crowd-counting-cnn This implementation is from The author implements MCNN model on Shanghaitech dataset. I just modified some details to create UCSD dataset and UCF_50 dataset and test the MCNN model on these dataset. I am not sure whether it is okay to upload the modified implementation and if it is wrong, please contatct me and I will delete it. . UCF_50 在MCNN上测试UCF_50dataset,根据设置,使用5折交叉验证,所以,数
2023-12-26 19:41:42 327.14MB Python
1
Function Point Counting Practices Manual 4.3.pdf
2023-07-05 18:21:40 2.33MB ifpug cpm
1
RGBD人群计数 PyTorch对CVPR2019论文的实施: “用于RGB-D人群计数和定位的密度图回归引导检测网络” [ ] [] 李东泽*,李静*,贾正,罗维新,高胜华 (*平等贡献) 要求 的Python:3.x 火炬:1.1+ 毫米波检测:1.0 ShanghaiTechRGBD数据集 下载我们的ShanghaiTechRGBD数据集: ShanghaiTechRGBD/ ├── train_data/ ├── train_img/*.png ├── train_depth/*.mat └── train_gt/*.mat └── test_data/ ├── test_img/*.png ├── test_depth/*.mat └── test_bbox_anno/*.mat 数据预处理的一些解释: 深度的度量单位
2023-03-07 15:06:42 12.38MB Python
1
CrowdCountingDataset是一个高密度人群图像数据,图片来自FLICKR网站。数据集由视频中帧的RGB图像(作为输入)和每帧计数的对象组成,这是图像中行人(对象)的数量。该数据集是用商场的网络摄像头记录的同一地点的3个通道的图像是480x640像素,但每帧的人数不同,主要用于人群计数的问题。
2023-03-06 09:52:19 8.01MB 数据集
1
使用陨石坑计数来确定月球的年龄 MATLAB代码用于对月球图像上的陨石坑进行计数,并根据相对的陨石坑计数来插值年龄。 可以从-> 拍摄月球图像 可以基于输入图像每像素的距离(可以在LROC上找到)更改pixeldens参数。
2022-12-14 19:47:23 2KB MATLAB
1
IPFUG官方功能点识别指南-最新版-4.3版(英文版) Function Point Counting Practices Manual 4.3
2022-10-19 16:57:57 1.95MB IPFUG CPM 4.3
1
GRE 数学-Magoosh Probability & Counting+解析1
2022-08-03 17:00:28 1MB 数学
1
入门 git clone https://github.com/lh3/kmer-cnt cd kmer-cnt make # C++11 required to compile the two C++ implementations wget https://github.com/lh3/kmer-cnt/releases/download/v0.1/M_abscessus_HiSeq_10M.fa.gz ./yak-count M_abscessus_HiSeq_10M.fa.gz > kc-c4.out 介绍 K-mer计数是许多作图者,组装者和其他工具(例如基因分型仪,宏基因组学分析仪等)的基础。 它是生物信息学中最重要的算法类别之一。 在这里,我们将实现基本的k-mer计数算法,但具有高级工程技巧。 我们将看到更好的工程技术可以走多远。 在此仓库中,每个{kc,yak}-*.
2022-05-21 16:51:08 47KB bioinformatics genomics k-mer-counting C++
1
Pyramid_Scale_Network 这是PyTorch版本的“ repo”版本库,“利用多列架构在人群计数中的潜力”,它提供了用于人群计数任务的最先进,直接且端到端的体系结构。 我们还建议另一项有关人群计数的工作(),已被ECAI2020接受。 数据集 上海科技数据集 先决条件 我们强烈建议Anaconda作为环境。 的Python:3.6 PyTorch的:1.5.0 培训与测试 1,python make_dataset.py#生成基本事实。 ShanghaiTech数据集应放在“数据集”目录中。 2,python train.py#火车模型3,python val.py#测试模型 结果 partA:MAE 55.5 MSE 90.1 B部分:MAE 6.8 MSE 10.7
1
跑步前 准备以下物品 mp4文件 yolo的权重 yolo的cfg文件 在main.py找到上述文件的位置,并使用正确的路径指定 运行counting_main.py 关于输入格式 跟踪器的输入是边界框的列表 框定义为[x,y,w,h] 演示版 PS jupyter笔记本电脑只是用于开发或测试目的的另一个环境。
2021-12-31 08:54:13 604KB JupyterNotebook
1