注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. curve-sign-源码

  2. 曲线标志仪表板 单页，无服务器曲线符号可视化和编辑工具。 去做 细节将在个别会议中讨论。 核心功能 代码重组（1周） 使用一致的CDN进行js托管 删除冗余文件和导入 删除未使用的代码 使用Npm和Webpack（仅客户端包）（1周）低优先级，最后要做的任务 实施标志放置间隔并允许用户上传地面真相标志GeoJSON（4周） 间隔应从当前位置计算 用于配置时间间隔的全局值 用一种颜色突出显示缺少的标志 用另一种颜色突出显示错误放置的标志 添加“历史记录”功能（3周） 在GeoJSON中，而不是存储

  3. 所属分类：其它

  1. HIgh-order-GCNII:高阶GCN，具有初始残差和基于3D人类姿势估计的身份映射-源码

  2. 高阶GCNII 高阶GCN，具有初始残差和基于3D人类姿势估计的身份映射。在本节中，我们将原始GCN层重写为GCNII层，并将其应用于10层模型而没有剩余连接。 关于Human3.6M的结果 协议1（平均每关节位置误差）和协议2（刚性对准后平均每关节位置误差）下的地面真相检测rtesluts。 方法 2D检测 时代数 参数数量 MPJPE（P1） P-MPJPE（P2） Martinez等。 [1] 地面真相 200 429万 44.40毫米 35.25毫米 SemGCN 地面真相 50

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：15mb
    • 提供者：weixin_42131342

  1. mots_tools:用于评估和可视化多对象跟踪和分段（MOTS）任务的结果的工具-源码

  2. mots_tools 用于评估和可视化多对象跟踪和分段（MOTS）任务的结果的工具。 有关TrackR-CNN代码，请访问 项目网站（包括注释） 纸 使用mots_tools 请安装cocotools（ ），我们将其与行程编码的二进制掩码一起使用。 如果要使用此脚本显示结果，请同时安装FFmpeg。 为了评估或可视化您的MOTS方法的结果，请以我们用于地面真相注释的两种格式之一导出它们：png或txt（请参阅 ）。 当使用png时，我们希望结果图像位于与序列相对应的子文件夹中（例如

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：13kb
    • 提供者：weixin_42116701

  1. ml-hypersim:Hypersim-源码

  2. Hypersim数据集 对于许多基本的场景理解任务，很难或不可能从真实图像中获得每个像素的地面真相标签。 我们通过引入Hypersim（一种用于真实室内场景理解的逼真的合成数据集）来应对这一挑战。 为了创建我们的数据集，我们利用由专业艺术家创建的合成场景的大型存储库，并生成461个室内场景的77,400张图像，并带有每个像素的详细标签和相应的地面真实几何形状。 我们的数据集：（1）仅依靠可公开获得的3D资产； （2）包括每个场景的完整场景几何图形，材质信息和照明信息； （3）包括每个图像的密集的

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：24mb
    • 提供者：weixin_42162216

  1. TimestampActionSeg-源码

  2. 时间戳监督中的时间动作细分 该存储库提供了Timestamp Supervision中的“时间动作细分”一文的PyTorch实现。 经过测试： PyTorch 1.1.1 Python 3.6.10 训练： 下载数据文件夹，其中包含功能和基本事实标签。 （〜30GB）（尝试从下载）） 解压缩它，以便将data文件夹与main.py同一目录中。 此存储库中“数据/”中的三个.npy文件是时间戳注释。 将每个放在相应的地面真相文件夹中。 例如，。/ ./data/breakfast/gr

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：155kb
    • 提供者：weixin_42120550

  1. OneNet:一网-源码

  2. OneNet：走向端到端的一阶段对象检测 不同标签分配方法的比较。 H和W分别是特征图的高度和宽度，K是对象类别的数量。 先前关于一级目标检测的工作仅通过位置成本来分配标签，例如（a）盒子IoU或（b）样本与地面真相之间的点距离。 但是，在我们的方法中，另外引入了（c）分类成本。 我们发现分类成本是端到端成功的关键。 没有分类成本，仅位置成本会导致推理中具有较高置信度分数的冗余框，从而使NMS后处理成为必需的组件。 介绍 更新 （11/12/2020）通过禁用渐变剪辑报告了OneNet的更高性

  3. 所属分类：其它

  1. Curve-sign-源码

  2. 曲线标志仪表板 单页，无服务器曲线符号可视化和编辑工具。 去做 详细信息将在个别会议中讨论。 核心功能 代码重组（1周） 使用一致的CDN进行js托管 删除冗余文件和导入 删除未使用的代码 使用Npm和Webpack（仅客户端包）（1周） 低优先级，最后要做的任务 实施标志放置间隔并允许用户上传地面真相标志GeoJSON（4周） 间隔应从当前位置计算 用于配置时间间隔的全局值 用一种颜色突出显示缺少的标志 用另一种颜色突出显示错误放置的标志 添加“历史记录”功能（3周） 在GeoJSON

