- 基于x86 平台opencv的图像采集和seetaface6的口罩人脸检测识别功能
小菜鸟学开发
图像处理相关移植及应用opencv人工智能计算机视觉
目录一、概述二、环境要求2.1硬件环境2.2软件环境三、开发流程3.1编写测试3.2配置资源文件3.2验证功能一、概述本文档是针对x86平台opencv的图像采集和seetaface6的口罩人脸检测识别功能,opencv通过摄像头采集视频图像,将采集的视频图像送给seetaface6的口罩人脸检测识别模块从而实现口罩人脸检测识别功能。测试结果如下图所示:戴口罩的口罩人脸检测识别结果未戴口罩的口罩人
- 【iOS ARKit】人脸检测追踪基础
不凡的凡
ios
在计算机人工智能(ArtificialInteligence,AI)物体检测识别领域,最先研究的是人脸检测识别,目前技术发展最成熟的也是人脸检测识别。人脸检测识别已经广泛应用于安防、机场、车站、闸机、人流控制、安全支付等众多社会领域,也广泛应用于直播特效、美颜、Animoji等娱乐领域。人脸检测基础人脸检测(FaceDetection)是利用计算机视觉处理技术在数字图像或视频中自动定位人脸的过程,
- EDSR训练及测试教程
加斯顿工程师
深度学习超分辨率重建深度学习
EDSR训练及测试教程超分重建经典算法EDSR开源代码使用教程。论文名称:EnhancedDeepResidualNetworksforSingleImageSuper-Resolution,CVPR2017。训练自己的数据集由于EDSR开源代码只针对DIV2K数据集,在数据集加载时很多代码已经固定,因此在这里使用固定的文件结构,将图像数据复制到相应的文件夹即可进行训练数据集文件结构在主目录下新建
- Tesseract 简单文字识别
hkmaike
C#Tesseract
最近一直在搞图形图像处理与识别,之前做了人脸检测识别和车牌识别,用的是C++和OpenCV,最终只实现了人脸检测和车牌的简单处理,最后的人脸识别和车牌号码的正确识别没有成功,搞了一段时间也没有头绪,只好先继续做其它的,可能会在某处有新的发现,等做好了,有时间整理完后会公布出来。今天记录的是用Tesseract的文字识别,从网上资料看来,字符识别领域Tesseract还是挺不错的,但网上大部分都是c
- 深度学习之CNN深度卷积神经网络-DenseNet(进阶)
辣椒种子
机器学习深度学习cnn人工智能
1.简介DenseNet是在ResNet发表后深受其影响,同时又更为优秀的一种网络结构,由康威大学清华大学、facebook的三位作者共同提出,论文发表于2017,获得了CVPR2017的最佳论文奖。其核心即denseblock稠密块继承和发扬了ResNet中shortcut这一设计使得layer之间可以“稠密”互联,同时,正如其名,不只是层于层间的连接,而且是稠密连接(也借鉴了Inception
- 基于dlib的人脸检测识别系列——人脸检测
boxgege
基于dlib的人脸识别python开发语言opencv计算机视觉
系列文章目录前言人脸识别的第一步,人脸检测。本文章主要写运用dlib的人脸检测器,检测人脸,并绘制出人脸框,其中包括dlib库的安装和具体方法代码。一、dlib库的安装这个dlib库的安装烦人的很,老是安装报错。好像是什么环境问题,永远安装不到你的py中。搞不懂,这里用的是离线安装方法。(亲测成功)首先,dlib的需要先安装cmake和boost。直接安装哈pipinstallcmakepipin
- Disentangled Representation Learning GAN for Pose-Invariant Face Recognition
Junr_0926
1.前言这是CVPR2017的文章。2.介绍在这篇论文中,作者提出了DisentangledRepresentationGAN(DR-GAN)。如下图:Figure1如下图是之前的GAN和作者提出的DR-GAN的对比图:GAN传统的GAN如图中的(a)所示,G的输入是一个随机向量,产生一个合成的图片。作者提出了如图中(d)所示,使用一个encoder-decoder结构作为。encoder的输入是
- Python实现视频人脸检测识别功能
傻啦嘿哟
关于python那些事儿python音视频开发语言
目录一、引言二、人脸检测识别技术概述三、Python实现视频人脸检测识别功能的步骤1、安装相关库和工具2、加载视频文件3、人脸检测和识别4、保存视频结果四、实验结果和讨论五、结论一、引言在当今社会,人脸检测识别技术在安全监控、人机交互、智能交通等领域得到了广泛应用。Python作为一种流行的编程语言,具有易学易用、可扩展性强等特点,使得其在人脸检测识别领域也得到了广泛应用。本文将介绍如何使用Pyt
- 3399引擎_RK3399开发板 AIO-3399C六核高性能主板
weixin_39713805
