加权盒融合 存储库包含Python方法的几种实现，这些方法用于组合对象检测模型中的框： 非最大抑制（NMS） 软网管 非最大加权（NMW） 加权框融合（WBF） -与其他方法相比，可以提供更好的结果的新方法 要求 Python 3。*，Numpy，Numba 安装 pip install ensemble-boxes 用法示例 预计将标准化的框的坐标，例如，范围为[0; 1]。 顺序：x1，y1，x2，y2。 下面的2种型号的盒装示例。 第一个模型预测5个盒子，第二个模型预测4个盒子。 每个盒子模型的置信度得分1：[0.9、0.8、0.2、0.4、0.7] 每个盒子模型2的置信度得分：[0.5、0.8、0.7、0.3] 每个包装盒型号1的标签（类）：[0，1，0，1，1] 每个盒子模型2的标签（类）：[1、1、1、0] 我们将第一个模型的权重设置为2，将第二个模型

Windows生物识别框架指纹打印示例 一个简单的WBF示例，它捕获指纹样本并将其保存到数据文件夹中。 使用管理员权限构建项目。

WiiBackupManager0.3.0beta4(可将wbf直接转成wbfs）wii

WBF数字货币交易所SDK—— Python版 包含创建订单、获取余额、取消订单签名、下单签名等部分。

关于BF WBF硬判决的编码以及MATLAB 仿真