通过解读论文《Human-level control through deep reinforcement learning》完成了PPT相关制作,用于科研汇报,发布到网上,方便大家查阅以及提出建议。
2022-12-14 12:22:09 1.17MB 深度强化学习 论文 PPT
1
本文复现的是是发表在ICCV 2017的工作《Learning Feature Pyramids for Human Pose Estimation》,论文提出了一个新的特征金字塔模块,在卷积网络中学习特征金字塔,并修正了现有的网络参数初始化方法,在人体姿态估计和图像分类中都取得了很好的效果。
2022-12-05 11:13:42 4.44MB 特征金字塔
1
使用梯度方差估计示例难度 该资源库包含源代码,需要重现一些主要成果: 如果您使用此软件,请考虑引用以下内容: @article{agarwal2020estimating, title={Estimating Example Difficulty using Variance of Gradients}, author={Agarwal, Chirag and Hooker, Sara}, journal={arXiv preprint arXiv:2008.11600}, year={2020} } 1.设定 安装软件 该存储库是使用TensorFlow和PyTorch的组合构建的。 您可以通过pip安装需求文本文件pip install -r ./requirements_tf.txt和pip install -r ./requirements_pytorch.txt来安装必要的
1
人工解析的自我校正 开箱即用的人类解析表示提取器。 在第三项LIP挑战中,我们的解决方案在所有人工解析轨道(包括单个,多个和视频)中排名第一! 特征: 开箱即用的人类解析提取器,可用于其他下游应用程序。 在三个流行的单人人类解析数据集上进行预训练的模型。 训练和伪造的代码。 对多人和视频人的解析任务的简单而有效的扩展。 要求 conda env create -f environment.yaml conda activate schp pip install -r requirements.txt 简单的开箱即用提取器 最简单的入门方法是在您自己的图像上使用我们训练有素的SCHP模型来提取人工解析表示形式。 在这里,我们在三个流行的数据集上提供了最新的。 这三个数据集具有不同的标签系统,您可以选择最适合自己任务的数据集。 LIP( ) 进行LIP验证的费用:59.36
1
1:13D模型,SolidWorks2009后的版本可打开,模型尺寸参照国标GB-1988,模型个头1:1
2022-10-20 10:02:40 29.85MB SolidWorks 3D模型 人体模型
1
论文Cascaded Human-Object Interaction Recognition论文以及代码
2022-10-20 09:07:31 20.91MB
1
最初的版本P_human、蒙特卡洛树搜索、P_human和蒙特卡洛树搜索结合、左右互搏,增强学习、价值网络、深度神经网络+蒙特卡洛搜索树+价值网络
2022-09-21 21:05:12 22KB AlphaGo P_human 价值网络 深度神经网络
1
Alan Dix2004年编写的Human-Computer Interaction以及对应每一个章节的ppt
2022-09-06 11:21:08 12.27MB HCI
1
Ansible for DevOps Server and configuration management for humans Jeff Geerling This book is for sale at http://leanpub.com/ansible-for-devops This version was published on 2020-02-26 ISBN 978-0-9863934-0-2
2022-09-01 19:04:30 9.12MB
1
Algorithms to Live by:The Computer Science of Human Decisions中文名:算法之美 《算法之美》是2018年5月由中信出版集团出版的一本图书,作者是布莱恩·克里斯汀和汤姆·格里菲思。本书通过讨论人类事务算法设计的概念,以帮助人们更好地处理日常生活中遇到的难题。万维钢、查尔斯·都希格等人对本书做出了评价。
2022-07-31 11:50:54 1.6MB algorithms
1