CMU 15-445/645(FALL 2022) slides and notes
2022-12-28 21:18:29 32.8MB CMU15-445
1
mit公开课程2004秋季課程:Essential Coding Theory, Fall 2004--NEW--6-895Fall-2004,from lecture01 to lecture 23,
2022-08-13 17:00:02 4.25MB Essential Coding Theory Fall
1
DeepFall:3D时空自动编码器,可从隐私保护摄像机中进行跌落检测 该代码由Jacob Nogas在IATSL( )担任UofT PEY实习生时开发,在加拿大大学健康网络KITE-Toronto Rehab科学家Shehroz Khan博士的指导下进行。 (感谢您的理解,我们无法为编程问题提供支持) 。 我们将跌倒检测问题表述为异常检测问题,因为跌倒很少发生,并且可能没有足够的数据来训练监督分类器。 为了解决隐私问题,这项工作着重于检测热像仪和深度相机的跌落。 通过训练深度时空自动编码器来检测跌倒,以最大程度地减少日常生活视频帧活动的重构误差。 假设不可见的跌倒的重建误差应该更高,如以下示例GIF所示: 代码用法: 代码库分为两个主要子集 {model} _main_ {train} {model} _main_ {test} 它将分别使用模型{model}执行培训或测试。
2022-06-29 17:10:19 73.72MB Python
1
BusTub是在构建的关系数据库管理系统,用于(15-445 / 645)课程。 该系统是为教育目的而开发的,不应在生产环境中使用。 警告:如果您是班上的学生,请不要直接分叉此REPO。 请勿公开使用项目解决方案。 这是违反学术诚信原则,即使您毕业后也可能导致您的学位被撤销。 克隆此仓库 以下说明将创建一个私有BusTub,可用于您的开发: 转到在您的帐户下创建一个新的仓库。 选择一个名称(例如private-bustub ),并确保将其选择为private 。 在您的开发机器上,克隆公共BusTub: $ git clone --depth 1 https://github.com/cmu-db/bustub.git public-bustub 接下来,您需要将公共BusTub存储库到您自己的私有BusTub存储库。 假设您的GitHub名称是student ,您的回购名称是pri
2022-04-20 14:38:02 344KB C++
1
URFD数据集。国内下载原地址的数据集网速较慢,上传一个用到的一号摄像头的视频部分,包括30个摔倒视频序列和40个日常活动视频序列。
2022-04-18 21:05:49 92.38MB 音视频 数据集 URFD 摔倒检测
1
matlab的代码在相机上实现跌倒检测 作者 陈泽宇 前言 该项目是ECE 6258的最终项目。 编码中有几个部分相机校准基于C ++。 距离基于MATLAB。预处理基于Python 2.7。 检测系统基于Python 2.7。 openpose基于C ++和caffe。 如果您仅使用视频模式,则不需要openpose,因为我们提供了供您实施的测试集。 相机校准 要运行此部分,建议使用cmake。 编译并运行: $ cmake . $ make $ ./camera 提供的输入图像位于test_image目录中。 前处理 预处理包括增强和背景扣除。 脚本有两个版本。 一种是一种文件处理,另一种是bach处理。 要运行批处理,请创建一个名为video的目录,然后将所有视频放入该目录。 检测系统 跑步 $ python falldetect2.5.py 要仅在视频模式下运行,只需将提供的输入目录放入“检测”目录,然后为系统设置视频目录。 当检测到跌倒时,系统将发送电子邮件到目标地址。 默认目标电子邮件为。 用户还可以更改电子邮件地址。 如果要运行实时版本,则需要几个软件包:CUDA 8(仅
2022-03-28 09:19:37 13.75MB 系统开源
1
源码——行为识别:基于骨架和目标跟踪的行人跌倒检测
1
fall-detect-track项目的模型权重
2022-01-13 21:10:59 407.95MB python 行为检测 pytorch 跌倒检测
1
行为识别:基于骨架和目标跟踪的行人跌倒检测
2022-01-13 21:10:59 32.52MB python pytorch 行为检测 目标跟踪
1
Fall_detection_by_gcn 一些结果: 真实环境中的检测:
2021-12-28 13:02:02 6.14MB
1