该数据集分为两部分 JPEGImages是存放人像数据集的文件 SegmentationClass是经过二值化处理的标签文件

深度语义角色标签 该存储库包含用于训练和使用Deep SRL模型的代码，该代码在以下内容中进行了描述： 如果您使用我们的代码，请按以下方式引用我们的论文： @inproceedings {he2017deep， title = {深层语义角色标签：什么起作用，下一步是什么}， 作者= {他，鲁恒和李，肯顿和刘易斯，迈克和Zettlemoyer，卢克}， booktitle = {计算语言学协会年会论文集}， 年= {2017} } 入门 先决条件： python应该使用Python2。您可以使用virtualenv进行模拟。 点安装numpy pip install theano ==

1.使用Eclispe开发，jdk1.6+ 2.项目编码方式设置为"GBK"，请勿使用其他编码方式，以免出现乱码问题。 3.辞典文件放置在dict目录下，由"中文自然语言处理开放平台（http://www.nlp.org.cn）" 提供。 4.自然语言处理开放资源许可证 随代码一起发布。 5.算法参数使用《基于＜知网＞的词汇语义相似度计算》的实验参数，具体定义在类WordSimilarity中， 为私有静态常量，可根据需要自行修改。

为解决当前教育资源库在通用性和共享性的不足，结合CELTS元数据标准，利用本体技术设计了一个语义化的教育资源本体库。参照元数据标准构建教育资源本体，对学科领域知识进行语义分析和关联构建学科知识本体，对教育资源实例做语义标注，并通过推理机Jena实现了本体推理和查询。为教育资源库的语义搜索及智能服务奠定基础。

flink-kafka-hbase 功能：实现kafka消息实时落地hbase，支持csv/json字符串两种格式的消息，支持自定义组合rowkey,列簇和列名，支持按照kafka消息流中不同字段join不同的hbase表，并自定义写入列簇和列(join时需评估一下性能) 支持at least once语义 外部依赖：apollo配置中心，本项目依靠配置驱动，配置存储在apollo配置中心 配置： { "indexColumnMapping": { --indexColumnMapping即CSV格式消息的key和value按照value里的分隔符拼接后再分割后下标及写入hbase列的对应关系 "0": "basic:time", --第0列始终是kafka消息的key，如果不需要可以不指定 "1": "basic:user_id",

MATLAB车牌识别（语音播报，库外判别，计时计费，雾霾车牌，绿色新能源车牌，车牌语义查询是亮点）

视频图matlab代码KITTI数据集上的InEKF本地化和语义映射 这是我们针对EECS 568：移动机器人：方法和算法的最终项目git存储库。 我们的项目是在KITTI数据集上的InEKF本地化和语义映射。 您可以观看我们的程序的最终演示视频，该程序是使用KITTI本地化和构建地图的。 您可以找到我们的最终报告。 这些说明将为您提供在本地计算机上运行的项目的副本。 左InEKF本地化 点击查看完整视频 先决条件 的MATLAB 由于我们的代码是用MATLAB编写的，因此您可以在任何OS平台上运行我们的程序。 运行本地化程序 首先，您需要使用我们的左不变EKF生成轨迹。 为此，请编辑InEKF_Main.m第5行，以将其输入输入数据集文件夹名称。 例如，对于数据集0009 ，代码行应如下所示： filename = '2011_09_26_drive_0079_sync'; 之后，只需运行InEKF_Main.m ，它将在SE3中的姿势保存为.txt文件中的12乘1矢量。 文件的名称将是“ poses.txt”附加的数据集的名称。 例如，由文件夹2011_09_26_drive_00

当使用体积图像进行深度学习时，标记数据是一个很大的挑战。 在放射治疗领域，从CT图像中，提取人体、器官、GTV等各个区域作为区域数据，并存储在DICOM RT的RT-Structure中。 这些数据主要用于计划治疗，但我们也可以使用它们作为标签数据来加速深度学习工作流程。 通过此演示，您可以了解如何将 RT-Structure 数据转换为标签数据，并使用它们在 MATLAB 上训练 3D UNet（语义分割）模型。 [日本人]医学图像 3D 深度学习的主要挑战是标记复杂且耗时。在放射治疗领域，人体、器官、肿瘤等被定义为所拍摄的 CT 图像的区域，并由 DICOM RT 的 RT-Structure 管理。这些是为治疗计划而创建的，但提取的区域数据也可以用作深度学习的标签。在此演示中，您可以转换 RT-Structure 数据以用于深度学习并学习流程，直到将其用于学习 3D UNet。

CSC 是一个自主研制的软件系统, 核心是一个中文语义词库。该版本可查阅将近 23 万中文词语、27 万以上义项的同义、分类、反义等方面的语义信息, 其中含有超过 50 种关系类型、超过 250 万个关系实例, 15 万以上的词语或义项带有同义词。整个词库呈现为比较复杂的网络结构, 并带有多种检索手段和显示方式。该词库也是一种较简化的知识本体或知识库, 有类似著名英文词库 WordNet 的用途, 可作为智能搜索、自然语言处理等领域的辅助资源。这里是 EXE 版。请注意不是文本形式, 且在有的版本的系统中可能有时不太稳定。

这是我本科编译原理课上完成的实验(C语言编写)，文件打包了从词法分析、语法分析到语义分析的代码，使用codeblock编写。