  3. 所属分类：其它

  1. airQuality:根据天气和时间特征预测空气质量-源码

  2. 目录 动机 该数据集包含通过传感器测量的空气化学物质。 提供了一组稀有的化学物质地面真实值以及有关湿度，温度和日期时间的信息。 我在该项目中的目标是预测空气中化学物质的存在，并获得一些对哪些参数影响最大的有用信息。 特征工程 通过提取一天中的时间（早晨，下午，晚上，晚上，夜晚，睡眠时间），星期几和月份，我们可以从datetime列中获得一些有用的功能。 我还决定对化学药品的数量进行汇总，以获得一个目标变量。 该步骤的好处是减小了目标变量空间的尺寸。 数据预处理 立即观察到，NMHC地面真相（缺少

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：215kb
    • 提供者：weixin_42126274

  1. 2270：用于前列腺分割的论文《远程3D自注意》的模型和预处理-源码

  2. 前列腺癌分段的远距离3D自我注意 论文《前列腺远距离3D自我关注》中的模型和数据集 安装 使用软件包管理器来安装要求。 pip install -r requirements.txt 用法 我们建议的模型可以使用以下命令进行训练： main.py --dataset public_prostata --interp_size 256 --crop_size 56 144 144 --crop_type center --loss BCE_jaccard --learning_rate 0.

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：172kb
    • 提供者：weixin_42138139

  1. ocropy：用于文档分析和OCR的基于Python的工具-源码

  2. 滑稽的 OCRopus是文档分析程序的集合，而不是交钥匙的OCR系统。 为了将其应用于文档，您可能需要进行一些图像预处理，还可能需要训练新模型。 除了识别脚本本身之外，还有许多脚本可用于地面真相编辑和更正，测量错误率，确定混淆矩阵等。OCRopus命令通常会打印堆栈跟踪以及错误消息； 通常这并不表示存在问题（在将来的版本中，默认情况下，我们将取消堆栈跟踪，因为这似乎会使太多用户感到困惑）。 正在安装 在系统范围内安装OCRopus依赖项： $ sudo apt-get install $(

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：17mb
    • 提供者：weixin_42181693

  1. colornet：彩色灰度图像的神经网络-源码

  2. #colornet神经网络为灰度图像着色 结果 灰阶 预言 地面真相 荣治K用colornet进行动漫着色 资料来源 和

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：154mb
    • 提供者：weixin_42126274

  1. CS231A-项目-立体声匹配：CS231A的课程项目。 深度立体声匹配，重新实现GC-Net-源码

  2. CS231A课程项目：深度立体声匹配 重新实现GC-Net 我主要是重新实现GC-Net 。 我实现了两个版本的GC-Net模型：一个带有掩码（损失被掩码），另一个不带掩码。 结果 定性结果 SceneFlow上的无遮罩版本，原始图像和预测样本： SceneFlow上的带遮罩版本，遮罩的地面真相，遮罩的预测和未遮罩的预测： 在KITTI训练集上，要了解真实情况，掩盖的预测和未掩盖的预测： 在KITTI测试集中，原始图像和预测样本： 定量结果 由于KITTI数据集非常稀疏，因此提供的g

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：16mb
    • 提供者：weixin_42131342

  1. Ground-Truth-App：Kivy应用程序，可帮助创建图像蒙版，标签，Ground-truth ...，以在分类，对象检测，语义分割和实例分割等任务中训练深度学习神经网络-源码

  2. 地面真相应用 这是一个Kivy应用程序，可帮助创建图像蒙版，标签，地面真相...，以在分类，对象检测，语义分割和实例分割等任务中训练深度学习神经网络。 Windows用户 Windows用户可以通过以下链接下载即用型可执行文件。 单击链接将下载一个包含可执行文件的zip文件。 运行该程序时，说明将在屏幕上显示为图像。 Linux用户（Windows用户也可以使用它） 1.安装Python 3+ 如果尚未安装Python 3+，请从。 2.创建一个虚拟环境（可选） 这是可选的，但强烈建议。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：789kb
    • 提供者：weixin_42097557

