opengl与QT实现天空盒

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228

SUSAN边缘检测的实现代码，很简单容易实现

本资源是《Python语言在Abaqus中的应用》的随书光盘内容，谢谢。

反保密检查的工具。主要是用来清除usb使用记录的，包括usb viewer，RG2014，usbclear，urlcleanner等等。

JAVA做的学生成绩管理系统，SWING做的界面。SQLServer数据库.初学JAVA，如果有见到我程序的朋友，见笑了。偶是菜鸟，对JAVA只有一点认识。热爱JAVA的朋友，共同学习进步啦！祝愿大家都学好JAVA

对声音信号加入随机噪声，用小波去除噪声，观察去噪前后的时域和频谱图，可听前后声音的变化。

Linux笔记 liunx入门教程 liunx参考手册 centos为主

整个项目代码包括：faster RCNN作为检测的基础，结合传统跟踪算法，以及效果。由于模型的参数太大，所以没有上传，

用法1、图像序列放入data文件夹中；2、图像序列名称和跟踪初始范围在initCt.m中修改；3、结果文件.data/fct-result.txt参考论文：K. Zhang, L. Zhang, and M. Yang, “Fast Compressive Tracking”

在simulink中应用s函数设计一个连续系统的实例。程序做了详细的注释（拜托，简单的一眼看懂的那种没有注释）。作为入门级的看看比较好。友情提醒：运行前，记得设初值。