visDrone2019数据集，可用于小目标检测

YOLOV5-seg实现实例分割+目标检测任务

骨骨折检测 :worried_face: X射线图像中用于骨折检测的数据扩充和预处理 :person_raising_hand: 1. radius骨远端骨折 :crying_face: 1.1引言 :grinning_face_with_big_eyes: 这部分是关于使用更快的RCNN来检测远侧X射线图像中的远端识别并定位远端radius骨骨折。 （38张图像-分辨率高达1600×1600像素用于训练）。 结果（ACC = 0.96和mAP = 0.866）比医生和放射线医师（仅0.7 ACC）获得的检测结果准确得多。 一些挑战： :grinning_face_with_big_eyes: 在许多情况下，裂缝的尺寸很小且难以检测。 骨折有各种各样的不同形状 Faster R-CNN的优势在于它可以处理高分辨率图像。 同样，可以在检测少量图像的对象时以较高的精度训练Faster R-CNN。 两个明确的任务： 分类远端radius骨是否骨折。 找到骨折的位置。 1.2更快的RCNN 更快的RCNN包含3个部分： 用于分类和生成特征图的卷积深度神经网络。 区域提案

这些论文深入研究并改进动目标尤其是慢速运动目标的检测和成像技术, 提高动目标检测概率,全面获取动目标的运动参数并对动目标精确成像;同时, 试图寻求一些新的动目标检测和成像方法,创新性地解决动目标检测和成像中的 关键问题,使之更加先进、高效和实用。是合成孔径雷达（SAR）运动目标检测经典论文。

未穿工作服检测报警系统共2页.pdf.zip

适用者：算法学习者、研究者、开发者

如果你对DFace感兴趣并且想参与到这个项目中, 以下TODO是一些需要实现的功能，我定期会更新，它会实时展示一些需要开发的清单。提交你的fork request,我会用issues来跟踪和反馈所有的问题。也可以加DFace的官方Q群 681403076 也可以加本人微信 jinkuaikuai005 TODO(需要开发的功能) 基于center loss 或者triplet loss原理开发人脸对比功能，模型采用ResNet inception v2. 该功能能够比较两张人脸图片的相似性。具体可以参考 Paper和FaceNet 反欺诈功能，根据光线，质地等人脸特性来防止照片攻击，视频攻击，回放攻击等。具体可参考LBP算法和SVM训练模型。 3D人脸反欺诈。 mobile移植，根据ONNX标准把pytorch训练好的模型迁移到caffe2,一些numpy算法改用c++实现。 Tensor RT移植，高并发。 Docker支持，gpu版 安装 DFace主要有两大模块，人脸检测和人脸识别。我会提供所有模型训练和运行的详细步骤。你首先需要构建一个pytorch和cv2的python环境

利用hough变换，对直线进行检测，源代码.cpp

语言检测器 PHP类可从任何自由文本中检测语言。 它遵循描述的方法，将给定的文本标记为 （在执行此步骤之前，我们先清除空白）。 然后，我们对tokens进行排序，并与语言model进行比较。 这个怎么运作 我们需要的第一件事是一个language model （看起来像），用于在分类时将文本与之进行比较。 这一过程必须任何事之前完成的，它可以用类似的脚本生成。 // register the autoloader require 'lib/LanguageDetector/autoload.php' ; // it could use a little bit of memory, but it's fine // because this process runs once. ini_set ( 'memory_limit' , '1G' ); // we load the con

是一款强大测试软硬件系统信息的工具。它可以详细的显示出PC每一个方面的信息，支持上千种(3400+)主板，支持上百种(360+)显卡，支持对并口/串口/USB这些PNP设备的检测，支持对各式各样的处理器的侦测。支持对各式各样的处理器的侦测。支持查看远程系统信息和管理，结果导出为HTML、XML功能。