Depression-Detection-Twitter:使用python ml库构建的抑郁检测模块,可检测推文中的抑郁
2021-11-09 15:18:54 21KB JupyterNotebook
1
上市后监测需要监测、评估和检测药物获得批准并投放市场后的不良事件。 社交媒体和搜索查询日志等用户生成的内容渠道越来越多地被用作传统数据库的补充数据源,用于上市后药物监测。 然而,现有的知识体系利用了不同的渠道、不良事件类型和建模方法,导致关于各种在线用户生成渠道和伴随建模方法的可行性和有效性的不同结果和不同结论。 本研究的目的是检查不同在线用户生成的内容渠道、事件特征和事件建模策略对药物不良事件早期检测的有效性和影响。 我们整合了一个大型测试平台,其中包含与 143 个不良事件相关的数百万条推文、论坛帖子和搜索查询日志。 我们还提出了一种新颖的基于启发式的事件建模方法,能够提高警报的精确度、召回率和及时性。 初步结果阐明了用户生成的渠道和事件类型之间的相互作用,以及超越基本提及模型的更强大的事件建模方法的潜力。 还讨论了几个当前和未来的研究方向。 报告的初步结果对各种利益相关者群体具有重要意义,包括监管机构、上市后监测团队、医疗保健对冲基金经理和第三方消费者权益团体。
2021-11-09 12:59:31 304KB Signal Detection Social
1
坎尼边缘平行 使用OpenMP,CUDA和OpenCL并行执行Canny Edge Detection算法。
2021-11-09 11:22:14 72.4MB C++
1
目标检测训练秘籍,Bag of Freebies for Training Object Detection Neural Networks.pdf
2021-11-08 23:00:45 6.39MB 目标检测
1
跌倒检测系统是一个Android应用程序,可帮助老人在突然跌倒的情况下立即提供医疗服务。 内置的移动传感器用于检测峰值和下降。 万一跌倒,需要立即帮助。.会通知最近的医院以及应用程序中添加的亲戚或重要联系人。
2021-11-08 15:08:37 26.7MB Java
1
Snort规则 描述 Snort 2和3规则很不错。 包括社区版和另一个Github存储库的快照克隆。 喷鼻息2 为了易于使用,该存储库已存储在snortrules-snapshot-2972.zip中。 还有公共版本的snort2-community-rules.tar。 喷鼻息3 社区规则的公共版本snort3-community-rules.tar。
2021-11-08 11:37:17 66.68MB ruleset snort intrusion-detection-system snort-rules
1
face_gui 项目介绍 该项目能够从给定的正面照片中,自动识别脸部区域,并对图像前景进行提取分割,然后替换背景,并按照证件照的规格进行规范化处理。一共由5个模块组成: 1. 头部局部照识别与截取模块设计 利用Vahid Kazemi 和 Josephine Sullivan提出的基于gradient boosting的回归树算法检测面部的68个关键点位置. 2. 图像前景分割 利用opencv中的grabcut方法对人脸周围区域进行分割,将人头和衣服等前景分离出来. 3. 证件照规范化 按照规格进行图片处理:分辨率:361×381,分辨率96dpi,位深度24,大小30k左右. 4. 背景替换 根据图片的背景颜色特征进行替换背景(蓝-红-白),如蓝背景变为红背景:将BGR图像转为HSV图像,蓝颜色H通道在78和110之间,然后转换通道将这些像素替换为(0,0,255)即可。 5. 界面
2021-11-08 00:03:52 902KB Python
1
Global-Wheat-Detection 比赛简介 比赛描述 为了获得有关全世界麦田的大量准确数据,植物科学家使用“小麦头”(包含谷物的植物上的穗)的图像检测。这些图像用于估计不同品种的小麦头的密度和大小。但是,在室外野外图像中进行准确的小麦头检测可能在视觉上具有挑战性。密集的小麦植株经常重叠,并且风会使照片模糊。两者都使得难以识别单头。此外,外观会因成熟度,颜色,基因型和头部方向而异。最后,由于小麦在世界范围内种植,因此必须考虑不同的品种,种植密度,样式和田间条件。为小麦表型开发的模型需要在不同的生长环境之间进行概括。当前的检测方法涉及一阶段和两阶段的检测器(Yolo-V3和Faster-RCNN),但是即使在使用大型数据集进行训练时,仍然存在对训练区域的偏倚。 The is led by nine research institutes from seven countries:
2021-11-07 09:52:27 15.1MB detection kaggle Python
1
美达斯 这是一种实现-边缘流异常检测,但是在Go中实现。 有关其工作原理的更多信息,请查看部分。 使用与安装 检出examples文件夹以获取详细说明 import ( "github.com/steve0hh/midas" "fmt" ) func main () { src := [] int { 2 , 2 , 3 , 3 , 5 , 5 , 7 , 11 , 1 , 2 } dst := [] int { 3 , 3 , 4 , 4 , 9 , 9 , 73 , 74 , 75 , 76 } times := [] int { 1 , 1 , 2 , 2 , 2 , 2 , 2 , 2 , 2 , 2 } // using function to score the edges midasAnormScore := midas . Midas ( src , dst
1
用c编写的图像的边缘检测,可作为样板利用,以便于为后续工作……
2021-11-06 18:33:49 168KB edge detection
1