SCUT_FORU_DB_Release SCUT-FORU：Flickr OCR通用数据库 Flickr OCR通用数据库（缩写为FORU，发音类似）是从Flickr网站收集的，现在由华南理工大学的人机智能交互实验室发布。 该数据库可以从下载 最好，金连文。 1数据库组织 FORU包含两个部分，分别是Chinese2k和English2k数据集。 （a）English2k数据集 English2k数据集由两个子集组成，一个子集适合于字符检测，另一个子集适合于单词检测。 角色检测子集具有813个训练图像和349个测试图像。 详细的注释在表1中给出。另一方面，单词检测子集具有1200个训练图像和515个测试图像。 表2列出了详细的注释。 Table 1 Character Level Bounding boxes

华工Wiki 华南理工大学Wiki，域名非常好记： : Wiki站需要大家的支持才能走的更远，请考虑贡献文档。 不是有一个华工小百科的小程序了吗？搞这个干嘛？ 上面的内容永远没办法用搜索引擎搜索到，而且万年不更新，因此我想转移社区的力量搞一个更好的华工百科，更加方便同学们的学习生活。 Wiki内容规划 在华工学习生活所需要的一切可以公开的信息。 包括各种注意事项，学院要求，选课避坑，交流群等等。 欢迎以下两种网站的友链 华工校友的个人网站。 同类高校Wiki站。

SCUT HEAD人头检测数据集包含4405张标记了111251个人头的图像。数据集分两部分，第一部分2000张图像源自大学教室的监控视频，第二部分2405张图像爬取自网络，数据集图像中的人头均有边界框和注释。 数据标注经用xmin、ymin、xmax和ymax坐标标记了每个可视头部，并确保注释覆盖整个头部，包括部分，但没有额外的背景。A部分和B部分分为培训和测试部分。数据集遵循Pascal VOC标准

华南理工大学 2018 机试第一题，有需要的同学可以下载

作业实现cnn并用在cifar10上，卷积，padding等部分不需torch实现

课程作业scut

SCUT-FBP5500 数据集发布于 2017 年，包含 5500 个正面人脸，年龄分布位 15 岁至 60 岁。人脸照片包括 2000 亚洲女性，2000 亚洲男性，750 高加索男性和 750 高加索女性。同时，数据来自于数据堂等。每张图由 60 人进行评分，共 5 个等级。这 60 人的年龄分布为 18 到 27 岁，均为年轻人。该数据集适用于基于表现和形状等的模型研究

matlab2016b运行代码PMSM驱动的PUMA560 《自动化创新实践课程》项目 详细说明请参见 运行平台 赢10 matlab2016b 目录结构 pmsm/ - pmsmPara.m # customise your owm PMSM configuration - calPI.m # calculate PI para for simulink model - slx/ - current.slx # test current loop - revelution.slx - postion.slx puma/ - stl/ # mechanical model of each link, which is git cloned from https://github.com/nimasarli/puma560_description - trajectory/ # some code is git from https://github.com/xuuyann/RobotLearningCode - startup_puma.m # the script run befor

美容预测 本文[1]和[2]中介绍的基于SCUT-FBP5500数据集的深度学习方法进行的面部美容预测已在本项目中部分实施。 SCUT-FBP5500数据集共有5500张正面面Kong，这些面Kong具有不同的属性（男性/女性，亚洲人/白种人，年龄）和不同的标签（面部标志，[1，5]内的美女分数，美女分数分布），从而允许使用不同的计算模型具有不同的FBP范例。 此外，在数据集上评估了三个最近提出的具有不同FBP结构的CNN模型，包括AlexNet，ResNet-18和ResNeXt-50，它们通过使用ImageNet数据集上预先训练的网络初始化权重来进行训练。 结果表明，最深的基于CNN的ResNeXt-50模型获得了最佳性能。 为0.8997。 第二篇论文将面部吸引力计算重塑为标签分布学习问题，并提出了端到端吸引力学习框架。 在标准基准SCUT-FBP数据集上进行了广泛的实验，与

这是按照（自己动手写一个操作系统）这书所写的一份报告 欢迎华工计算机学院的师妹们参考.