可以得到内存泄漏点的调用堆栈，如果可以的话，还可以得到其所在文件及行号； 可以得到泄露内存的完整数据；

基于LSTM的异常检测 假设，应该可以对LSTM进行自动编码，以构建异常检测器。 这证明了这是可能的。 例子 结果表明，如果使用纯无监督的LSTM自动编码器进行训练，则可以检测到具有增加的放大噪声的简单正弦波。 呈现给网络的整个信号[滑动窗口]： 信号近似值（均值）： LSTM检测器的MSE输出： 添加（并捕获）的噪声样本数：

使用区分性分类器（D3）的无监督概念漂移检测 ÖmerGözüaçık，AlicanBüyükçakır，Hamed Bonab和Fazli Can。 2019。具有区分性分类器的无监督概念漂移检测。 在第28届ACM国际信息和知识管理国际会议论文集中，中国北京，2019年11月3日至7日，（CIKM'2019），4页。 D3在河包中的实施 D3现在在river中得到支持，它是creme和scikit-multiflow之间的合并。 它是用于对流数据进行机器学习的最全面的python库之一。 目前，该软件包中不包含D3，但是您可以下载并安装该软件包的开发版本以访问D3。 由于代码是根据库标准重构的，因此结果可能与原始实现不同。 有关河的更多详细信息，请访问： : 具有D3的河的分叉版本： : 安装包括D3的river开发版本。 pip install git+https

vgg16_caffe_pth_and_head_detector_final.zip

pyvad VAD(Voice Activity Detector) python 实现对读入的流式数据, 进行端点检测 依赖 pyaudio 测试平台 Distributor ID: Ubuntu Description: Ubuntu 12.04.5 LTS Release: 12.04 Codename: precise Linux ubuntu 3.13.0-32-generic #57~precise1-Ubuntu SMP Tue Jul 15 03:51:20 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux Python 2.7.3 联系方式

Android-IMSI-Catcher-Detector 是一个基于安卓的项目，它能在 GSM/UMTS 网络中侦测并避开假冒基站（IMSI 捕捉器）。 标签：Android

在Tensorflow上使用神经网络（SSD）进行实时手检测。 此仓库记录了用于使用Tensorflow（Object Detection API）训练手持探测器的步骤和脚本。 与任何基于DNN的任务一样，过程中最昂贵（也是最危险）的部分与查找或创建正确的（带注释）数据集有关。 我主要对检测桌子上的手感兴趣（以自我为中心的观点）。 我首先用了实验（结果不好）。 然后，我尝试了，该非常适合我的要求。 此回购/发布的目的是演示如何将神经网络应用于跟踪手（以自我为中心的视图和其他视图）的（困难）问题。 更好的是，提供可以适应其他用例的代码。 如果您在研究或项目中使用本教程或模型，请引用 。

ED_Lib 用于几何特征提取和验证的EDGE绘图库 关键字：边缘检测，边缘段检测，彩色边缘检测，线检测，线段检测，圆检测，椭圆检测。 边缘绘图（ED）算法是一种主动检测边缘检测问题的方法。 与采用减法方法的其他许多现有边缘检测算法（即在将梯度滤镜应用到消除像素的图像后，采用几种规则，例如Canny中的非最大抑制和滞后）相比，ED算法通过加性策略工作，即一个接一个地选择边缘像素，因此命名为Edge Drawing。 然后，我们处理这些随机形状的边缘段，以提取更高级别的边缘特征，即线条，圆，椭圆形等。从阈值梯度幅度中提取边缘像素的流行方法是非最大抑制，它测试每个像素是否具有最大的像素。沿其梯度方向的梯度响应，如果没有则消除。 但是，此方法不会检查相邻像素的状态，因此可能会导致边缘段的质量低（就边缘连续性，平滑度，薄度，定位而言）。 ED会指向一组边缘像素，并通过最大化边缘段的总梯度响应来

来自论文Anisotropic-Scale Junction Detection and Matching for Indoor Images源代码

Dlib FaceLandmark Detector 1.3.0.unitypackage 支持arm框架