心脏肥大CT图像数据集（共５００多张CT图像），此数据集经过处理并从原始数据集中取出。使用CSV信息，分离了心脏肿大的图像，用CLAHE处理，并将其调整为128＊128的高度和宽度。训练图像和测试图像按11的比例等分。

全景OpenCV 从stitch_final.py的文档中 用法：pythonitch_final.py -dest <目标文件名.jpg> 用法： （例子） ： 请将存储库克隆到工作文件夹。 执行以下命令 pythonitch_final.py images / destination.jpg 它将询问是否要修剪或旋转，请按照给定的指示进行操作。 图像将显示并保存到给定的目的地。 [理论等稍后添加]-维护中的回购...！ 上班的人，是吗？ :)

设计一个程序，读出threekingdoms.txt文件中的三国演义全文，将常见人名进行去重后生成词云，并列出词频最高的5个词。 例：'玄德'，'刘备','玄德曰','刘皇叔','皇叔'都是同一个人。 可利用字典来保存需要去重的词。 dupDict={'曹操' : ['孟德','丞相'], '玄德' : ['刘备','皇叔','刘皇叔','玄德曰'], '云长' : ['关羽','关云长','关公'], '孔明' : ['诸葛亮','诸葛','孔明曰'], '张飞' : ['翼徳'], '赵云' : ['子龙','赵子龙'], '周瑜' : ['公瑾','都督']}

提取均值信号特征的matlab代码两个扬声器的基于 LSTM/BLSTM 的 PIT 在多通话者混合语音分离和识别方面取得的进展，通常被称为“鸡尾酒会问题”，并没有那么令人印象深刻。 尽管人类听众可以很容易地感知混合声音中的不同来源，但对于计算机来说，同样的任务似乎极其困难，尤其是当只有一个麦克风记录混合语音时。 1. 运行性能 注意：训练集和验证集包含通过从 WSJ0 集中随机选择说话者和话语生成的两个说话者混合，并以 -2.5 dB 和 2.5 dB 之间统一选择的各种信噪比 (SNR) 混合它们. 对于LSTM ，不同性别的混合音频结果如下： 对于BLSTM ，不同性别的混合音频结果如下： 从上面的结果可以看出，混合性别音频的分离效果优于同性音频，BLSTM 的性能优于 LSTM。 2. 评价标准 SDR：信号失真比 SAR：信号与伪像的比率 SIR：信号干扰比 STOI：短期客观可懂度测量 ESTOI：扩展的短期目标可懂度测量 PESQ：语音质量的感知评估 3. 依赖库 matlab（我的测试版：R2016b 64位） tensorflow（我的测试版本：1.4.0） anac

C#实现的全景图拼接（两张图片合并成一张图片源程序） 这个一个图形学处理中的全景图拼接程序，用的是C#写的，使用vs2005

用python的PIL库和os库；实现功能：将某一文件夹下所有图片合并为一个pdf；使用步骤：1.将所有图片放在一个空文件夹下（不包含其他文件）2.更改photo_path = r'F:\python_learn\票据原件'，在' '内填入文件夹绝对路径 3.更改im1.save(r'F:\python_learn\myImages.pdf', save_all=True, append_images=imagelist)，在原'F:\python_learn\myImages.pdf'处填入pdf文件保存路径 4.运行img2pdf.py即可

使用STM32F103C8T6+SD卡+4.0 4.0inch_SPI_Module_ST7796S_MSP4020&MSP4021_V1.0屏幕显示图片。

六面骰子数据集，有250张图片，每张图片有1-25个六面骰子。每个图片example_image.jpg都有一个关联的注释文件example_image.txt。注释文件包括YOLO格式的水平边界框注释class (integer)， x0, y0, w, h。边界框坐标归一化为图像尺寸。

马铃薯叶片病害数据集，共160张病害图片 马铃薯叶片病害数据集，共160张病害图片 马铃薯叶片病害数据集，共160张病害图片 马铃薯叶片病害数据集，共160张病害图片

马与人分类图像数据集，共有1282张图片 马与人分类图像数据集，共有1282张图片 马与人分类图像数据集，共有1282张图片