YOLO3D-YOLOv4-PyTorch 本文基于YOLOv4的PyTorch实现： 演示版 输入：鸟瞰图（BEV）地图，由3D LiDAR点云的高度，强度和密度编码。 输入尺寸： 608 x 608 x 3 输出：7度的对象的自由（7- DOF）的： (cx, cy, cz, l, w, h, θ) cx, cy, cz ：中心坐标。 l, w, h ：边界框的长度，宽度，高度。 θ ：包围盒的航向角，以弧度为单位。 对象：汽车，行人，骑自行车的人。 特征 基于YOLOv4的实时3D对象检测 支持 张量板 镶嵌/切口增强训练 2.入门 2.1。 要求 pip install -U -r requirements.txt 有关和库的信息，请参阅其官方网站上的安装说明。 2.2。 资料准备 从下载3D KITTI检测数据集。 下载的数据包括： Velodyn

matlab股票预测代码#prediction 文件夹包含使用 LSTM 神经网络实现股票市场波动率预测。 Keras 用作 Tensorflow 后端的包装器。 #run cd 预测 python run.python #detection 文件夹包含使用离散信号处理的异常时间序列检测的实现。 使用Matlab脚本语言来实现。 #run #用matlab打开脚本（deect_anomaly.m），点击按钮run #from命令行 matlab -nodesktop -nosplash -r "detect_anomaly" #litigation-classifier-and-visualizations 文件夹包含大量非结构化数据（例如诉讼）处理、#classification 和可视化的代码。

学习语言 这是一个Java应用程序，专用于处理语音以改善语音。 它需要两个WAV音频文件，对它们执行过滤器，并使用傅立叶变换创建频谱图。 然后，我们在解释为图像的每个频谱图上运行斑点检测算法，这将从图像中提取有价值的特征，并利用该信息简化频谱图数据。 现在，我们将简化的每个频谱图输入为一个矩阵，并将它们相互比较。 运行Java应用程序 要运行LearnLanguage，请下载整个Java项目并将其导入Eclipse。 或仅下载src文件夹，然后包含commons-math3-3.6.1和org.apache.commons.io库。 项目的main过程在默认包中。 您可以在此项目中找到的东西 用Java编写的带通滤波器。 该代码基于的Buttherworth带通滤波器算法。 使用 GitHub项目中的Fourier变换构建频谱图。 使用处理库用Java编写的Blob检测算法。

实现的方法是： Lee、Suzanne S. 和 Per A. Mykland。 “金融市场的跳跃：新的非参数检验和跳跃动力学。” 金融研究评论 21.6 (2007): 2535-2563。

本文对基于深度学习的异常检测的研究方法进行了系统全面的综述。此外，还回顾了这些方法对不同应用领域异常的应用，并评估了它们的有效性。

Histograms of Oriented Gradients for Human Detection，HOG，梯度方向直方图

yolov5_FaceMask：检测带有或不带有口罩的人。 使用YOLOv5训练

入侵侦测系统 我已经尝试了IDS 2017数据集的一些机器学习和深度学习算法。 数据集的链接位于： : 。 通过将星期一作为训练集，并将其余csv文件作为测试集，我尝试了一种SVM和深度CNN模型来检查其工作原理。 在这里，星期一数据集仅包含常规数据，其余时间包含常规数据和受攻击数据。

python基于face_detection库人脸识别demo（可以编译成exe）gui用的是pyqt5

这是一份bpsk循环谱的文件，这里介绍了FAM和SSCA两种算法 文章后面有代码 自己拷贝