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

真棒柜台维基 Awesome-Counter 是一个简单的 api，用于在 java 中创建线程安全计数器，这些计数器根据不同的策略（例如手动、基于时间间隔）重置。 它允许您使用根据策略（例如每天、每小时或每分钟）重置为 0 的命名计数器创建注册表。 最重要的是它是线程安全的，而且速度很快（希望是 :)）。 因此，它应该成为面向性能的 Web 应用程序的良好服务器端组件。 示例用法 - 保留特定应用程序/业务事件的计数器，用于在特定时间限制内重新获取特定阈值时进行日志记录、监控或警报，或者只是为了保持每分钟图表或用户与应用程序中的某个功能的交互或检查特定资源是否已使用超过其基于时间的限制并停止访问它。 以下测试片段应该有助于解释其用法： ResettableCounterRegistry registry = new ResettableCounterRegistry ();

Toou 2D-为方便使用而创建，为简单起见！ 由团队制作的Qt（快速）2D轻量级框架在下文中称为“ T2D”，使用其自己的接口规范编写，可免费用于商业软件和开源项目。 简洁的代码结构易于扩展和修改，完美考虑了应用程序的性能和动态性，解决了组件少，体积大，无主题包的问题。 T2D使用阈值非常低，无需深入研究就get it right away 。从核心代码到组件API的每个细节都经过精心设计，非常适合rapid development应用程序界面。 :::他的优势是什么 数十个组件可满足您不同的开发需求 支持动态库，静态库多模式编译 Qml插件无需任何环境设置即可自动安装 所有组件均支持主题功能 可以在INI文件中轻松配置主题 高效运行切换主题，无延迟 不使用Controls和Controls2的Toou2D可获得更好的性能 支持Font Awesome，Svg图标 丰富的Demo供学习和参考，T2D入门更容易 支持使用本地API文档和网络API文档 计划长期的开源路线是明确的，并且长期维护可以安全使用 继承Qt跨平台功能并遵循Qt语法规范 让我们一起创造美好的明天：） :::这些开

做前端的就不用说了。字体图标用的多。这不是免费版。大家懂的

很棒的持续学习/很棒的终身学习 持续学习的目的是让机器复制类似于人类的学习，使他们能够依次学习新的任务和观察结果，同时仍然能够保留从过去的经验中获得的知识。 以下是终身/连续/顺序/增量式机器学习领域的论文，博客，数据集和软件的列表。 内容 文件 理论与调查 基于梯度的神经网络中灾难性遗忘的实证研究。 （2013） 谈论神经网络中的遗忘问题和使用辍学的优势 连接主义网络中的灾难性干扰：顺序学习问题。 （1989） 最早的一篇介绍学习模块中遗忘概念的论文 神经网络的持续终身学习：回顾（2018年） 详尽的调查论文，介绍了持续学习或终生学习的不同方法 使记忆持久：突触标记和捕获假设。 （2011） 突触学习的神经科学观点 自组织神经模式识别机器的大规模并行体系结构（1989年） 讨论稳定性（保留过去知识的能力）和可塑性（快速学习新事物的能力）之间的权衡 终身机器学习（2016）

xd-awesome：社区创建的很棒的资源，用于扩展Adobe XD

Awesome-algorithm-interview 算法工程师(人工智能cv方向)面试问题及相关资料的网站收集 目录 网课 深度学习 面试 资料 代码实战 Pytorch 代码实战 Tensorflow 网课 C/C++ Python 竞赛/比赛 简历模板 其它 Algorithm Engineer 1. Github 算法/深度学习/NLP面试笔记 Github 算法工程师面试 Github 2019届秋招面经集合 Github 技术面试必备基础知识 Github AI算法岗求职攻略 Github (amusi) 面向视觉算法开发者的极市社区，微信公众号:极市平台CVMart Github 阿里、腾讯、百度、华为、京东、搜狗和滴滴最新面试题汇集 Github 「面试算法练级攻略」-「LeetCode题解」-「剑指offer题解」 Github MVision-awesome Gith

人体姿态估计代码

很棒的博客 这是一个博客站点，该站点使用Spring Cloud Netflix功能，以Kotlin作为主要服务器端语言以及使用Angular作为用户界面部分的微服务架构而设计。 客户端npm依赖项状态： 技术栈 具有Webflux / Reactor和Netty服务器的Spring Framework 5 Spring Boot 2.0 Spring Cloud Netflix 2.0 使用JWT的Spring Webflux安全 Kotlin 1.3 角度7 具有Kotlin脚本和jUnit 5的Gradle 5 码头工人 先决条件 节点8+ 纱 JRE 8+ 码头工人

Font_awesome使用1220.zip