[机器学习] PC-X86-OpenCV+PaddleHub口罩识别+带口罩的人脸识别

说明：人脸检测模型：PadddleHub已经提供的预训练模型(pyramidbox_lite_mobile_mask/pyramidbox_lite_server_mask) 链接: [link](https://www.paddlepaddle.org.cn/hub/scene/maskdetect). 切割人脸图像：1.使用OpenCV直接对人脸图像按比例进行切割。2.使用人脸关键点检测，按点位进行切割.链接：[link](https://www.paddlepaddle.org.cn/hubli
<lperooo> 上传 | 大小：4kb

[机器学习] onnx-lab-master.zip

说明：像ONNX Model Zoo 这样的集合让你很容易找到下一个顶级模型。但是，如果找到的模型不是您想要使用的格式，该怎么办？我们真正需要的是便携式神经网络——这正是ONNX格式所提供的
<mzl87> 上传 | 大小：547kb

[机器学习] Delphi7 用Tessercat5.0 进行OCR（含全部支持库及中英字库）

说明：Delphi7 用Tessercat 5.0.0 (alpha) 进行OCR的源代码，含全部支持库及中英字库（20200328），可直接编译，文字识别的基本功能能够正常使用。
<gdljf> 上传 | 大小：34mb

[机器学习] boostdesc_bgm.i.zip

说明：安装OpenCV时提示缺少boostdesc_bgm.i文件,文件： boostdesc_bgm.i boostdesc_bgm_bi.i boostdesc_bgm_hd.i boostdesc_lbgm.i boostdesc_binboost_064.i boostdesc_binboost_128.i boostdesc_binboost_256.i vgg_generated_120.i vgg_generated_64.i vgg_generated_80.i vgg_genera
<qq_36559293> 上传 | 大小：1mb

[机器学习] Sar遥感地图数据集

说明：AIRSAR_SanFrancisco 是遥感地图数据集，可以作为训练的数据集使用，里面有文档说明，格式是数据集格式是stk格式
<xiaoer_shangjiu> 上传 | 大小：8mb

[机器学习] 神经网络对疾病发病率的预测

说明：神经网络对发病率的预测，希望能帮助到各位，因为也是学习阶段，大家一起学习吧。如果大家有做神经网络这方面的研究请联系我，一起探讨下。
<liujinli2019> 上传 | 大小：2kb

[机器学习] 物流配送选址遗传算法说明文档

说明：以成本最优作为目标，采用遗传算法解决物流配送选址问题。含详细说明文档。物流配送选址问题就是解决如何按物流链的资源情况来进行自提点等选址位置的决策，使预定目标最优化的问题。由于物流配送选址问题需要考虑的因素和变量众多，传统方法不易解决。因为，类似遗传算法的智能算法在此大显用武之地。
<Wanglongda> 上传 | 大小：112kb

[机器学习] 基于传统几何方法的十字路口检测

说明：复现导师发我的一篇毕业论文。其实是挺过时的东西了，不过貌似做的人很少，复现出来结果也不错，挺有想法的一篇文章。
<weixin_44437091> 上传 | 大小：481kb

[机器学习] 知识图谱项目视频完整版

说明：本资源包含了知识图谱的详细视频和项目，资料全，通过本资源可以让你晋升一个台阶。对于想学习的小盆友可以下载本资源，里面的配套视频和项目会让你节省很多的时间，学到更多的干货。
<weixin_45102492> 上传 | 大小：147byte

[机器学习] NeurIPS 2020上与【对比学习】相关论文（附代码，七篇）

说明：在NeuraIPS上对比学习（Contrastive Learning）相关的投稿paper很多，这块研究方向这几年受到了学术界的广泛关注，并且在CV、NLP等领域也应用颇多。本文为大家奉上NeurIPS 2020必读的七篇对比学习相关论文——对抗自监督对比学习、局部对比学习、难样本对比学习、多标签对比预测编码、自步对比学习、有监督对比学习。
<syp_net> 上传 | 大小：10mb

[机器学习] labview机器人自动标定

说明：自动化过程中，机器人抓取产品准不准，需要ccd去配合指导机器人需要走的位置，就需要机器人位置与ccd位置关联起来
<qq_38998441> 上传 | 大小：23mb

[机器学习] 经济学中的数据科学：机器学习与深度学习方法

说明：这篇论文提供了在新兴经济应用的数据科学的最新进展的全面的最先进的综述。在深度学习模型、混合深度学习模型、混合机器学习和集成模型四个单独的类别上对新的数据科学方法进行了分析。
<syp_net> 上传 | 大小：4mb