使用PyTorch进行深度排序 更新（1-1-2020） 变化 修正错误 重构代码 通过在gpu上添加nms来进行准确检测 最新更新（07-22） 变化 错误修复（感谢@ JieChen91和@ yingsen1进行错误报告）。 使用批处理为每个帧提取特征，这会导致速度提速。 代码改进。 进一步的改进方向 在特定数据集而不是官方数据集上训练检测器。 在pedestrain数据集上重新训练REID模型以获得更好的性能。 将YOLOv3检测器替换为高级检测器。 欢迎对此存储库做出任何贡献！ 介绍 这是MOT跟踪算法深度排序的一种实现。 深度排序与排序基本相同，但深度CNN模型添加了CNN模型以提取受检测器限制的人体部位图像中的特征。 这个CNN模型确实是一个RE-ID模型， 使用的检测器是FasterRCNN，原始源代码是 。 但是，在原始代码中，CNN模型是使用tensorf

这是 H. Enzinger、K. Freiberger 和 C. Vogel 在 IEEE 电路和系统国际研讨会上发表的论文“射频功率放大器的联合线性效率模型”中提出的模型的实现(ISCAS), 2016。论文可从以下网址下载： www.researchgate.net/publication/290446251

要安装依赖项，请运行：pip install -r requirements.txt 要绘制一个点阵实例化一个绘图对象，参数包括： N- size of lattice B- strength of magnetic field (default is zero) start- low(cold) or high(hot) start (default is low) inc- size of increments in plots (default is 0.01) x0- starting point of plots (default is 1) x1- final point of plots (default is 5) steps-number of steps (default is 50000) T - Temperature (default is 1) 一些展示程

5G愿景与需求白皮书.pdf

ssd_mobilenet_v1_0.75_depth_300x300_coco14_sync_2018_07_03.tar包含训练的权重文件，可直接下载使用

航班恢复模型 2017年中国研究生数学建模竞赛C题源码及实验结果

大家可以不用下其他任何资源下的这本书的英文版了, 尤其是坑爹的要46个积分的单版本, 我这里的英文版是最全的版本, 并且是卷1,2,3都包含的. 这本书非常经典, 真的很值得大家下载和分享

新型 IBM System Storage:trade_mark: TS3200 磁带库可为中型开放式系统环境提供高容量及高性能技术。TS3200 磁带库是一种外置 4U 独立式或机架安装式设备，该设备将两个线性 Tape-Open:trade_mark: (LTO) IBM TotalStorage:registered: Ultrium 3 磁带驱动器与比上一代 IBM LTO Ultrium 2 磁带驱动器更高的驱动器性能进行了完美结合。其具有高达每驱动器 80Mbps 的本地数据速率。

特斯拉 Model Y 热泵装置设计

通过Python移植PRNU提取器和帮助器功能 作者 卢卡·邦迪（ ） 保罗·贝斯塔吉尼（Paolo Bestagini）（ ） 尼古洛·博内蒂尼（ ）（ ） 用法 参见example.py 测试 cd test python -m unittest test_prnu.TestPrnu 使用Python> = 3.4测试 学分 宾厄姆顿大学的参考MATLAB实施： ：