功能介绍： - 文献翻译功能，能读取剪切板内容并将其进行翻译 - 多行合并功能，能读取剪切板内容并把多行进行合并，特别适合阅读PDF格式的论文 - 图片翻译功能，具有识别图片内容并进行翻译的功能 - 网速显示功能，能实时显示当前计算机所有网卡的网速之和 使用方法： 1.下载setup.exe并安装 2.打开腾讯云（基于腾讯翻译），注册账号，并在设置中填写信息。（https://console.cloud.tencent.com/cam/capi） 3.按照配置的快捷键即可使用。如果复制的是文字，而使用图片翻译，则无返回结果（其他情况相同）。 4.打开的翻译窗口，可以双击空白处或按esc关闭。（空白处为箭头所指向的浅灰色）

NIPS-2017-attention-is-all-you-need-Paper 中文翻译版 有导航目录，看起来很方便

TLD 算法 Tracking-Learning-Detection翻译

本文件是论文《Tag-Aware Personalized Recommendation Using a Deep-Semantic Similarity Model with Negative Sampling》的原文翻译，是我通过 Google 翻译及我自己的理解翻译而来的。在翻译的内容中有很多英文标记的地方，便于结合原文进行理解。感谢论文原作者的辛苦实践，/bq，如有侵权，请联系我删除，谢谢~/bq。 [摘要] With the rapid growth of social tagging systems, many efforts have been put on tag-aware personalized recommendation. However, due to uncontrolled vocabularies, social tags are usually redundant, sparse, and ambiguous. In this paper, we propose a deep neural network approach to solve this problem by mapping both the tag-based user and item profiles to an abstract deep feature space, where the deepsemantic similarities between users and their target items (resp., irrelevant items) are maximized (resp., minimized). Due to huge numbers of online items, the training of this model is usually computationally expensive in the real-world context. Therefore, we introduce negative sampling, which significantly increases the model’s training efficiency (109.6 times quicker) and ensures the scalability in practice. Experimental results show that our model can significantly outperform the state-of-the-art baselines in tag-aware personalized recommendation: e.g., its mean reciprocal rank is between 5.7 and 16.5 times better than the baselines.

通过overleaf将论文Monoxide进行了一遍翻译，并且创建了overleaf的中文模板

计算机安全方面的英文翻译,中英文对照,希望能给计算机专业的学弟学妹们一些帮助

深度学习进行物体检测的鼻祖论文，学习目标检测的经典文献，中英文对照翻译。。。

语义分割经典论文翻译1：DFANet:Deep Feature Aggregation for Real-Time Semantic Segmentation(DFANet翻译)-附件资源

lowe04年关于SIFT的论文IJCV2004 Distinctive image features from scale invariant keypoints的翻译，完全自己翻着金山词霸翻译的。

本文针对图书销售的信息化目标出发，采用面向对象的软件工程方法，进行了网上书店系统的功能需求分析、数据需求分析、性能需求分析、运行环境需求分析和将来可能提出的需求分析，用UML建立了系统的逻辑模型，设计了系统的体系结构、数据库结构、人机界面和关键算法，在此基础上以jsp为开发语言，以Mysql为数据库服务器，本系统主要为用户提供了会员注册，购物车管理，商品搜索，用户资料修改等功能。本系统是一个基于Internet,采用B2C(Business to Consumers)模式，并根据现有的网上购物系统的现状而设计开发的电子商务平台。它不但可以扩大商家的规模和市场影响力，而且可以减少企业的经营成本，提高工作效率。测试表明，该系统达到了预期的设计目标。