张量流 人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头，代码参考 ，相应地减少了尺寸和优化。 模型理解 是目前比较流行的人脸检测方法，通过人脸检测可以进行更精准的人脸识别。模型主要通过PNet，RNet，ONet三个网络级联，一步一步精调来对人脸进行更准确的检测。论文中的模型图如下： 接下来我会从我在训练中的理解来解释MTCNN模型都干了什么。三个模型要按顺序训练，首先是PNet，然后RNet，最后ONet。 PNet： PNet是全卷积网络，主要为了应对不同输入尺度，层数很浅，主要作用是重新多的把人脸框都选进来，宁愿错误拿来好

Signal_detection_OFDMPowerofDNN 题为“深度学习在OFDM系统中用于信道估计和信号检测的强大功能”的MATLAB演示 部署了Rayleigh信道，为Winner2信道（Data_Generation_WIN2.m显示WIN2 for SISO）安装了该工具箱，但是将在信道实现上花费更多时间，因此不建议这样做，并且建议将AWGN（衰落信号，SNR）不发送信号，我％的AWGN代码 MIMO-OFDM无线通信书中的MMSE_Channel_Tap_Block_Pilot_Demo_1.m MMSE_Uniform_PDP.m通过奇异值分解进行OFDM信道估计的论文 没有上传python版本，其他人上传了python演示 Demonstration_of_papers_DNN是主要的 DNN_Regression_Image_SER_Test用于染色 不需要使用T

paper reading 论文阅读Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

Haar级联的车辆检测 最后页面更新时间： 2016年10月19日 最新版本： 1.0.0 （有关更多信息，请参见发行说明） 大家好，执行车辆检测的一种简单方法是使用Haar Cascades。 当前，我没有关于它的详细教程，但是您可以在OpenCV主页上获得一些其他信息，请参阅页面。 另请参阅以训练您自己的级联分类器。 haar-cascade cars.xml是使用来自后方的526张汽车图像（360 x 240像素，无比例缩放）进行训练的。 这些图像是从布拉德·菲利普（Brad Philip）和保罗·厄普代克（Paul Updike）提出的Car数据集中提取的，该数据集取自南加州的高速公路。 有关更多信息，请参见： 训练自己的OpenCV Haar分类器 相关论文： 奥利维拉，M。 Santos，V.使用类似Haar的功能自动检测实际道路上的汽车（ ） 一些其他资源：

Word Detection入门文档

Real-Time Eye Blink Detection using Facial Landmarks.pdf

该数据集包含895张具有PASCAL VOC格式的边界框注释的图像，用于创建检测模型。 所有注释都属于一个类：番茄。 Tomato Detection_datasets.txt Tomato Detection_datasets.zip

DDoSDN 这是一个有关将机器学习模型应用于软件定义网络中的DDoS攻击检测的存储库。 先决条件 通过以下pip3 install -r requirements.txt所需的软件包： pip3 install -r requirements.txt 请注意，该程序是使用Python 3.x版编写和测试的，pip也是如此。 手册 通过Python创建虚拟环境： python3 -m venv venv 。 之后，按照所述安装所有要求。 接下来分别在不同的shell中运行下面的每个。 通过运行以下命令启动Ryu控制器： ryu-manager customCtrl.py 通过运行以下pyth

Python OpenCV 检测图像中的文本

Unity3d中的插件——Word Detection，语音识别