论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源
2022-03-08 20:53:09
106B
1
使用Qt框架编写的网络库，包含：http客户端和服务器，tcp客户端和服务器，udp客户端，websocket客户端和服务器。支持高并发。
2022-03-08 13:12:58
75KB
1
《Neural Network and Deep Learning》《神经网络和深度学习》 最好的入门教材
2022-03-07 19:38:23
16.1MB
1
这是论文《Classification of Hyperspectral Images by Gabor Filtering Based Deep Network, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(4), 1166-1178.》的代码，更多详情可查看在纸上找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载minFunc matlab工具箱和drtoolbox。 minFunc matlab 工具箱和 drtoolbox 分别位于http://www.di.ens.fr/~mschmidt/Software/minFunc.html和http://homepage.tudelft.nl/19j49/Matlab_Toolb
2022-03-07 14:14:33
6.03MB
1
单一网络全景分割，了解街景
再现结果的代码在Daan de Geus，Panagiotis Meletis，Gijs Dubbelman ，用于街道场景理解的单网络全景分割，IEEE智能车辆专题讨论会2019中提出。
链接到关于arXiv的论文： :
如果您发现我们的工作对您的研究有用，请引用以下论文：
@inproceedings{panoptic2019degeus,
title={Single Network Panoptic Segmentation for Street Scene Understanding},
author={Daan {de Geus} and Panagiotis Meletis and Gijs Dubbelman},
booktitle={2019 IEEE Intelligent Vehicles Symposium (IV)}
2022-03-07 13:20:53
1.44MB
1
WiFi分析仪
新闻：
WiFi Analyzer被评为Android上15个最有用的应用程序之一
将WiFi Analyzer评为修复WiFi的最佳应用之一
中WiFi分析器–最佳Wi-fi路由器
这是WiFi Analyzer的官方存储库。
目录
产品特点
识别附近的接入点
图形通道信号强度
图形接入点随时间变化的信号强度
分析WiFi网络以对频道进行评分
HT / VHT检测-40/80 / 160MHz（需要Android OS 6+）
接入点视图完整或紧凑
到接入点的估计距离
导出访问点详细信息
提供黑暗，光明和系统主题
暂停/继续扫描
可用过滤器：WiFi频段，信号强度，安全性和SSID
供应商/ OUI数据库查找
该应用程序具有太多功能，无法一一列举
请注意，WiFi Analyzer不是WiFi密码破解或网络钓鱼工具。
使用技巧
点击标题栏可在2.4 GHz和5 GHz WiFi频段之间切换。
带***或*hidden* SSID表示它是隐藏的。
接入点安全性：
WPA3（SAE）/ WPA2 / WPA
WEP / WPS
残障人士
Wi-Fi标准（
2022-03-07 02:14:56
2.86MB
1
RNN时间序列异常检测
在Pytorch中实现的基于RNN的时间序列异常检测器模型。
这是基于RNN的时间序列异常检测器的一种实现，它由时间序列预测和异常分数计算的两阶段策略组成。
要求
Ubuntu 16.04+（在Windows 10上报告了错误。请参阅。欢迎提出建议。）
Python 3.5+
火炬0.4.0+
脾气暴躁的
Matplotlib
Scikit学习
数据集
1.纽约市出租车乘客人数
提供的纽约市出租车乘客数据流
Cui，Yuwei等人进行了预处理（以30分钟为间隔汇总）。 在中 ，
2.心电图（ECG）
ECG数据集包含对应于心室前收缩的单个异常
3. 2D手势（视频监控）
视频中手势的XY坐标
4.呼吸
一个病人的呼吸（通过胸廓扩展测量，采样率10Hz）
5.航天飞机
航天飞机Marotta阀的时间序列
6.电力需求
荷兰研究机构一年的电力需求
时
2022-03-06 15:02:27
20.59MB
1
pro_gan_pytorch
包包含 ProGAN 的实现。 论文题为“渐进式增长的 GAN 以提高质量、稳定性和变化”。 链接 -> 训练示例 ->
:star: [新] 预训练模型：
请找下预训练模型saved_models/在目录
:star: [新]演示：
存储库现在在samples/目录下包含一个潜在空间插值动画演示。 只需从上面提到的 drive_link 下载所有预训练的权重，并将它们放在demo.py脚本旁边的samples/目录中。 请注意，在demo.py脚本的开头有一些demo.py参数，以便您可以使用它。
该演示加载随机点的图像，然后在它们之间进行线性插值以生成平滑的动画。 你需要有一个好的 GPU（至少 GTX 1070）才能在演示中看到强大的 FPS。 然而，可以优化演示以并行生成图像（目前它是完全顺序的）。
为了在 Generator 中加载权重，该过程是 P
2022-03-05 23:10:42
165.02MB
1