微笑抽屉 当前版本:1.2.0( ) 如果您使用此代码或应用程序,请引用《化学信息与建模杂志》上发表的原始论文: ###兼容性支持所有当前版本的主要浏览器,并且已在以下浏览器(版本)上测试了该应用程序: Chrome(68.0.3440.106) Firefox(61.0.1) 边缘(42.17134.167.0) Internet Explorer 11 Safari(10.1.2) SmilesDrawer也应该在所有这些浏览器的较旧版本上运行,如果您在较旧的浏览器上遇到任何问题,请打开一个问题,它将进行测试。 例子 使用光主题的例子可以发现,而另一个则是使用黑暗的主题,可以发现。 SmilesDrawer的颜色是完全可配置的。 显示来自不同数据库的分子的示例: 实验室 在这里可以找到一个非常简单的JSFiddle示例。 此示例显示SmilesDrawer.app
2024-05-13 14:48:49 2.09MB JavaScript
1
详细讲解了旋度与散度,看完之后概念上清楚了许多
2024-05-13 11:33:37 2.34MB
1
卡尔曼滤波
2024-05-13 11:23:27 2KB 卡尔曼滤波
1
fbx查看器 屏幕截图 用法 先决条件 武尔坎 该查看器要求Vulkan在计算机上可用。 关于Vulkan,请参见此页面: 。 作业系统 开发人员在Linux机器上测试了查看器。 该查看器未在Mac和Windows上进行测试。 如果您的平台上发生了一些问题,请随时报告。 推荐资源 用作测试文件。 使用这些FBX文件,查看器运行良好(可能不太理想)。 运行查看器 运行以下命令: $ cargo run -- PATH_TO_FBX_FILE.fbx 对于想调试的人: $ RUST_LOG=fbx_viewer=trace RUST_BACKTRACE=1 VK_INSTANCE_LAYERS=VK_LAYER_LUNARG_standard_validation cargo run -- PATH_TO_FBX_FILE.fbx 移动相机 移动 0 :重设相机位置。 W
2024-05-13 10:00:47 404KB rust Rust
1
项目描述请参见:https://handsome-man.blog.csdn.net/article/details/116572729 通过使用图像形心和质心计算某种皮肤细胞图像形心的例子理解图像形心和质心的应用方法。 项目可直接运行~
模型加载工具,包括打开fbx文件,动态加载和显示
2024-05-13 09:01:48 187.03MB
1
包括了用于将VOC格式标签转化为yolo格式标签的python脚本,生成训练集、验证集和测试集的python脚本,YOLOv8配置文件,以及训练所有子集的python脚本
2024-05-12 22:53:11 11KB
1
bmp图像处理软件的和实现大学学位论文.doc
2024-05-12 21:40:52 6.92MB
1
使用说明 分对话系统和机器翻译两部分 data为数据集 model为训练的模型 translation文件夹下又分了Seq2Seq和transformer两个模型,大家按需查看使用 以transformer文件夹为例,attention.py主要实现了注意力机制,transformer.py实现了transformer的主体架构,data.py为数据的预处理以及生成了词典、dataset、dataloader,readdata.py运行可以查看数据形状,train.py为训练模型,predict.py为预测,config.py为一些参数的定义。 transformer机器翻译的模型是用cuda:1训练的,如果要使用可能需要修改代码 如:gpu->cpu,即在CPU上使用 torch.load('trans_encoder.mdl', map_location= lambda storage, loc: storage) torch.load('trans_decoder.mdl', map_location= lambda storage, loc: storage)
1
这个基于深度学习的人脸实时表情识别项目是一个集成了TensorFlow、OpenCV和PyQt5等技术的创新性应用。通过结合这些先进的工具和框架,项目实现了对五种主要表情(愤怒、高兴、中性、悲伤、惊讶)的实时识别,为用户提供了一种全新的交互体验。 在这个项目中,TensorFlow作为深度学习框架发挥了重要作用,通过训练深度神经网络模型来识别人脸表情。OpenCV则负责处理图像数据的输入和输出,实现了对摄像头采集的实时视频流进行处理和分析。而PyQt5作为用户界面库,为项目提供了友好的图形用户界面,使用户能够方便地与系统进行交互。 通过这个项目,用户可以在实时视频流中看到自己的表情被准确地识别出来,无论是愤怒、高兴、中性、悲伤还是惊讶,系统都能给予及时的反馈。这不仅为用户提供了一种有趣的玩法,也具有一定的实用性。例如,可以将这个系统集成到智能监控系统中,实时监测员工或学生的情绪状态,及时发现异常情况。 由于该项目在Python 3.7下进行了充分测试,因此具有较高的稳定性和可靠性。同时,项目采用了模块化设计和易部署性的原则,使得用户可以轻松地部署和运行这个系统。
2024-05-12 21:00:12 13.37MB 人脸检测 表情识别
1