3399引擎
AIO-3399C(AI)六核人工智能开源主板采用Rockchip六核高性能处理器,板载模块化深度神经网络学习加速器NPU,无需外部缓存,拥有强劲算力与超高效能,支持PyTorch,Caffe深度学习框架,提供完整易用的模型训练工具、网络训练模型实例,可快速应用在移动边缘计算、智能家居、人脸检测识别、人工智能服务器等领域64位高性能核心搭载ARM全新Cortex-A72架构、六核64位高性能处理器
- 通用对抗扰动——Universal adversarial perturbations
Jhouery
深度学习
Universaladversarialperturbations来自CVPR2017的一篇论文。引用量也上千了。https://openaccess.thecvf.com/content_cvpr_2017/html/Moosavi-Dezfooli_Universal_Adversarial_Perturbations_CVPR_2017_paper.html概述对抗样本,众所周知,其目的就是
- Cvpr 2017论文阅读(一)Machine Learning 1
goodluckcwl
CV-其他论文阅读Cvpr
本篇主要是Cvpr2017论文阅读小结,将分成多个主题总结。•Exclusivity-ConsistencyRegularizedMulti-ViewSubspaceClusteringXiaojieGuo,XiaoboWang,ZhenLei,ChangqingZhang,StanZ.Li这篇是多view数据聚类•BorrowingTreasuresFromtheWealthy:DeepTran
- 【目标跟踪】ECO算法论文阅读:ECO: Efficient Convolution Operators for Tracking
ctrl A_ctrl C_ctrl V
#目标检测目标跟踪算法论文阅读
文章目录1.论文概要2.研究背景和动机3.相关滤波用于目标跟踪的原理4.ECO算法流程5.ECO算法创新点5.1特征降维:PCA5.2训练集简化:GMM5.3模型更新策略:间歇更新1.论文概要论文下载地址:ECO:EfficientConvolutionOperatorsforTracking发表时间:CVPR2017作者:MartinDanelljan(瑞典),目标跟踪领域的大牛官方代码:htt
- 论文阅读 | CVPR2017 | EAST: An Efficient and Accurate Scene Text Detector
ktulu7
一为什么读这篇最近在做OCR相关的东西,EAST是文字检测的代表算法,在项目中也有用到,所以自然是必读了。二截止阅读时这篇论文的引用次数2019.3.4123次。相比其他通用领域有点少,但按细分领域来算也不少。三相关背景介绍旷视出品,17年4月挂到arXiv上,中了2017年的CVPR。一作XinyuZhou清华本科毕业后就在旷视工作了,二作姚聪不用多说,江湖人称聪神,上学在华科白翔团队。四关键词
- pytorch实现desnet
浩波的笔记
一、概述论文:DenselyConnectedConvolutionalNetworks论文链接:https://arxiv.org/pdf/1608.06993.pdf代码的github链接:https://github.com/liuzhuang13/DenseNet作为CVPR2017年的BestPaper,DenseNet脱离了加深网络层数(ResNet)和加宽网络结构(Inception
- DeLiGAN解读
6e845d5ac37b
上周读了CVPR2017一篇名为DeLiGAN:GenerativeAdversarialNetworksforDiverseandLimitedData的论文,作者是几位印度学者。该论文的动机是,针对小样本训练数据的情况,提出一种GAN的变种,以提高生成的数据的多样性。本文主要有两个贡献点:1.将原始GAN的latentspace定义为一个混合高斯模型,实验证明,这个小小的改动使GAN在训练数据
- 谷歌查看html地址_104篇CVPR 2019论文,追踪谷歌、Facebook、英伟达研究课题
weixin_39674190
谷歌查看html地址
【新智元导读】人工智能顶级会议CVPR刚刚公布了最佳论文,谷歌、Facebook和英伟达也随后公布了自家发表的论文共计104篇,本文列出了三家大厂论文的完整列表。本周,在美国加利福尼亚州长滩举办了CVPR2019(计算机视觉和模式识别会议),这是一次重要的年度计算机视觉活动,包括主要会议和几个共同举办的研讨会和教程。本次CVPR参会人数超过6500,CVPR2018超过6000人;CVPR2017
- 单目3D目标检测论文汇总
凌青羽
目标检测&实例分割3d目标检测人工智能自动驾驶
