awesome-telegram-cn：电报开发资源，机器人资源整理

说到h5的翻页，很定第一时间想到的是swiper。但是我当时想到的却是，vue里边怎么用swiper？！ vue-awesome-swiper就是其中一个前辈们产出的结晶。就看首尾两个单词，就知道他是vue和swiper的爱情之子了。 vue-awesome-swiper官网是中文文档，妈妈再也不用担心我读api啦。“基于 Swiper4、适用于 Vue 的轮播组件”。在产品催着进度的紧张环境下，在四处搜寻解决方案的情况下，这句话简直发着光啊。 具体怎么用，官方文档写的很清楚，但我还是想记录下来，好再普及一波。 一、天才第一步，这里没有纸尿裤（(⊙﹏⊙) 好像暴露了年龄…） 准备一个基于vue

matlab多元参数非线性回归模型代码很棒的社区检测研究论文 包含实施的社区检测文件的集合。 关于，，和具有实现的论文的相似集合。 目录 因式分解 用于图聚类的Gromov-Wasserstein分解模型（AAAI 2020） 徐洪腾 具有自动聚类的图形嵌入（ASONAM 2019） Benedek Rozemberczki，Ryan Davies，Rik Sarkar和Charles Sutton 一致性遇到不一致：用于多视图集群的统一图学习框架（ICDM 2019） 梁有为，黄东和王昌东 GMC：基于图的多视图聚类（TKDE 2019） 王浩，杨艳，刘冰 基于嵌入的Silhouette社区检测（Arxiv 2019） 布拉兹·斯克里（BlažŠkrlj），扬·克拉里（Jan Kralj），纳达·拉夫拉奇（NadaLavrač） 知识图增强社区检测和表征（WSDM 2019） Shreyansh Bhatt，Swati Padhee，Amit Sheth，Keke Chen，Valerie Shalin，Derek Doran和Brandon Minnery 离散最优图聚类（IEEE

matlab频谱分析代码令人敬畏的光谱 :rainbow: 光谱学真棒软件的协作列表。 随意地 内容 查找光谱软件的其他方法： 探索标记有“ spectroscopy”的GitHub软件包。 与该列表部分重叠，但以略有不同的格式显示选项。 天体物理学与天文学光谱 生成或分析天体物理学/天文学光谱 ：基于CHIANTI原子数据库的python程序包，用于计算天体等离子体的辐射特性 ：用于行星外大气层的GPU加速辐射传输代码 ：包装的光谱模块，用于多种技术的天文数据 ：适用于各种天文仪器的python光谱工具包。 ：：用于天文学光谱分析的Python软件包 ：来自包装的关于太阳物理学的无线电频谱 ：该项目的光谱软件包 大气光谱 大气光谱，具有视线 （软件）：用于计算大气光谱的Python代码（HITRAN，Geisa） ：贝叶斯大气辐射传递拟合代码 （软件）：Fortran逐行代码 （软件）：中等分辨率大气TRANsmission的软件 ：LOWTRAN大气吸收的消光，散射和辐照度模型（在Python和Matlab中） （软件）：逐行计算大气通量和冷却速率 （软件）：C / Fortran函数和程序，用于

font awesome pro v5.14

Font Awesome 字体为您提供可缩放矢量图标,它可以被定制大小、颜色、阴影以及任何可以用CSS的样式。

awesome_face_antispoofing_celeb 这是一个单镜头反欺骗项目。 深度学习框架是Pytorch。 使用Python3.5。 数据 CelebA-Spoof [ECCV2020]大规模面部反欺骗数据集 预处理数据 训练数据：实时裁剪示例： 052210_crop.jpg ，欺骗裁剪示例： 474951_crop.jpg ，在make_crop_image.py编辑这些图像的make_crop_image.py ， require_dataset_crop.py 测试数据：实时裁剪示例： 498269_crop.png ，欺骗裁剪示例： 495026_crop.png ，在make_crop_image.py编辑这些图像的make_crop_image.py ， require_dataset_crop.py 在CelebA-Spoof-EDABK / dat

awesome-sdn-security：SDN安全相关资源的集合

很棒的增量学习/终身学习 民意调查 图像分类中的在线连续学习：一项实证调查（ arXiv 2020 ）[] [] 自然语言处理中的持续终身学习：一项调查（ COLING 2020 ）[] 班级增量学习：调查和绩效评估（ arXiv 2020 ）[] [] 视觉任务的类增量学习算法的综合研究（神经网络）[] [] 持续学习调查：在分类任务中避免遗忘（ TPAMI 2021 ） [ ] 神经网络的持续终身学习：回顾（神经网络）[论文] 文件 2021年 区分性和生成性持续学习的有效特征转换（ CVPR，2021年）[论文] 借助不断发展的分类器进行少量增量式学习（ CVPR，2021年）[论文] 基于矫正的持续学习知识保留（ CVPR，2021年）[论文] DER：用于班级增量学习的动态可扩展表示形式（ CVPR，2021 ）[论文] 彩虹记忆：通过多种样本记忆进行持续学习（

图像增强，色彩校正/恢复 EUVP数据集：，，。 （已配对和未配对的数据； FUnIE-GAN） 水下图像网：，，。 （配对数据； UGAN） UIEBD数据集：，，。 （水网） SQUID数据集： ，，。 （水下-HL） U-45：，。 （UDAE） RUIE基准：，纸张。 （RUIE-Net） 牙买加皇家港口：数据，纸张，代码。 （水甘） 虚拟潜望镜：数据，纸张。 颜色校正： 数据。 颜色恢复： 数据，纸张，代码。 TURBID数据：数据，纸张。 OceanDark数据集：数据，纸张。 SISR：单图像超分辨率 USR-248：数据，纸张，代码。 （用于2x，4x和8x训练； SRDRM，SRDRM-GAN） SESR：同时增强和超分辨率 UFO-120：数据，纸张，代码。 （用于2倍，3倍和4倍SESR和显着性预测；深度SESR） 图像分割 SUIM：数据