Awesome computer vision models:与分类分割和检测问题相关的流行深度学习模型列表 源码

本文综述了深度学习在物体检测问题上的研究进展。介绍了物体检测的背景和重要性，概述了传统物体检测方法的局限性，并详细介绍了深度学习在物体检测中的应用。重点讨论了基于深度学习的目标检测算法，如Faster

awesome-graphql:GraphQL和中继的绝佳列表

awesome-consensus:Paxos和朋友的很棒列表

Advanced_Computer_Vision_Tensorflow

颈静脉压力计算机视觉 颈静脉压(JVP)通常被用作患者心脏健康的一种快速且非侵入性的评估方法,因为该静脉中的肿胀表明体内水调节的变化。 一种用于测量JVP的现场系统,该系统利用计算机视觉检测心房收缩和

Democritus工业机器人计算机视觉堆栈 该存储库包含Robocup @ Work挑战计算机视觉堆栈。 使用YOLO对象检测 1.安装说明(Ubuntu 18): 要安装用于YOLO对象检测的da

图像处理 该存储库包含与EN2550图像处理和计算机视觉基础知识并行执行的实现

使用PyTorch / TF2.0实现令人敬畏的RecSystem模型 1.要求 TensorFlow2.0,PyTorch1.2 +,Python3.6,NumPy,sk-learn,Pandas

机器学习和深度学习模型汇总：CNN:Alexnet,vggnet,GoogleInceptionNet,resnet

深度聆听:用于音频分类的深度学习实验