基于语义和几何约束的方法1.Deep3DBox3DBoundingBoxEstimationUsingDeepLearningandGeometry[CVPR2017]https://arxiv.org/pdf/1612.00496.pdfhttps://zhuanlan.zhihu.com/p/414275118核心思想:通过利用2Dboundingbox与3Dboundingbox之间的几何约
- 深度学习 图像分割 PSPNet 论文复现(训练 测试 可视化)
LPY。
深度学习人工智能计算机视觉图像处理神经网络目标检测
TableofContents一、PSPNet介绍1、原理阐述2、论文解释3、网络模型二、部署实现1、PASCALVOC20122、模型训练3、度量指标4、结果分析5、图像测试一、PSPNet介绍PSPNet(PyramidSceneParsingNetwork)来自于CVPR2017的一篇文章,中文翻译为金字塔场景解析网络,主要用于图像分割。此架构引入了金字塔池化(PyramidPooling)
- ActionVLAD算法详解
ce0b74704937
文章地址:https://rohitgirdhar.github.io/ActionVLAD/代码地址:https://github.com/rohitgirdhar/ActionVLAD/该文章由CMU、Adobe、法国国立计算机及自动化研究院联合提出,被CVPR2017收录。该文章的创新点在于将vlad使用到动作分类任务上,而该文章中使用的VLAD是由文章《NetVLAD:CNNarchite
- 【轻量化网络】MobileNet系列
m0_61899108
论文笔记人工智能深度学习pythoncnn计算机视觉
MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications,CVPR2017论文:https://arxiv.org/abs/1704.04861代码:解读:【图像分类】2017-MobileNetV1CVPR_說詤榢的博客-CSDN博客MobileNetV2:InvertedResidualsandLine
- 语义分割之PSP-Net原理以及代码讲解
xuzz_498100208
机器学习pytorch深度学习
CVPR2017(IEEEConferenceonComputerVisionandPatternRecognition)论文地址:PyramidSceneParsingNetworkgithub地址:https://github.com/Lextal/pspnet-pytorchPSP-Net可以说是语义分割当中比较经典的一个了,不仅有着较好的多类分割精度,同时实时性也ok(backbone在r
- 基于Python实现自动刷视频丨进行人脸检测识别,不是MM自动划走下一个
是巳月阿
Python人工智能脚本开发pythonjson开发语言
人生苦短,我用Python前言代码实战最后哈喽大家好,我是巳月!前言昨天木子问我能不能做自动刷某音短视频,还要自动刷小哥哥,不是小哥哥就划走。我心想,这女人真麻烦,怎么这么多事。不好好工作天天想着小哥哥!为了不得罪她,当时我就先答应了下来,然而实际上我把小哥哥变成了小姐姐,刷什么小哥哥,多没品味!好了,话不多说,我们直接上代码!代码实战模块首先导入需要使用的模块importbase64import
- 论文阅读 | CVPR2017 | Xception: Deep Learning with Depthwise Separable Convolutions
ktulu7
一为什么读这篇Xception这个网络结构很早就知道了,也使用过,最早看到是在keras之父的《DeepLearningwithPython》这本书里,不过只是提了一下,说的不多。当时还有个感慨,怪不得用keras实现的Xception做的那么好,原来keras和Xception都是FrançoisChollet大神一个人搞的。这次读下原文,看下Xception的来龙去脉。二截止阅读时这篇论文的引
- CVPR 2017 Feedback-Network 的 pytorch 实现
Meng_Blog
项目地址我的github地址目的根据Feedback-Network(CVPR2017,Zamiretal.)论文提出的反馈网络结构,对CIFAR100或类似数据集进行分类。当前实现了CIFAR100数据集上的训练和测试,基本达到论文效果。结果Feedback-Network48,CIFAR100验证精度valaccuracyRequirementsPytorch=0.3.1python=2.7n
- (CVPR-2017)用于目标检测的特征金字塔网络
顾道长生'
基础架构目标检测计算机视觉深度学习
