R-CNN, Fast R-CNN, Faster R-CNN一路走来，基于深度学习目标检测的流程变得越来越精简，精度越来越高，速度也越来越快

这个PPT主要是以比较的方式来学习Teradata和Oracle，了解两种数据库的共同点和区别

用python编程语言，用OpenCV实现以下功能： 1.图像采集、输入和显示 2.软件界面的搭建 3.在界面上实现： （1）原图像显示 （2）处理结果图像显示 （3）处理功能按钮 4.功能包括：canny边缘检测，角点检测（界面分别显示自己所写算法处理结果和OpenCV的算法处理结果，做对比）。

Postgresql数据库高可用解决方案 基于pg内部复制流高可用pgpool与keepalived -by numpy QQ:598546998

对比对象蒙版提案的无监督语义分割 此回购包含我们论文的Pytorch实现： ， ， 和 。 :trophy: SOTA用于无监督的语义分割。 有关更多信息，请查看基准的网站。 内容 介绍 在没有监督的情况下，能够学习图像的密集语义表示是计算机视觉中的重要问题。 然而，尽管它具有重要意义，但这个问题仍未得到很好的探索，只有少数例外考虑了在具有狭窄视觉域的小规模数据集上的无监督语义分割。 我们首次尝试解决传统上用于监督案例的数据集（例如PASCAL VOC）上的问题。 为了实现这一点，我们引入了一种新颖的两步框架，该框架在对比优化目标中采用预定的先验知识来学习像素嵌入。 此外，我们讨论了具有包含有关对象或其部分信息的先验的重要性，并讨论了以无监督方式获得此类先验的几种可能性。 特别是，我们在将像素组合在一起之前采用中级视觉效果，并对比所获得的对象蒙版Kong眼。 因此，我们将方法命名为MaskCon

CS理论的matlab程序OMP等算法对比实现，MATLAB程序实现，经过测试完全可以运行，包括OMP/StOMP/BP等基本算法的对比。

Horizon与 Citrix XenDesktop 对比分析.pdf

我们封装了腾讯云慧眼人脸核身，提供各类认证功能模块，包含证件 OCR 识别、活体检测、人脸1:1对比等。微信/电话：185699405988

SupContrast：有监督的对比学习本文档以CIFAR为例说明了PyTorch中以下论文的参考实现：（1）有监督的对比学习。 论文（2）一个简单的Fr SupContrast：有监督的对比学习本文档以CIFAR为例说明了PyTorch中以下论文的参考实现：（1）有监督的对比学习。 论文（2）视觉表示对比学习的简单框架。 纸张损失功能loss.py中的损失函数SupConLoss以要素（L2标准化）和标签为输入，并返回损失。 如果标签为None或未传递给它，则它会退化为SimCLR。 用法

通过本实验的学习，使学生了解相关智能算法基础知识，掌握利用智能 算法进行函数寻优的算法流程．选择两个复杂函数，利用两种智能算法分别对他们求最值，并比较两种算法寻优 包含实验报告和实验代码