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。

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。

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

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

1:13D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

论文Cascaded Human-Object Interaction Recognition论文以及代码

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

Alan Dix2004年编写的Human-Computer Interaction以及对应每一个章节的ppt

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

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。