用于目标检测的特征金字塔网络论文题目:FeaturePyramidNetworksforObjectDetection论文是FAIR发表在CVPR2017的工作paper地址Abstract特征金字塔是识别系统中用于检测不同尺度对象的基本组件。但最近的深度学习对象检测器避免了金字塔表示,部分原因是它们是计算和内存密集型的。在本文中,我们利用深度卷积网络固有的多尺度、金字塔层次结构来构建具有边际额外
- Look Closer to See Better: RA-CNN
是风车大渣渣啊
keywords:细粒度图像分类;计算机视觉;CVPR2017一个月前读了使用注意力机制解决弱监督学习的细粒度图像分类论文-LookClosertoSeeBetter:RecurrentAttentionConvolutionalNeuralNetworkforFine-grainedImageRecognition趁着电脑正在训练的时间,总结一下。细粒度图像分类传统的图像分类是判断识别图像的种类
- Active Learning: 一个降低深度学习时间,空间,经济成本的解决方案
城市中迷途小书童
下面要介绍的工作发表于CVPR2017,题为“Fine-tuningConvolutionalNeuralNetworksforBiomedicalImageAnalysis:ActivelyandIncrementally”。它主要解决了一个深度学习中的重要问题:如何使用尽可能少的标签数据来训练一个效果promising的分类器。根据我的判断,当遇到两种情况的时候,这篇论文的可以非常强大的指导意
- densenet网络结构_CVPR2017最佳论文DenseNet(二)pytorch实现
weixin_39695490
densenet网络结构densenet论文
根据上文(CVPR2017最佳论文DenseNet(一)原理分析)进行理论介绍,本文使用pytorch进行了网络结构的复现。下文从包含网络块与整体网络结构两个部分,网络超参数均按照论文中所述。在进行代码实现之前,首先回顾一下将要用到的符号与网络结构图:(a)k表示增长率,也就是growthrate,代表每个bottleneck层的输出通道数,固定不变;(b)Hl(·)表示第l层的映射函数(即卷积等
- python例子视频_Python学习案例之视频人脸检测识别
weixin_39802784
python例子视频
前言上一篇博文与大家分享了简单的图片人脸识别技术,其实在实际应用中,很多是通过视频流的方式进行识别,比如人脸识别通道门禁考勤系统、人脸动态跟踪识别系统等等。案例这里我们还是使用opencv中自带了haar人脸特征分类器,通过读取一段视频来识别其中的人脸。代码实现:#-*-coding:utf-8-*-__author__="小柒"__blog__="https://blog.52itstyle.v
- 视觉问答VQA之通过提问题获取知识
萧风萧雨
KnowledgeAcquisitionforVisualQuestionAnsweringviaIterativeQuerying这篇论文是斯坦福李飞飞团队做的工作,发表在CVPR2017上。论文通过迭代的查询(问问题query)来获取额外知识和信息,从而更好的解决VQA问题(关于VQA的纵览可以看我的另一篇文章——一文带你了解视觉问答VQA)。相比于其它获取额外知识的方法,这篇论文是通过提问与
- ASM系列六 利用TreeApi 添加和移除类成员
lijingyao8206
jvm动态代理ASM字节码技术TreeAPI
同生成的做法一样,添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子,下面这个Task类,我们来移除isNeedRemove方法,并且添加一个int 类型的addedField属性。
package asm.core;
/**
* Created by yunshen.ljy on 2015/6/
- Springmvc-权限设计
bee1314
springWebjsp
万丈高楼平地起。
权限管理对于管理系统而言已经是标配中的标配了吧,对于我等俗人更是不能免俗。同时就目前的项目状况而言,我们还不需要那么高大上的开源的解决方案,如Spring Security,Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。
目标:
1.实现权限的管理(CRUD)
2.实现部门管理 (CRUD)
3.实现人员的管理 (CRUD)
4.实现部门和权限
- 算法竞赛入门经典(第二版)第2章习题
CrazyMizzz
c算法
2.4.1 输出技巧
#include <stdio.h>
int
main()
{
int i, n;
scanf("%d", &n);
for (i = 1; i <= n; i++)
printf("%d\n", i);
