[深度学习] protos.rar

说明：该资源包含运行aster文字矫正算法相关所需文件，以及运行代码生成的文件，这是根据执行文章中提到的生成代码命令所生成的python文件zip,若是由于环境安装的问题导致不能执行这行命令可以将这个文件解压到aster/protos的目录文件下面，继续执行后面的代码
<csdnqq970820> 上传 | 大小：70kb

[深度学习] tensorflow-1.8.0.zip

说明：1. 无缝支持通过TensorFlow训练好的神经网络模型。只需要几个简单的步骤就可以完成桌面模型到移动端模型的转换。 2. TFLite可以与Android 8.1中发布的神经网络API完美配合。而Android端版本演进的控制权是掌握在谷歌手中的，从长期看，TFLite会得到Android系统层面上的支持。 3. 质量有保证。根据以往谷歌对开源项目支持力度看，TFLite的功能迭代演进会很快，大量的bug会在第一时间修复。 此前，国内的巨头百度已经发布了MDL（传送门 ）框
<liudun2015> 上传 | 大小：57mb

[机器学习] 新浪微博语义消歧语料.zip

说明：新浪微博的语义资料。
<qq2489085125> 上传 | 大小：667kb

[机器学习] Real-Time Trajectory Planning for Autonomous Urban Driving_ Framework

说明：本文最新颖的地方在于对参考线的预处理，分为以下3个步骤：a- 从数字地图（高精地图）中获取道路中心线，即初步的参考线；b- 使用共轭梯度非线性优化方法使其平滑；c- 使用三次B样条曲线插值。带来的提升是：比较急的弯道上，参考线的曲率会变小，并且更平滑，有效降低了车辆过弯时的侧移风险
<linxigjs> 上传 | 大小：2mb

[机器学习] Deep-Learning-with-PyTorch-Tutorials-master(1).zip

说明：深度学习工具 PyTorch的教程，里面是关于如何入门，使用PyTorch进行人工智能设计的教程。 除了教程外，还包括部分实战代码可供参考
<fangx_123> 上传 | 大小：92mb

[机器学习] Path Planning for Autonomous Vehicles in Unknown Semi-structured Environments

说明：本文分2部分，第2-3节介绍free space下的路径规划，目标是规划出一条平滑且满足车辆non-holonomic约束的最短路径。第4节介绍semi-structured环境的路径规划。 free space的方法分为2部分，第1部分是采用启发式搜索方法获得一条满足车辆运动学约束的可行驶轨迹，比如Hybrid A*方法，通常结果不是最优、但接近最优。第2部分是在此基础上，采用数值优化产生更平滑的轨迹。
<linxigjs> 上传 | 大小：2mb

[机器学习] A trajectory planning method based on forward path generation and backward

说明：本文是《Trajectory Planning for Cooperative Autonomous Valet Parking》的参考文献5，适用于平行停入和垂直停入车位2种场景，尤其是倒车停入的场景。 整个方法分为2个部分：1是向前的轨迹生成，即计算车头朝前从车位开出停到路边的轨迹，即下图中的Pd->Ps；2是向后的轨迹跟踪，即自车沿着1生成的轨迹逆向倒车进入车位
<linxigjs> 上传 | 大小：1mb

[VR] Mobile devices for interaction in immersive virtual environments.rar

说明：年前翻译的一篇论文，Mobile devices for interaction in immersive virtual environments,讲的是移动设备在VR中的交互问题，不过我感觉其中用移动设备控制VR环境下的移动的方法还是不太好，但是给我的启发也很大。
<qq_36490364> 上传 | 大小：1mb

[VR] 3D人脸建模论文合集1

说明：https://github.com/YadiraF/face3d中提到的论文，按照顺序下载，这部分共有35篇
<ZSHUNYI> 上传 | 大小：136mb

[VR] 3D人脸建模论文合集2

说明：https://github.com/YadiraF/face3d论文中提到的论文合集，本部分为第二部分，42篇
<ZSHUNYI> 上传 | 大小：137mb

[深度学习] densenet121_weights_tf_dim_ordering_tf_kernels.h5

说明：model weight in this repo https://github.com/fchollet/deep-learning-models Keras提供的预训练权重
<qwertyuiop_123abc> 上传 | 大小：32mb

[深度学习] densenet169_weights_tf_dim_ordering_tf_kernels.h5

说明：model weight in this repo https://github.com/fchollet/deep-learning-models Keras提供的预训练权重
<qwertyuiop_123abc> 上传 | 大小：57mb