使用卷积神经网络从患者肺部CT扫描中检测癌性病变 2017年数据科学杯 问题 美国每年因肺癌造成的损失约为225,000人，每年造成的金钱损失为120亿美元。 副总统办公室在早期发现肺癌方面分配了特别的精力，因为这可以提高受害者的生存率。 根据Kaggle＆'Booz，Allen，Hamilton'的要求，他们在Kaggle上举办了一项竞赛，旨在通过设计功能强大的机器学习算法来检测患者CT扫描中的恶性斑点和结节。 作为一个有趣的问题，我们（团队）决定提供各种方法来设计解决方案，因此决定解决Data Science Bowl 2017问题。 数据与预处理 比赛组织者提供了2类数据集。 第一类是一组不同患者的CT扫描图像。 数据集的第二方面涉及患者的一组标签。 每个患者的CT扫描图像的数量不是固定的，因此图像的数量是不同的。 由于贡献者提供的数据是患者CT扫描的DICOM文件，因此它涉及复杂

用于目标检测的混淆矩阵 ConfusionMatrix类可用于为对象检测任务生成混淆矩阵。 用法 在测试代​​码中，您需要使用适当的参数声明ConfusionMatrix类。 conf_mat = ConfusionMatrix(num_classes = 3, CONF_THRESHOLD = 0.3, IOU_THRESHOLD = 0.5) 该类具有一个名为process_batch的函数，您可以使用它来更新混淆矩阵。 用法示例可以是： conf_mat.process_batch(preds, gt_boxes)其中preds是模型做出的预测，[N，6] x1，y1，x2，y2，置信度，类和gt_boxes是地面真相标签，[M，4] x1，y1，x2 ，y2，班级。 参考 该存储库使用Pytorch存储库中的函数 和 代码与下面的存储库非常相似，该存储库的主要贡献是Co

文本检测和识别综述论文

该数据集包含一个注解类：手枪的2986张图像和3448个标签。 Handgun Detection_datasets.txt README.dataset.txt README.roboflow.txt Handgun Detection_export_datasets.rar

hog svm matlab代码滑动窗口人脸检测 描述 使用定向梯度直方图 (HOG) 和支持向量机 (SVM) 区分实际人脸对象和非人脸对象。 实现基于Matlab。 源代码位于名为“code”的目录中 必要的数据集位于名为“data”的目录中

GNSS-欺骗-检测 GNSS欺骗检测系统 这个开源项目是关于检测可以被 GPS/GLONASS 模拟器接收的“欺骗”GPS 和 GLONASS 信号。 #什么需要开始我需要从 GLONASS 或 GPS 模拟器接收信号的 GPS/GLONASS 接收器的 NMEA 数据转储。 在此 NMEA 日志中必须包含 $GPGSV 字符串。 因为我会分析卫星信号的电平并尝试检测“欺骗”。 我有 GPS 接收器，并且有从它转储 NMEA 的经验，所以我有真实的信号。 但是我没有转储我的 GPS 接收器可以从生成欺骗信号的 GPS 模拟器获得的欺骗信号，所以我无法制作图表和软件测试。 在一项相关工作中讨论过，如果我们有欺骗信号的 C/N0 值，我们就可以检测欺骗。 在 NMEA 规范中，C/N0 是卫星的 SNR 值。 也许我可以以编程方式生成欺骗信号，但我认为这不会是一个干净的实验。 如果将实

实例阴影检测（CVPR'20） *，*，王琼，Pheng -安恒，和（*联合第一作者。） [ ] [ ] [ ] 实例阴影检测旨在找到与对象实例配对的阴影实例。 我们提出了一个数据集，一个深入的框架和一个评估指标来应对这一新任务。 此在上。 依存关系 python> = 3.6 火炬== 1.3.0 + cu100 火炬视觉== 0.4.1 + cu100 张量板 赛顿 朱皮特 scikit图像 麻木 的OpenCVPython的 pycocotools 安装 安装LISA和pysobatools $ cd InstanceShadowDetection $ python setup.py install $ cd PythonAPI $ python setup.py install 码头工人 $ cd InstanceShadowDetection/docker $

异常检测 异常检测的Pytorch实现，可检测到工业数据集中的非正常图像 它只有简单的图层，但是如果您要查看mvtec纸，请单击。 实际上，我在mvtecAD上无法很好地工作，因为我认为在微调阶段会找到自动阈值。 因此，仅手动修复阈值即可实现此代码。 那是周。 Tensorflow版本 MVTEC Tensorflow实现是在上面链接的mvtec论文中实现的。 简单的CNN模型（自动编码器） 对抗变式自动编码器 先决条件 Linux或macOS python3 + 火炬0.4+ 安装 git clone https://github.com/CY-Jeong/anomaly-detection-mvtec.git cd anomaly-detection-mvtec PIP用户，PIP pip install -r requirements.txt Conta用户， conda e

该数据集有203张带有边框注释的绵羊图像。用于绵羊检测。 Sheep Detection_datasets.txt Sheep Detection_datasets.zip

使用LSTM和其他算法进行无监督的异常检测 在合成时间序列数据上使用LSTM（长期短期记忆）算法进行无监督的异常检测。 它使用均方误差作为此类数据中离群值的度量。 原始信号，平滑信号和通过MSE进行异常检测的图表。 一些待办事项： Keras（TF后端） 估算真实数据（例如，） PyTorch端口 其他方法： 带有状态转换的有限状态自动机，用于时间序列数据分段（ ） 一类NN（） 待定 参考