BM3D代码matlab denoising_dl 基于深度学习和其他机器学习方法的图像或视频降噪。 该程序将探索许多神经网络对静止图像进行降噪，并且将来还将扩展到视频降噪。 当前，已实现具有批处理归一化的MLP / CNN / CNN。 比较的黄金程序是BM3D，python版本来自：。 经过测试，最终结果与BM3D matlab不同。 让我们使用matlab作为参考代码。 原始python代码git：原始BM3D是matlab版本，在这里： 有一些BM3D源代码：VapourSynth-BM3D：这是围绕Marc Lebrun的BM3d实现的python包装器：

用于检测图像去噪算法的数据图片，共有68张彩色图，都是用于检测去噪能力的经典图片，是做图像去噪的标准图像库。图片类型涉及到景物，人物，动态的，静态的都有。

OpenCV官方教程中文版（For Python）值得每个学习Opencv的同学去学习，是一本很不错的教程，讲解的十分详细，是OpenCV学习必备文档。 跟很多开源软件一样OpenCV也提供了完善的Python接口，非常便于调用。OpenCV 包含了超过 2500 个算法和函数，几乎任何一个能想到的成熟算法都可以通过调用OpenCV的函数来实现，超级方便。本资源包含了各种算法实现以及其程序代码，方便读者使用，另外有大量实例提供给读者参考！

BERT中文预训练模型chinese_L-12_H-768_A-12

坐着喜欢利用几何图像来帮助读者理解线性代数中的概念，英文出到第五版了，华章出过中译本。本文包含读者的一些独到的见解

cnn图像分类。通过已有的大量的花卉图片素材，编写卷积神经网络对花卉图片训练集进行训练，并且将训练后所得模型存放在指定文件夹。再编写一个简洁的python图形的用户交互界面，实现图片的选择，根据训练出来的神经网络将识别结果输出，并通过绘制的图形进行分析和评估。实验对比后发现花卉图像分类识别效果较好，测试集准确率达到了99%以上，具有较高的识别准确率和稳定性。

Linear algebra and its applications 麻省理工 线性代数公开课教材 可以配合视屏使用

AI机器学习时序序列特征提取实现分类预测实战，通过心电图分类模型实现分类预测实例介绍了从数据处理、时序特征提取、模型训练和效果评估。验证了对于小数据量，通过tsfresh提取时序特征，往往能够取得很好的效果。资源包括AI机器学习时序序列特征提取实战文档说明、源代码、数据集。

TREC WebTrack 这是一个用于在即席任务上采用机器学习模型的存储库。 任何问题，PR或建议都将受到欢迎。 更具体地说，这些模型是查询文档对的重新排序模型。 由于计算每个查询文档对的相关性得分的成本太高，因此我们的目的是对每年的QL提交进行排名，您可以在找到它们。 这些模型能够根据文本文档与特定查询的相关性对文本文档列表进行排序。 可以使用此存储库来训练您的重新模型，或对定制数据（即一组查询和文档）使用预训练。 当前，实现了2个模型，其描述如下： Kai Hui，Andrew Yates，Klaus Berberich，Gerard de Melo。 。 在EMNLP中，2017年。 Kai Hui，Andrew Yates，Klaus Berberich，Gerard de Melo。 。 在WSDM中，2018年。 它们的实现改编自。 要安装运行（Python 3

基于CNN训练的一套 "端到端" 的验证码识别模型，使用深度学习+训练数据+大量计算力，纯数字识别率高达 99.99%，数字+字母识别率 96%