工程是用国产京微齐力的HMEP1P060板子做的，可以做移植，只需要在quartus或者vivdo建立工程，把代码放进去综合即可。（除了源码工程，还有字符提取软件）
工程讲解：https://blog.csdn.net/weixin_46423500/article/details/124349430
FPGA模块：
顶层模块：JWQL_oled_v2_top
屏幕清除模块：Oled_Clear
IIC驱动模块：I2C_Master
屏幕全亮模块：Oled_On
显示控制模块：Oled_Show_control
信息缓存区模块：font_data
2023-07-03 13:05:43
14.79MB
1.CSharpOutline-折叠代码
2.IndentGuide-代码格式化，对齐线
3.ProgressiveScroll-滚动条
4.VS10xCodeMap-代码地图
5.Productivity Power Tools for(vs2010)-vs官方效率工具
2023-06-24 15:34:24
1.8MB
1
sdm
matlab代码用于面部对齐的SDM
这是Xiong和De
La
Torre（）提出的我的监督下降方法（SDM）的MATLAB实现，用于面部对齐。
在300W数据集上使用49个点（没有下颌点）训练了包含的模型。
培训代码包含在lib目录中。
培训应该是一个相当简单的过程。
培训功能包括：
SDMInitModel-分配新的SDM模型
SDMAddDataMemoryFrugal
*-这些功能以有效的内存方式收集训练和验证数据，以进行训练和参数选择。
SDMSolve-解决回归问题
SDMLayerXval-通过黄金搜索执行参数选择（用于选择正则化器）
SDMFinalizeLayer-将最终的回归变量添加到SDM模型中。
查看这些功能以获取有关模型结构以及如何提供形状模型（平均形状）的详细信息。
运行代码
没有外部依赖关系或mex函数。
运行“
runDemo.m”应产生适合的示例。
执照
此代码不得用于商业目的。
该代码可自由用于个人，学术和研究目的。
但是，我们要求任何文件在重新分发时均保留我们的版权声明。
该软件按``原样''提供，不提供任何担保或保证。
我们对由此造成的
2023-03-30 16:37:09
23.31MB
1
原模型为pytorch转后得到的onnx文件hrnet_coco_w32_256x192.onnx，用的coco val数据集做的量化，输入为（1，3，256，192），输出为（1，17，64，48）的关键点热图，后面通过高斯化函数可得到关键点，结果经测试。
2023-03-02 14:45:24
30.66MB
1
乌日达
具有统一联合分布对齐的无监督域自适应
先决条件：
Python3
PyTorch == 0.4.1（具有合适的CUDA和CuDNN版本）
火炬视觉== 0.2.0
脾气暴躁的
tqdm
资料集：
您需要在“ ./data”中的每个“ .txt”中修改图像的路径。
训练：
跑步 ：
python train.py --config ../config/dann.yml --dataset Office-31 --src_address ../data/amazon.txt --tgt_address ../data/dslr.txt --src_test_address ../data/amazon.txt
引文：
如果您使用此代码进行研究，请考虑引用：
接触
如果您对我们的代码有任何，请随时联系 。
2023-03-01 20:14:51
42KB
1