SCUT HEAD人头检测数据集包含4405张标记了111251个人头的图像。数据集分两部分,第一部分2000张图像源自大学教室的监控视频,第二部分2405张图像爬取自网络,数据集图像中的人头均有边界框和注释。 数据标注经用xmin、ymin、xmax和ymax坐标标记了每个可视头部,并确保注释覆盖整个头部,包括部分,但没有额外的背景。A部分和B部分分为培训和测试部分。数据集遵循Pascal VOC标准
2023-04-24 19:31:11 448.26MB 人头检测数据集 SCUT_HEAD SCUT_HEAD_VOC
1
毕业设计选题系统的源码使用 GAN 隐藏数据 注意:我的英语是bab,所以如果我使用了错误的单词或错误的语法,请忽略。 这是我的毕业论文。 我有两个文档指南。 README.md 中的一个(你正在阅读的这个文件)是英文写的, Vietnam.md是越南文写的。 该项目基于和。 所有副本都需要遵循以上报价! 一、总结 在查看了 之后,我决定构建一个界面,供用户更直观地操作。 整个项目在linux操作系统- Ubuntu 18.04上进行,硬件配置为Intel i5 8th Gen CPU,12G RAM。 GeForce MX 130 GPU,2G 内存。 二、 界面使用指南 该接口由 Tkinter 库编写。 1.搭建环境 项目中使用的环境由Anaconda创建。 您可以在链接中下载并安装它 $ cd Data-Hidding-Using-GAN/ $ conda create -n myenv python=3.6 $ conda activate myenv $ pip install -r requirements.txt 2. 改变工作路径 在文件 main.py 的第 471
2023-04-23 15:42:46 55.3MB 系统开源
1
关于更改电源管理模式 可通俗地理解为不同年代的主板管理电源的方式,2000年以前的主板,使用电源管理模式叫 standard PC, 2000年后又出现了 ACPI 模式,如常用的 810,815 等主板就是此模式。 到了845主板出现的时候,电源模式又变成了 ACPI Uniprocessor PC ,直到如今,新的主板用的都是此电源模式。 电源管理模式错误,导致的问题是: 1.进入windows过程中只有一个光标在屏幕左上角闪,不能继续进系统。 2.进入windows过程中自动重启。 3.能顺利进入系统,但关机却不能自动断电。屏幕提示:您现在可以安全关机了。 因此,如何在恢复过程正确地识别各种电源模式,就成了克隆能否成功的关键。 在技术的推进下,恢复克隆的过程中基本能正确地识别,并且在恢复过程中可以手动选择。 但一旦安装已经完成了,才发现关不了机,这就说明电源模式已经识别错了, 想改,却无法再在启动项目里选择了,因为系统装好后它已自动消失了。 这是死性不改网友编写的用来解决此问题的小工具,它可以在 windows 下更改电源管理模式,改对后电脑就可正常关机。
1
深圳公路交通数据集,可以用来机器学习预测交通数据流量
2023-04-22 16:26:47 24.71MB 公路交通
1
gradle-8.0-all和gradle-8.0-bin最新版本,因国内下载极其慢,我就上传上来了,希望大家可以用到。请尽快深刻通过!
2023-04-21 23:20:31 278.19MB gradle-8.0-all gradle-8.0-bin
1
openCV3.4.16 Linux下编译文件 解压直接可以使用 openCV3.4.16_WithContrib_LinuxBuild Ubuntu 21.04 64Bit下编译且使用正常 Cmakelists.txt 使用: ########## OpenCV set(OpenCV_DIR /home/x/install/openCV/share/OpenCV) #find required opencv find_package(OpenCV REQUIRED) message(STATUS "-- OpenCV_INCLUDE_DIRS:" ${OpenCV_INCLUDE_DIRS}) message(STATUS "-- OpenCV_LIBRARY_DIRS:" ${OpenCV_LIBRARY_DIRS}) # directory of opencv headers include_directories(${OpenCV_INCLUDE_DIRS})
2023-04-19 10:22:53 44.07MB OpenCV
1
在Unity 中读取ppt文件 和 pdf文件
2023-04-18 10:46:35 78.66MB unity pdf ppt
1
具有递归神经网络的文本生成 使用基于特征的RNN进行文本生成。 我们使用安德烈·卡帕蒂(Andrej Karpathy)的莎士比亚作品集。 给定来自此数据的字符序列(“莎士比亚”),训练模型以预测序列中的下一个字符。 通过重复调用模型,可以生成更长的文本序列。 模型的输出 以下是本教程中的模型训练了30个纪元并以字符串“ Q”开头时的示例输出: 奎妮:我以为你有罗马人。 Oracle这样,使所有人都反对这个词,因为他的照顾太弱了。 您的孩子们在您的圣洁的爱中,通过流血的宝座沉淀。 伊丽莎白·比什普(Bishop of Ely):我的主,嫁给并愿意哭泣,这是最漂亮的。 然而,现在我被世界可悲的一天收为继承人,要和他父亲一起面对面观看新路吗? 埃斯卡洛斯:为什么我们都下了更多儿子的原因。 卷:不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,这是没
2023-04-17 22:59:21 70KB Python
1
2 端口 ABCD 链矩阵以 A、B、C、D 作为大小为 2x2 的矩阵元素将创建 2x2 S 参数
2023-04-17 15:18:14 1KB matlab
1