使用OpenVINO进行面罩检测
细节
程式语言：
英特尔OpenVINO工具套件：
Docker（预装了Ubuntu OpenVINO）：
使用的硬件：
英特尔:registered:酷睿TM i7-8750H CPU @ 2.20GHz
设备：
中央处理器
博客文章
参观者
面罩检测应用程序使用深度学习/机器学习来识别用户是否未佩戴口罩并发出警报。
通过使用经过预训练的模型和带有OpenCV英特尔OpenVINO工具包。 这使我们能够使用异步API，该API可以提高应用程序的总体帧速率，而不必等待推理完成，而是可以在加速器繁忙时继续在主机上运行应用程序。
此应用程序对同时运行的“面部遮罩检测”和“面部检测”网络执行2个并行推理请求。
使用以下一组预训练的模型：
，这是用于查找人脸的主要检测网络。
面罩检测，这是用于检测面罩的预训练模型。
可以改进此应用程序，然后将其与CCTV或其他类型的摄像机集成在一起，以检测和识别在购物中心等公共场所没有面具的人。在全球范围内，这种数量不断增长的COVID-19案例在控制应用中可能很有用。病毒传播。
什么是Open
2021-10-04 22:34:36
97.86MB
1
pyretri
胡本义，宋仁杰，魏秀深*，姚亚舟，华贤生，刘跃虎
通讯作者：
介绍
PyRetri（发音为[ˈperɪˈtriː]）是基于PyTorch构建的基于深度学习的统一无监督图像检索工具箱，专为研究人员和工程师设计。
主要特点
PyRetri是一个基于通用深度学习的无监督图像检索工具箱，其设计着眼于简单性和灵活性。
模块化设计：我们将基于深度学习的无监督图像检索分解为多个阶段，用户可以通过选择和组合不同的模块轻松构建图像检索管道。
灵活的加载：工具箱能够适应多种类型的模型参数的加载，包括具有相同键和形状的参数，具有不同键的参数以及具有相同键但形状不同的参数。
多种方法的支持：该
2021-10-04 20:28:19
628KB
1
Deep Learning for EEG-Based Preference论文原文。在期刊官网也可以免费下载，为方便大家查看上传至此。稍后出一篇关于这篇文献的精读导读。
2021-10-04 20:07:12
946KB
1
matlab精度检验代码用MATLAB进行神经网络和深度学习
我是深度学习的初学者，我发现Michael
Nielsen的在线电子书很棒！
同时，我是具有10年经验的MATLABer
。
在这个项目中，我将重写Michael使用MATLAB在Python中所做的工作。
我这样做的一部分是摘录Michael的书，另一部分是让其他MATLAB用户阅读和欣赏本书。
档案内容
nnet.m
：对应于network.py
nneto.m
：
nnet.m的另一个矢量化版本，不对应于Michael的书中的任何代码。
但是迈克尔确实评论了与network.py进一步向量化有关的内容
test_nnet_MNIST.mlx
：这是包含实时输出的MATLAB实时脚本。
使用与迈克尔在书中说明的配置相同的配置。
即净尺寸[784、30、10]这大约需要600秒才能完成30个纪元
__NNET_MNIST_README_20190118.txt
：
test_nnet_MNIST.mlx中显示的结果的可读版本。
请注意，它们来自不同的试验，因此不完全相同
test_nneto_MNIST.mlx
：再次运行
2021-10-04 17:09:44
4.79MB
1
诸如TorchIO之类的工具是使用深度学习技术的医学AI研究成熟的征兆。
政策总监Jack Clark（）。
包
文件
建立
覆盖范围
码
笔记本电脑
社会的
原版的
（参加）
TorchIO是一个Python软件包，其中包含一组工具，可在用编写的深度学习应用程序中有效读取，预处理，采样，增强和写入3D医学图像，包括用于数据增强和预处理的强度和空间变换。 变换包括典型的计算机视觉操作，例如随机仿射变换，以及特定领域的操作，例如，由于或像而引起的强度伪像的仿真。
该软件包受到NiftyNet的极大启发，NiftyNet。
学分
如果您喜欢此存储库，请单击“星号”！
如果您使用此软件包进行研究，请引用以下文章：
BibTeX条目：
@article { perez-garcia_torchio_2020 ,
title = { {TorchIO}: a {Python} library for efficient loading, preprocessing, augmentation and patch-based sampling of medi
2021-10-04 13:59:46
33.06MB
1
good learning with this book
2021-10-04 13:00:25
6.65MB
Traffic_Sign_detection
完成交通标志的识别分类（基于GTSBR数据），测试数据集上达到98.84%的准确率
检测部分的特征提取层包含YoloV2,yoloV2Tiny,yoloV3,MobileNet,SqueezeNet,ShuffleNet,And a Structure deSign by me:S-MobileNet
分类和检测的训练测试详情见:classify/readme.md detection/readme.md
需要weights详见：
--- 2018.06.15本科毕设答辩结束，该repo不再更新（也许还会再去做一下，毕竟这个repo确实比较dirty）
2021-10-02 17:08:19
3.68MB
1
计算机视觉作业-2018Spring
内容
混合图像。
拐角检测。
标度空间斑点检测。
：场景分类器
视觉词袋模型和最近邻分类器（kNN）。
视觉单词袋模型和判别式分类器（SVM）。
在ImageNet上使用ResNet50预训练的权重进行转移学习。
在ImageNet上使用VGG16预训练的权重进行转移学习。
在ImageNet上使用GoogleNet预训练的权重进行转移学习。
消失点检测。
单视图计量。 使用参考对象的高度查找图像中对象的高度。
图像拼接。
贡献者
和（
2021-10-02 11:50:07
18.87MB
1
实时语音克隆
该存储库是使用实时工作的声码器实现的（SV2TTS）的实现。 如果您好奇或正在寻找我未记录的信息，请随时检查。 通常，我建议您快速浏览一下引言之外的数字。
SV2TTS是一个三阶段的深度学习框架，它允许从几秒钟的音频中创建语音的数字表示，并使用它来调节经过训练的文本到语音模型，以推广到新的语音。
视频演示（单击图片）：
已实施文件
网址
指定
标题
实施源
SV2TTS
将学习从演讲者验证转移到多演讲者语音合成
这个回购
WaveRNN（声码器）
高效的神经音频合成
Tacotron 2（合成器）
基于梅尔谱图预测的条件波网自然合成TTS
GE2E（编码器）
2021-10-01 07:30:19
955KB
1