面具识别 实时口罩磨损检测模型 使用Mobilenet V2 CNN模型预测是否戴口罩。 人脸检测使用Caffe2框架 描述 导入模块 带有python3的OpenCV keras，plaidml-keras（用于AMD GPU计算） 麻木 matplotlib argparse 张量流2.2.0 用法 火车 $ python train_mask_detector.py --dataset dataset 图像 $ python detection.py --image [Path to Image] 视频 更改detection.py中的视频路径后使用 $ python detection_video.py

共视控制 Covid Control是一种免费且可评估的机器学习模型，可预测Covid19日案例（7天移动平均值）的未来数量。 使用LSTM和强化学习对非药物干预（NPI）进行量化。 利用机器学习挽救人类史无前例的全球健康能效新型冠状病毒（COVID-19）的生命，以帮助拉平曲线。 开发数据驱动的AI系统以预测感染率并制定区域政府，社区和组织可以实施的干预计划（IP）。 当国家重新开放经济和社会时，干预计划可以减少感染病例，最大程度地减少负面经济影响，并带来更好的结果。 动机：Covid19大流行React 3Blue1Brown的“指数增长和流行病” Covid19视频： 目标是开发一种机器学习模型，以预测未来全球Covid案例的数量： Part1预测器：LSTM长短期记忆预测器模型 使用LSTM长短期记忆以最高的准确性估算未来每天发生的COVID-19病例数，并开发了一种预测器模型

打开COVID19地图 :microbe: :face_with_medical_mask: :world_map_selector: 关于 嗨，我是Daniel Karl :male_sign:‍:male_sign_selector: 我想看看是否可以重现COVID19的约翰霍普金斯地图可视化效果。 因此，我着手使用他们在GitHub存储库kind中提供的完全相同的实时数据源来构建自己的版本:man_technologist_light_skin_tone:。 由于已有可用的数据集，在React中增强可视化工具的过程相当顺利 :shamrock_selector: 。 从那时起， ：//covid19map.io获得了越来越多的功能： 以全球平均检测率预测已确诊的病例 :globe_showing_Europe-Africa: :test_tube: ‍:microscope: 显示传播势头 :microbe: :chart_increasing: :world_map_selector: 直接以字形表示，即过去1、3或7天的变化 遏制分数 :house_wit

COVID19-mesa Santiago Nunez-Corrales，UIUC的信息学和NCSA（ ） 埃里克·（Eric Jakobsson），UIUC分子与细胞生物学和NCSA（ ） 一个简单的模拟，可通过基于代理的建模（ABM）探索COVID-19的传染性，以及各种措施的潜在有效性。 该软件正在快速开发中，以尝试对当前情况做出响应，应牢记这一点。 特定社区的任何情景都应始终视为临时情景，并根据最新和最佳策划的现场证据不断进行修订。 参考出版物： Núñez-Corrales，S.和Jakobsson，E.（2020）。 流行病学工作台：社区应对COVID-19和其他传染病的策略工具。 。 安装（Linux和朋友） 克隆存储库： git clone https://github.com/snunezcr/COVID19-mesa.git 创建并激活虚拟环境

如何使用任何制造商已经拥有的组件制造一个血氧饱和度传感器来测量血液中的心跳和血氧饱和度。

超级市场中基于代理的COVID-19传输模型。 该代码与。 安装 我们的软件包主要依赖 ，它需要Python> = 3.6。 > pip install covid19-supermarket-abm 例子 在下面的示例中，我们使用包中包含的示例数据，在给定以下参数的情况下，模拟了虚拟商店中的一天。 from covid19_supermarket_abm . utils . load_example_data import load_example_store_graph , load_example_paths from covid19_supermarket_abm . path_generators import get_path_generator from covid19_supermarket_abm . simulator import simulate_one_day

COVID-19衍生的资料集（JHU，NY Times，ECDC） 目录： ， 数据集： ， ， ， ， 关于 该存储库包含与COVID-19相关的各种数据集（JHU CSSE，NY Times，ECDC）： 数据文件位于文件夹中； 原始数据和中间数据文件可在文件夹中找到； 此外，还可以在以下位置获得一些基于派生数据集的可视化效果： 或在此存储库的文件夹内； 这些数据集都不是我收集的，但是我已经对其进行了重新处理，重新格式化和扩充，以便于操作。 使用者 （论文） ； （网站） ； （网站） ; （代码） ; （代码） ; （代码） ; （代码） ; 免责声明 就像现在互联网上的任何东西一样，我对任何事情都不承担任何责任。 :) 可视化 我已根据JHU CSSE数据集创建了6个国家/地区组，并为每个组绘制了所有可用指标： global 或确认病例超过5万的全球国家； global-major - 或 -世界各地的国家拥有超过40万确诊病例; global-medium 或确诊病例超过10万但少于40万的全球国家/地区； global-m

Pyecharts+Django 搭建新冠疫情数据可视化大屏

JEB 3.17.1 免注册版

covid19感染率 在数据COVID-19数据集中使用约翰霍普金斯大学（JHU）系统科学与工程中心（CSSE）和《我们的世界》通过COVID-19数据存储库获取的数据。 开发了层次模型来分析和预测美国的感染率 数据包含以上收集的数据 CovidCountModel.ipynb：具有泊松共轭结构的贝叶斯层次模型 CovidCountModel2.ipynb：具有泊松非共轭结构的贝叶斯层次模型