技术） Deep Learning Fundamentals（深度学习基础） Seminal & Foundational Topics in Deep Learning（深度学习中的标志性和基础性课题） Neural Networks Designed for Sequential Data （为序列数据设计的神经网络 Transfer Learning（迁移学习） Unsupervised & Self-Supervised Learning（无监督和自我监督的学习）

基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx基于目标检测的户型图识别方法、装置、计算机设备.docx

最近唯一能够像SiamMask一样在线操作并从边界框初始化开始生成mask的跟踪器是Yeo等人的基于超像素的方法.①作者认为以往直接回归box的方法存在一定的偏差，而使用分割提取mask然后再确定box的方法能够更好的定位box 的宽高。 ②现有的跟踪器，都使用矩形边界框来初始化目标并估计其在后续帧中的位置。尽管简单的矩形很方便，但通常无法正确表示对象。

cvzone部分合辑（调试通过 包括手势识别 虚拟键盘 姿态检测等）

Abstract The style-based GAN architecture (StyleGAN) yields state-of-the-art results in data-driven unconditional generative image modeling. We expose and analyze several of its characteristic artifacts, and propose changes in both model architecture and training methods to address them. In particular, we redesign generator normalization, revisit progressive growing, and regularize the generator to encourage good conditioning in the mapping from latent vectors to images. In addition to improving image quality, this path length regularizer yields the additional benefit that the generator becomes significantly easier to invert. This makes it possible to reliably detect if an image is generated by a particular network. We furthermore visualize how well the generator utilizes its output resolution, and identify a capacity problem, motivating us to train larger models for additional quality improvements. Overall, our improved model rede- fines the state of the art in unconditional image modeling, both in terms of existing distribution quality metrics as well as perceived image quality.

在计算机视觉领域，人工智能越来越火爆。 资源包括两个文件： 1.人工智能与计算机视觉的pdf文件； 2.计算机视觉PPT 第一个文件是在校教学，拷贝老师教学的PPT，变成了PDF文件； 第二个是相关计算机课程的文件， 两个都是与计算机课程相关的资源，需要的可以自提。

java版天网人脸识别系统，获取视频流 进行人脸识别后推送到流媒体服务器实时展示

Categorical Depth Distribution Network for Monocular 3D Object Detection翻译

数据集包含训练和测试两个文件，各包含 12500张图像，共 25000张。 来自 2013 年的 kaggle 竞赛，当时获胜者使用卷积神经网络达到了 95% 的精度。