视觉对象 一个Maven插件，用于可视化Java EE项目。 请查看 。 有关实现的一些说明：Visualee扫描java-source-files中的相关依赖项。 依赖关系将作为JSON文件生成。 此JSON文件是d3.js可视化的输入。 GUI使用jquery和jquery-ui。 为什么不使用java-reflection？ 早期版本使用Java反射来检查Java类，但是我决定反对它，而是更喜欢对源文件进行简单的扫描，因为： 甚至可以可视化甚至无法编译的代码（在开发初期或紧急情况下很有用） 将Visualee实现为其他语言更容易 插件配置的麻烦要少得多，因为这些类必须是可加载的（提示：“缺少代码...”，必须包括EE-Stack的实现）。

信息可视化第三版，英文版，含目录。作者Colin Ware。

数据可视化 :bar_chart: 可拖拽配置的可视化监控视图，易与扩展 目前只完成了拖拽组件的配置及组件的合并与放大缩小，视图的预览功能。后面会增加单独的组件的属性修改配置并添加 依赖组件及插件 用于构造基本框架及部分拖拽组件的引用的元素（图片，走马灯拖拽组件） v-charts图形拖拽组件使用，因简化了echarts的配置，非常好使 vue-charts图形拖拽组件，当v-charts满足不了需求时使用，相当于原生的echarts echarts原生echarts，上面的两个图形组件都有依赖到，也可以使用echarts自定义组件 InteractJs适用于现代浏览器的js规模，调整大小的库 效果展示 配置

弱监督定位调查：使用PyTorch中预先训练的CNN进行弱监督对象定位的各种算法的调查

本教程展示了如何使用从LoRa节点收集的数据来绘制精美的图形，以及如何使用Node-red和Grafana进行可视化。

Gcam（Grad-Cam） 此仓库的新版本位于 Gcam是一个易于使用的Pytorch库，它可以使模型预测更易于理解。 它允许使用多种方法（例如，反向引导传播，Grad-Cam，Guide Grad-Cam和Grad-Cam ++）生成注意力图。 您需要添加到项目中的只是一行代码： model = gcam . inject ( model , output_dir = "attention_maps" , save_maps = True ) 产品特点 适用于分类和细分数据/模型 处理2D和3D数据 支持引导反向传播，Grad-Cam，引导Grad-Cam和Grad-Cam ++ 给定地面真理面具的注意力图评估 自动图层选择选项 安装 从安装Pytorch 通过pip安装Gcam，方法如下： pip install gcam 文献资料 Gcam已提供完整文档，您可以在以下位置查看文档： 例子 ＃1分类（2D） ＃2细分（2D） ＃3细分（3D） 图片 引导反向传播 Grad-Cam 导引式Grad-Cam Grad-Cam ++ 用法 # Import g

D3 4.X 数据可视化实战手册 学习笔记 1、启动方法 step 1: npm i step 2: npm start step 3: 在浏览器中打开下面地址 http://localhost:8082 or http://localhost:8082/index2.html 2、关于

Darpa-xdata 作业数据集可视化 该项目是学术项目的一部分。 以下是任务： 通过公司、工作类型、工资等各种属性，在地理空间和时间上可视化职位发布。 根据职位发布可视化公司如何随时间变化。 它们是否在地理上增长？ 进入新域名是为了赚钱吗？ 提供整个南美洲的企业分布图。 有领土吗？ 绘制和分析不同工作类别的季节性趋势。 安装 您需要使用 maven 构建项目： cd jobs mvn clean package cp target\jobs.war 将 war 文件部署到 java web 容器 - tomcat、jetty 等 该数据集包含许多国家/地区的 190 万个招聘信息。 下面的地图以紫色显示了包含招聘信息的所有国家/地区。

Python实现表面网格重采样算法ACVD - pyvista/pyacvd-源码

UrbanFACET：通过移动设备直观地分析城市，记录数百万城市居民的移动数据 这是UrbanFACET的代码存储库，其中包括数据清理和熵计算脚本，以及系统工具和前端Web部件。 抽象的 城市是指由于人口行为而定义和发展城市基础设施及其功能的生活系统。 对城市和功能区域进行概要分析一直是城市设计和规划中的重要主题。 本文研究了一个独特的大数据集，该数据集包含数千万城市居民的每日运动数据，并开发了可视化分析系统UrbanFACET，以发现和可视化多个城市及其居民的动态资料。 从数千个手机APP的移动用户不可知的签到中获取的大量用户移动数据集，已在城市结构（例如，道路网络）和POI（兴趣点）分布的综合研究和可视化中得到很好的利用。 特别是，我们新颖地开发了一套基于信息理论的指标来表征城市地区和居民群体的流动模式。 这些多方面的指标包括流动性，振动性，换向，差异和密度（FACET），这些指标对隐