[机器学习] quick_guide.pdf

说明：1Halcon介绍 1.1 关键特性 1.2谁应该使用Halcon 1.3需要的知识 1.4开始使用Halcon 1.5哪里获得更多信息 2.如何使用Halcon开发应用 2.1Halcon架构和数据结构 2.1.1算子 2.1.2 参数和数据结构 2.1.3 Halcon和并行编程 2.1.4 Halcon 支持的计算设备 2.1.5 Halcon XL 2.1.6 图像采集 2.1.7 I/O设备 2.2 使用HDevelop快速开始 2.3 通过编程
<joyopod> 上传 | 大小：2mb

[深度学习] 鲜花分类集（已划分）

说明：配套代码参见 https://yuqi-cheng.blog.csdn.net/article/details/104745908
<qq_41685265> 上传 | 大小：660mb

[深度学习] AlphaPose人体姿态识别

说明：AlphaPose 是一个精准的多人姿态估计系统，是首个在 COCO 数据集上可达到 70+ mAP（72.3 mAP，高于 Mask-RCNN 8.2 个百分点），在 MPII 数据集上可达到 80+ mAP（82.1 mAP）的开源系统。为了能将同一个人的所有姿态关联起来，AlphaPose 还提供了一个称为 Pose Flow 的在线姿态跟踪器，这也是首个在 PoseTrack 挑战数据集上达到 60+ mAP（66.5 mAP）和 50+ MOTA（58.3 MOTA）的开源在线姿态跟踪
<boon_228> 上传 | 大小：40mb

[机器学习] MsCeleb1M.washlist

说明：Ms-Celeb-1M的清理结果，由于Ms-Celeb-1M数据比较繁多，并且存在一定的杂乱，所以针对该数据集进行了一定的清理，该文件为清理的最终结果
<eva1018> 上传 | 大小：141mb

[深度学习] 在VS2015下编译的opencv4.4 GPU版本，Release的版本

说明：在VS2015下编译的opencv4.4 GPU版本（Release的版本），直接解压install文件夹即可使用。
<princeqy> 上传 | 大小：178mb

[深度学习] 中国市场的策略-2021

说明：中国市场的策略-20210-eyby模型，EYBY来应对这一挑战。有着持续而良好的预测记录。在我们日发布的题为《展望 :静水流深》的展望报告中，我们 的股债收益率模型预测，未来 个月上证交易点位的可能性分布是 点，最有可能的交易区间是 点，而 是最有可能的底 部水平。 2,700 到 3,200 年是市场历史性波动的一年。即便如此，在春节后首个交易日 2,685 股遭遇 史诗级暴跌的至暗之时，上证最终
<qq_36263701> 上传 | 大小：3mb

[机器学习] TF_IDF算法的python实现

说明：基于NLTK工具包，批次读取目录下面的文本数据，利用python实现了TF_IDF算法。其中，可以自行输入目录文件的绝对路径以及请输入你想显示词频的前top数量。
<qq_43351000> 上传 | 大小：4kb

[深度学习] rcnn_emd_refine_mge.pth

说明：用于CrowdDetection算法实现的网络权重。旷世研究院在CVPR2020上发表的论文《Detection in **Crowded Scenes**: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为**拥挤实例检测**而设计的。
<qq_40089175> 上传 | 大小：252mb

[机器学习] 小目标检测技术研究综述

说明：小目标检测是针对图像中像素占比少的目标，借助计算机视觉在图像中找到并判断该目标所属类别的目标检测技术。与目前应用较为成熟的大尺度、中尺度目标检测不同，小目标自身存在着语义信息少、覆盖面积小等先天不足，导致小目标的检测效果并不理想，因此如何提高小目标的检测效果依然是计算机视觉领域的一大难题。
<syp_net> 上传 | 大小：710kb

[深度学习] rcnn_emd_refine_mge/baseline.pth

说明：用于CrowdDetection算法实现的网络权重。 旷世研究院在CVPR2020上发表的论文《Detection in Crowded Scenes: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为**拥挤实例检测**而设计的。
<qq_40089175> 上传 | 大小：526mb

[深度学习] CVC-ClinicSpec

说明：内窥镜反光数据集，如果使用了该数据集，请引用 Sánchez, F. J., Bernal, J., Sánchez-Montes, C., de Miguel, C. R., & Fernández-Esparrach, G. (2017). Bright spot regions segmentation and classification for specular highlights detection in colonoscopy videos. Machine Vision and
<weiwei9363> 上传 | 大小：8mb

[深度学习] libtorch-yolov5

说明："YOLOv5"的项目团队是Ultralytics LLC 公司，很多人应该没有听过这家公司。但提到他们公司的一个项目，很多人应该就知道了，因为不少同学用过。那就是基于PyTorch复现的YOLOv3，按目前github上star数来看，应该是基于PyTorch复现YOLOv3中的排名第一。Amusi 之前还分享过此项目
<weixin_41054702> 上传 | 大小：789mb