使用 OpenCV 和 Python 检测两个图像的相似程度 基于SIFT算法，包括代码和数据

在 Jupyter Notebook 上用 Python 实现多元线性回归，包括源代码和数据，以供大家学习参考使用.

论文“"Deep Photo Style Transfer"的代码和数据

如果你对大数据和数据挖掘感兴趣，这是你最好的选择。Machine Learning with R （官方代码和数据），我从事大数据，看的书中，这真心不错。

物体检测模型SSD的源码，包括数据、代码、训练模型。环境：Python3.8； pytorch1.5。

流数据分析之地理围栏应用的范例代码和数据，流数据设置地理围栏的相关配置和可视化效果展示

裂纹分割 在这里，我提出了针对路面和混凝土材料的裂纹分割问题的解决方案。 在本文中，我描述了我尝试使用的方法，数据集并演示了结果。 我的方法基于UNet网络，并在两种流行的体系结构上学习迁移：VGG16和Resnet101。 结果表明，在实际情况中可能发生的各种情况下，大型的裂纹分割数据集有助于提高模型的性能。 内容 推理结果预览 以下是几个测试用例的结果。 有关更多测试案例的结果，请参见./test_results文件夹下的图像。 概述 裂纹分割是结构研究中的重要任务。 例如，在桥梁调查项目中，控制对象完成工作以使其在桥梁周围飞行以拍摄不同桥梁表面的图片。 然后，计算机将对图片进行处理，以检测桥梁表面上可能被损坏的潜在区域。 模型越准确，处理这些图像所需的人工就越少。 否则，操作员将不得不检查每个图像，这很无聊且容易出错。 此任务中的一个挑战是该模型对噪声和其他物体（例如裂缝上的苔藓，标

使用CNN功能进行图像匹配 概述 针对深度遥感影像在成像方式，时间相位，分辨率等方面的差异难以匹配的问题，提出了一种新的深度学习特征匹配方法。 结果表明，该算法具有较强的适应性和鲁棒性，在匹配点的数量和分布，效率和适应性方面均优于其他算法。 该存储库包含以下文件的实现： "A Heterogeneous Remote-Sensing Image Matching Method Based on Deep Learning Feature" （in Chinese） 一种基于深度学习特征的异源遥感影像匹配算法 该存储库中特征提取的主要思想和代码均基于 。 匹配结果： 谷歌地球图像之间的匹配结果（2009年和2018年） 无人机光学图像与红外热像的匹配结果 SAR图像（GF-3）与光学卫星（ZY-3）图像的匹配结果 卫星图与地图的匹配结果 入门： 建议使用Python 3.7+来运

knn手写数字识别（代码和数据）

盛大 这是论文的代码：用于图的半监督学习的图随机神经网络[ ] 如果您认为我们的工作对您有帮助，请引用我们的论文： @inproceedings{feng2020grand, title={Graph Random Neural Network for Semi-Supervised Learning on Graphs}, author={Wenzheng Feng, Jie Zhang, Yuxiao Dong, Yu Han, Huanbo Luan, Qian Xu, Qiang Yang, Evgeny Kharlamov, Jie Tang}, booktitle={NeurIPS'20}, year={2020} } 要求 的Python 3.7.3 请通过pip install -r requirements.txt安装其他程序包 使用范例 在Cor