  1. 大型太阳能面板-源码

  2. 大型太阳能面板 该存储库包含用于论文“使用U-net和Efficient-net，ResNet和ResNeXt编码器进行的深度学习语义分割，以及在巴西领土上进行大规模光伏太阳能电池板监控的镶嵌”的代码，该论文正在接受远程审查感应字母。 我们使用imagenet预先训练的权重，将U-net与Efficient-net-b7，ResNeXt-101-32-8d和ResNet-101配合使用。 图像是使用4个通道（R，G，B和NIR）的Sentinel。 地面真相注释由巴西电力监管局的专家提供。

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：44mb
    • 提供者：weixin_42164685

  1. NIH_XRay_Faster_RCNN：将PyTorch Faster RCNN应用于NIH胸部X射线数据集-源码

  2. NIH_XRay_Faster_RCNN NIH胸部X射线数据集上具有ResNet-50-FPN主干的Faster RCNN的PyTorch实现。 可从获得的NIH胸部X射线数据集包含来自30,805名不同疾病的独特患者的总计 1024 x 1024胸部X射线图像。 在总共12120张图像中，大约有1000张图像包含地面真相边界框。 使用1000幅图像来训练用于物体检测的模型。 由于容量有限，该模型仅针对少数时期进行了训练。 如果对模型进行较长时间的训练，则应可获得改进的结果。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：590kb
    • 提供者：weixin_42116921

  1. JudgeCore：易于理解的在线法官（OJ）系统的管理法官核心，由C ++编写-源码

  2. 易于理解/管理在线裁判系统的裁判核心（目前仅支持C / C ++） 编译： cmake . make 用法： mkdir为 SRC_DIR：存放测试src文件的地方 RUN_DIR：工作场所（用于运行已编译的src文件） INPUT_DIR：放置问题测试用例的输入目录（例如std :: cin的输入） STD_ANSWER_DIR：地面真相答案目录，用于放置测试用例的标准答案。 跑： ./JudgeCore -c SRC_PATH -d RUN_DIR -l LANG_ENUM -i

  3. 所属分类：其它

  1. XAI的可靠评估-源码

  2. XAI的可靠评估 该存储库是官方实施，并且是从现有可解释性技术全面评估模型显着性/注意图解释的基准。 该存储库包含代码，预先训练的模型，构建的评估数据集以及通过人工注释的基础事实。 我们针对准确性，劝导性和阶级歧视性三个维度提出了一个统一的评估框架。 评估框架 内容 码 预训练模型 构建评估数据集 地面真相 评估程序 准确性评估概述 可行性评估概述 阶级歧视性评估概述

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：66kb
    • 提供者：weixin_42131728

  1. CRN音乐分离-源码

  2. 循环引导网络（CRN）用于视觉引导的音乐源分离 该项目将分发我们工作“视觉引导音乐源分离的循环精炼网络（CRN）”的补充材料。 补充材料分为两部分：我们的分离结果的代码部分和多媒体文件。 代码部分 我们的代码的自述文件可以在/code/CRN/README.md中找到。 音乐多媒体结果 多媒体结果包括三个子部分：人工2混合样本，人工3混合样本和真实混合二重奏样本。 对于每个样本，我们提供以下文件： 混合音乐文件 分离音乐文件 地面真相音乐文件 与声源相对应的对象图像文件 每个音乐文件的频谱图

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：23mb
    • 提供者：weixin_42134554

  1. 上下文感知跟踪器-源码

  2. 具有动态匹配策略的上下文感知多对象跟踪 上下文感知跟踪器（CAT）是一个多对象跟踪器（MOT），将跟踪场景从2D空间扩展到3D空间，并使用身体定向来维护每个对象的稳定且有区别的特征表示。 事不宜迟，即使对象被他人遮挡或外观类似，CAT也可以很好地跟踪对象。 下载NTU-MOTD数据集 下载带有语义标签（边界框，主体关键点，对象蒙版）的RGB视频和深度图 $ cd resource/ $ wget -O dataset.tar.gz https://www.dropbox.com/s/5q1ep3

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：215kb
    • 提供者：weixin_42099116

  1. virtualhome：用于运行VirtualHome（多代理家庭模拟器）的API-源码

  2. 虚拟家庭 VirtualHome是一个通过程序模拟复杂的家庭活动的平台。 VirtualHome的关键方面在于它允许与环境进行复杂的交互，例如拾取对象，打开/关闭设备，打开设备等。我们的模拟器可以轻松地用Python API调用：将活动编写为简单的序列然后在VirtualHome中呈现的说明。 您可以在不同的代理程序和环境之间进行选择，以及即时修改环境。 您还可以流式传输不同的地面真相，例如带时间戳的动作，实例/语义分割以及光流和深度。 该平台允许模拟多代理活动，并且可以用作培训代理的环境。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：16mb
    • 提供者：weixin_42131424
« 12 »