来自github的zllrunning的face-parsing.PyTorch项目，这个是此项目的预训练模型（pre-trained model）, 原链接是放在google drive的... 当用于Simswap的时候, 请把这个文件解压缩后放进目录：./parsing_model/checkpoint/

SubC：SubC编译器之旅

解决我 用于解析和解析数学表达式的C＃.NET Core解决方案。 项目具有由扩展Backus–Naur形式定义的自己的表达上下文无关语法。 语法是使用Amy库的解析器。 实际版本支持： 运算符+，-，*，/，^，％ 函数：sin，cos，argsin，argcos，tan，argtang，logx，ln，min，max，sum，avg 变量：PI，e， 递归函数的使用sin(cos(sin(cos(0.1)))) 自定义上下文 以令牌返回表达式 以令牌后缀表示法返回表达式 使用自定义类型作为结果或函数参数 以及更多.. 如何使用它 只需使用，只需创建MathCalculator类

nginx错误日志解析器 用于解析和创建用于nginx错误日志的结构化json的简单工具。 它还实现了对日志的解析，实现更好的日志记录和WAF实施。 为什么 因为Nginx本机不支持JSON格式的error_log。 下载 使用下载最新的二进制文件 准备 为了实现更好的实现，请考虑以下步骤： 编译nginx 增加NGX_MAX_ERROR_STR对像20480较大值编译过程。 PHP-FPM 如果使用PHP FPM，则将fpm config上的log_limit 增加到1048576以增加换行。 用法 ./nginx-error-log-parser -h JSON结构 带有结构化JS

Parsing Techniques, 2nd Edition_含目录.pdf， 带目录的版本

Esprima （ ，BSD许可证）是一种高性能的，符合标准的解析器，使用ECMAScript（也称为 ）。 Esprima由在的帮助下创建和维护。 产品特点 完全支持ECMAScript 2018（ ） 标准化的明智 对实验支持，这是的语法扩展 可选跟踪语法节点的位置（基于索引和行列） （约1500个具有） API Esprima可用于执行JavaScript程序的（标记化）或（分析）。 关于Node.js REPL的一个简单示例： > var esprima = require ( 'esprima' ) ; > var program = 'const answer = 42' ; > esprima . tokenize ( program ) ; [ { type : 'Keyword' , value : 'const' } , { type : 'Identifier' , value : 'answer' } , { type : 'Punctuator' , value : '=' } , { type : 'Numeric' , value

libcitygml：用于CityGML解析和可视化的C ++库

parsing

本文基于Perceptron算法的过渡方法，对现代哈萨克语阿拉伯文字的句法分析进行了研究。 传统的哈萨克语语法分析技术通常对单个任务（例如词性（POS），块和句法分析）进行分层和顺序分析，并通过其本地状态最佳模型独立地分析每个任务。 本文介绍了一种使用感知器模型进行训练的哈萨克解析系统，并使用Beam-Search算法进行解析的平移归约法进行解码。 我们使用平均感知器代替传统感知器模型来解决过度拟合的问题。 由于联合模型的搜索空间是每个任务的搜索空间的乘积，即固定列值B与动态列值的乘积，因此改进了Beam-Search解码算法，提高了搜索空间的准确性。 另外，设计奖励函数以减少波束搜索解码算法在搜索时修剪掉最佳结果的风险，从而提高结果的准确性。 由于语法分析是哈萨克语言处理的重要组成部分，因此它们是语义分析，机器翻译以及哈萨克语言中许多其他应用程序的基础任务。

免责声明 这是的经过修改的存储库。 请参阅原始存储库以获取更多详细信息。 联合身体分析和姿势估计网络（JPPNet） 梁晓丹，龚科，沉和林亮，“观察人：联合的身体分析和姿势估计网络和一个新的基准”，T- 介绍 JPPNet是人类解析和姿态估计建立在之上的国家的艺术深度学习方法 。 这个新颖的联合人类解析和姿态估计网络在端到端框架中结合了多尺度特征连接和迭代位置细化，以研究有效的上下文建模，然后实现彼此互利的解析和姿态任务。 这个统一的框架为人类分析和姿势估计任务实现了最先进的性能。 此发行版为T-PAMI 2018接受的中报告的关键模型成分提供了一个公开可用的实现。我们通过探索一种新颖的