该文档是基于频率调谐显着区域检测的相关代码，代码来自2009年CVPR的一篇经典文章 Frequency-tuned Salient Region Detection

Feature Pyramid Networks for Object Detection.pdf

radar-target-generation-and-detection.rar

检测汽车 该项目是一篇硕士论文，包括对使用Python和OpenCV API检测汽车和公路线的调查。 该代码可供任何希望使用和修改的人免费使用。 ## UTPL ###教授： 罗德里戈·巴尔巴（Rodrigo Barba） ＃＃＃学生们： 马塞洛·布拉沃（Marcelo Bravo） Galo Celly 尼古拉斯·厄利（Nicholas Earley） 系统要求 i3或更好的处理器。 速度越快越好，尤其是在高视频分辨率下。 2 GB或更多RAM。 至少100 MB可用磁盘空间 Windows 7或更高版本，OS X 10.8或更高版本（仅在10.9上经过测试），Linux 3.0+ 安装 首先，应该安装以下库： 版本2.4.10+ 2.7.9（或任何更高版本的Python 2.x）（） 1.9.2+ 0.15.1+ 现在，使用以下选项之一下载并解压缩此存储

三星伺服电机资料

Effects of Second-Order Matched Stochastic Resonance for Weak Signal Detectiong

学习CRC算法的国外经典资料。英文的A_PAINLESS_GUIDE_TO_CRC_ERROR_DETECTION_ALGORITHMS

本文在系统地整 理分析了人脸检测领域内的相关文献之后，从速度的角度将人脸检测的各种算法大致划分为 初始期，发展期，转折点和综合期等四类，并在此基础上进行了全新的总结和论述，最后给 出了人脸检测研究的一些可能的发展方向。

数据集包含以yolo格式包含图像以及txt文件。数据集包含与面罩有关的数据。 Face Mask Detection(Images with YOLO Format)_datasets.txt Face Mask Detection(Images with YOLO Format)_datasets.zip

异常检测-KDD99-CNNLSTM 这是一个使用三个模型开发的项目，用于对KDD99数据集上的倾斜数据包进行分类。 使用了三层：KNN，CNN + LSTM和随机森林分类器。 该项目是一个基于研究的项目，与单独使用任何给定模型相比，该模型在性能上均略有提高。 KDD'99数据集按原样使用，并且已作为项目源的一部分进行了预处理。 最终精度为0.97833。 单个模型的个体精度为： KNN：0.976835 CNN + LSTM：0.9667878 随机森林：0.96381378 主要思想是在相同的数据上训练3个不同的分类器模型。 然后，我们将所有这些模型用作单个整体学习模型（或中间的某个位置的投票分类器）。 系统中有2个主要层： 第一层具有KNN和CNN + LSTM。 他们一起工作，并提供2种不同的输出。 第二层具有随机森林分类器，以对来自上一层的所有冲突实例进行分类。