这个部分包含了19篇cross-module ReID 和1篇人脸识别的paper及阅读笔记，从2017-2020目前能找到的所有的跨模态RdID 文章，方便大家使用

联合会 cvAUC R软件包提供了一种计算有效的方法，可以估计ROC曲线（AUC）估计值下交叉验证的面积的置信区间（或方差）。 在二元分类问题中， 通常用于评估预测模型的性能。 通常，它与相结合，以评估结果如何推广到一个独立的数据集。 为了评估交叉验证的AUC估计的质量，我们获得其方差的估计。 对于海量数据集，生成单个性能估计的过程在计算上可能会很昂贵。 另外，当使用复杂的预测方法时，即使在相对较小的数据集上对验证模型进行交叉验证的过程仍然需要大量的计算时间。 因此，在许多实际情况下，是方差估计的一种计算上难以处理的方法。 作为引导程序的替代方法，可以使用基于计算效率的的方法来获得交叉验证的AUC的方差估计。 该软件包的主要功能是ci.cvAUC和ci.pooled.cvAUC ，它们报告交叉验证的AUC并分别基于和影响曲线来计算交叉验证的AUC估计的置信区间。 使用基于影响曲线的置

使用YApi，在线调取接口时，需要在谷歌浏览器安装插件。解压之后，将cross-request.crx文件拖到谷歌浏览器的扩展程序页面，确认即可。

qpolarssl：一个薄的Qt5c ++ 11包装器，包裹着梦幻般的mbedtls（aka Polarssl）密码库

Twitter情绪分析 这是一种自然语言处理问题，其中通过使用机器学习模型对消极消息中的消极消息进行归类来进行情感分析，以进行分类，文本挖掘，文本分析，数据分析和数据可视化 介绍 如今，自然语言处理（NLP）成为数据科学研究的温床，而NLP的最常见应用之一就是情感分析。 从民意测验到制定完整的营销策略，该领域已完全重塑了企业的运作方式，这就是为什么这是每个数据科学家都必须熟悉的领域。 与一组人手动完成相同任务所需的时间相比，可以在几秒钟内处理成千上万个文本文档的情感（以及其他功能，包括命名实体，主题，主题等）。 我们将按照解决一般情感分析问题所需的一系列步骤进行操作。 我们将从预处理和清理

cross-2.95.3.tar.bz2

Complement-Cross-Entropy:具有互补交叉熵的不平衡图像分类（Pytorch）

种类 介绍 SORT是Simple Open-source Ray Tracing的缩写，是我的个人跨平台光线跟踪渲染器。 它是一个独立的光线跟踪程序，在Blender中作为渲染器插件很好用。 与其他开源射线跟踪器（如PBRT，luxrenderer）类似，SORT也是基于物理的渲染器。 但是，由于这是我在业余时间从事的一个单独项目，因此与同行相比，它要简单得多。 这只是SORT的简要介绍。 有关更多详细信息，请查看。 特征 这是到目前为止实现的功能： 积分器。 （Whitted射线跟踪，直接照明，路径跟踪，光跟踪，双向路径跟踪，即时光能传递，环境光遮挡） 空间加速结构。 （OBVH，QBVH，BVH，KD-Tree，均匀网格，OcTree） BXDF。 （迪士尼BRDF，Lambert，LambertTransmission，Oran Nayar，MicroFacet反射，Mic

CSRF（英语：Cross-site request forgery）浅析.md

Matlab的耳语反向交叉熵训练 反向交叉熵训练（RCE）是一种新颖的训练方法，它可以学习更多区分特征的表示形式以检测对抗性示例。 技术细节在以下内容中指定： （NeurIPS 2018） 庞天宇，杜超，董银鹏和朱俊 训练 我们提供有关MNIST和CIFAR-10的培训代码。 我们的代码基于。 先决条件： 安装TensorFlow 1.9.0（Python 2.7）。 下载/数据集。 如何运行： 使用RCE在MNIST上训练ResNet-32的示例： python train.py --train_data_path= ' mnist_dataset/data_train.bin ' \ --log_root=models_mnist/resnet32 \ --train_dir=models_mnist/resnet32/train \ --dataset= ' mnist ' \ --num_gpus=1 \ --num_residual_units=5 \ --mode=train \ --Optimizer= ' mom ' \ --total_steps=20000 \ --