利用迭代的思想求解线性方程组，适用于齐次和非齐次的情况，并附上了运行测试代码，能够支持三种情况的方程组求解，并与正确结果进行比对，基本一致，在小数点后位有些许差异。
2022-11-27 19:24:57
2KB
1
基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配
2022-11-22 15:29:34
128.29MB
联合面检测与对准
使用多任务级联卷积网络的Caffe和Python实现联合人脸检测和对齐。
建立
设置环境并将C ++层代码复制到Caffe的源代码树。
$ export PYTHONPATH=/path/to/Joint-Face-Detection-and-Alignment:$PYTHONPATH
$ export CAFFE_HOME=/path/to/caffe
$ sh layers/copy.sh
按照其文档编译Caffe。
准备数据
下载数据集 ， 和 。 将它们放在如下所示的数据目录中。
data
├── CelebA
│ └── img_celeba
├── fddb
│ ├── FDDB-folds
│ ├── images
│ │ ├── 2002
│ │ └── 2003
│ └── result
│ └── images
└── WIDER
├── wider_face_split
├── WIDER_test
├── WIDER_train
└── WIDER_val
我已经编
2022-11-20 12:03:01
15.95MB
1
AS SSD Benchmark固态硬盘性能测试工具 ，用于安装SSD后调试4k是否对齐 测试固态的读写速度 等性能 免安装 直接运行 安全可靠
2022-11-17 20:32:46
399KB
1
Mixly（米思齐）是在北京师范大学傅骞博士团队组织开发的一款国内自主研发，且免费开源的图形化编程工具。在国内外都掀起创客教育的浪潮中，傅骞老师认真分析了当前电子领域内的创客教育，并认为“如果不能给学生提供一个足够简单的、不能给教师提供一个容易上手的，不能给各大生产厂商提供一个足够自主的编程工具，所谓的“创”也只能是停留在表面的浮云，风一吹便散。”为了大力贯彻落实创客实验室“自主实践，分享快乐”的教育理念，傅骞老师带领其团队，开发出具有易用性、简单性、功能性、普适性、延续性及生态性等特点的Mixly。
2022-11-14 09:04:22
96.59MB
1
LS3D-W 是个大规模人脸对齐标注数据集，由诺丁汉大学计算机视觉实验室创建。人脸图像来自AFLW, 300VW, 300W和FDDB，人脸对齐采用68点标注法，一共包含了大约 230,000 人脸精准标记图像，通过论文《How far are we from solving the 2D \ 3D Face Alignment problem?》中的方法生成。
2022-11-08 20:09:41
2GB
1
等效转轴和等效转角
给定旋转矩阵 ，求对应的等效旋转轴 和等效转角
设 ，
令
上海电机学院 机械学院
2022-11-04 10:58:56
4.11MB
1
表单代码如图，还没有加入样式表，表单没有对齐，比较难看，但是HTML又没有提供表单对齐的标签或功能。
html源代码：
<!DOCTYPE html>
<html lang=en>
<head>
<meta charset=UTF-8>
<title>massage-board</title>
</head>
<body>
<form action=board.php>
2022-11-02 22:39:10
80KB
1