[深度学习] jieba库安装出错的解决方法~整理笔记.md

说明：如果你出现电脑cmd安装不了jieba库，那恭喜你中奖了，这时候你自带电脑安装不了第三方库，需要你重新下载一个jieba库，你需要安装步骤我博客有，希望能帮到你，谢谢关注，88！
<A6_107> 上传 | 大小：2kb

[深度学习] 基于作业场所特征的视频不安全行为识别和预警技术研究.pdf

说明：本文是基于作业场所的视频摄像头的不安全行为，进行分析的方案设计稿，详细描述了方案设计、功能设计等建立作业场所不安全行为：通过现场踏勘调研，识别作业场所典型不安全行为，完成不安全行为模型库的构建。
<m0_38122606> 上传 | 大小：1mb

[深度学习] Datawhale-Task2数据读取和数据扩增直播(1)(1).pptx

说明：这是datawhale开源小组分享的ppt,是在天池平台上的一个比赛的讲解ppt，比赛是零基础学cv之街景字符识别。这个ppt是第二次直播课的ppt。
<qq_41881259> 上传 | 大小：3mb

[深度学习] ——tpu_only_architecture.pdf

说明：Google TPU论文，对其TPU架构做了详细的介绍。包括TPU的性能，架构，各模块的设计。最后介绍了TPU与其他GPU和CPU的性能对比。
<jingjiniaooo> 上传 | 大小：3mb

[深度学习] WOA_Toolbox.zip

说明：鲸鱼算法（Whale Optimization Algorithm）是根据鲸鱼围捕猎物的行为而提出的算法。鲸鱼是一种群居的哺乳动物，在捕猎时它们也会相互合作对猎物进行驱赶和围捕。鲸鱼算法提出时间并不长，也是一个新兴的优化算法，研究应用案例不多。 　　鲸鱼算法中，每个鲸鱼的位置代表了一个可行解。在鲸鱼群捕猎过程中，每只鲸鱼有两种行为，一种是包围猎物，所有的鲸鱼都向着其他鲸鱼前进；另一种是汽包网，鲸鱼环形游动喷出气泡来驱赶猎物。在每一代的游动中，鲸鱼们会随机选择这两种行为来进行捕猎。在鲸鱼进行包围猎
<weixin_46684843> 上传 | 大小：19mb

[深度学习] DeepNude2.0 windows

说明：deepnude2.0 图形界面 简单运行。 DeepNude软件主要使用Image Inpainting for Irregular Holes Using Partial Convolutions 中提出的Image-to-Image技术，该技术有很多其它的应用，比如把黑白的简笔画转换成色彩丰富的彩图，你可以点击下方的链接在浏览器中尝试Image-to-Image技术。
<qq_42607004> 上传 | 大小：447byte

[深度学习] tracklite-master.zip

说明：使用TensorRT来加速yolov3主干 主要在Nvidia Jetson Nano上运行，但x64也可以使用。还没有尝试过 https://www.bilibili.com/video/BV1F54y197hj
<lygzscnt12> 上传 | 大小：7mb

[深度学习] Keras对minist进行TB.py

说明：在Kreas框架下编写了以minist数据集为对象的卷积神经网络CNN，在运行过程中保存了训练过程，采用tensorboard进行可视化，在tensorboard中可以采用T-sne进行降维，可以清楚的看到分类标签二维与三维的变化.
<Liu_Piang> 上传 | 大小：4kb

[深度学习] rolabelImg.exe

说明：LabelImg的升级版本，可标注带角度的框；如遇到下载问题，可私信免费获取资源，仅供交流使用，如有侵权，即刻删除。源代码地址：https://github.com/cgvict/roLabelImg/blob/master/README.rst
<shine_6088> 上传 | 大小：45mb

[深度学习] tf-lstmRD.py

说明：本资源主要针对雷达距离-多普勒图像的手势识别，针对不同手势的雷达RD图像，设计lstm网络对雷达手势进行识别，准确率较高，代码可运行。
<weixin_42194139> 上传 | 大小：16kb

[深度学习] tf-lstmSTFT.py

说明：对雷达测试获得的手势数据进行一维距离像成像，而后对一维距离像进行短时傅立叶变换，对雷达手势数据进行时频分析，设计lstm网络进行识别，识别准确率较高代码可运行。
<weixin_42194139> 上传 | 大小：12kb

[深度学习] 计算机视觉案例：全景分割养猪场

说明：许多研究表明，我们可以通过猪的日常行为来推断其健康状态，所以如何有效观察「猪」的行为显得极其重要，这可以保证我们在「必要时」采取迅速的干预行动，以保证猪的健康状态。 长时间观察动物的行为很难人工完成，因此通常情况下采取的方案是使用基于传感器的自动化系统。 自动识别系统的使用可以大大简化对猪的行为的研究，尤其是基于计算机视觉的系统。其优势在于，它们可以对目标进行有效的状态评估，同时也不会影响动物的正常行为。近年来，这一方向的研究已经引入了深度学习的方法，并表现出不错的效果。传统意义上的「目标」
<m0_38106923> 上传 | 大小：5mb