return 0;
}
习题2-2 水仙花数(daffodil
- struts2中jsp自动跳转到Action
麦田的设计者
jspwebxmlstruts2自动跳转
1、在struts2的开发中,经常需要用户点击网页后就直接跳转到一个Action,执行Action里面的方法,利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action(不是专业人士)
2、<jsp:forward page="xxx.action" /> ,这个标签可以实现跳转,page的路径是相对地址,不同与jsp和j
- php 操作webservice实例
IT独行者
PHPwebservice
首先大家要简单了解了何谓webservice,接下来就做两个非常简单的例子,webservice还是逃不开server端与client端。我测试的环境为:apache2.2.11 php5.2.10做这个测试之前,要确认你的php配置文件中已经将soap扩展打开,即extension=php_soap.dll;
OK 现在我们来体验webservice
//server端 serve
- Windows下使用Vagrant安装linux系统
_wy_
windowsvagrant
准备工作:
下载安装 VirtualBox :https://www.virtualbox.org/
下载安装 Vagrant :http://www.vagrantup.com/
下载需要使用的 box :
官方提供的范例:http://files.vagrantup.com/precise32.box
还可以在 http://www.vagrantbox.es/
- 更改linux的文件拥有者及用户组(chown和chgrp)
无量
clinuxchgrpchown
本文(转)
http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/
http://ydlmlh.iteye.com/blog/1435157
一、基本使用:
使用chown命令可以修改文件或目录所属的用户:
命令
- linux下抓包工具
矮蛋蛋
linux
原文地址:
http://blog.chinaunix.net/uid-23670869-id-2610683.html
tcpdump -nn -vv -X udp port 8888
上面命令是抓取udp包、端口为8888
netstat -tln 命令是用来查看linux的端口使用情况
13 . 列出所有的网络连接
lsof -i
14. 列出所有tcp 网络连接信息
l
- 我觉得mybatis是垃圾!:“每一个用mybatis的男纸,你伤不起”
alafqq
mybatis
最近看了
每一个用mybatis的男纸,你伤不起
原文地址 :http://www.iteye.com/topic/1073938
发表一下个人看法。欢迎大神拍砖;
个人一直使用的是Ibatis框架,公司对其进行过小小的改良;
最近换了公司,要使用新的框架。听说mybatis不错;就对其进行了部分的研究;
发现多了一个mapper层;个人感觉就是个dao;
- 解决java数据交换之谜
百合不是茶
数据交换
交换两个数字的方法有以下三种 ,其中第一种最常用
/*
输出最小的一个数
*/
public class jiaohuan1 {
public static void main(String[] args) {
int a =4;
int b = 3;
if(a<b){
// 第一种交换方式
int tmep =
- 渐变显示
bijian1013
JavaScript
<style type="text/css">
#wxf {
FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98);
height: 25px;
}
</style>
- 探索JUnit4扩展:断言语法assertThat
bijian1013
java单元测试assertThat
一.概述
JUnit 设计的目的就是有效地抓住编程人员写代码的意图,然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今,版本不停的翻新,但是所有版本都一致致力于解决一个问题,那就是如何发现编程人员的代码意图,并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
- 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}}
bit1129
gson
如何把如下简单的JSON字符串反序列化为Java的POJO对象?
{"data":{"IM":["MSN","QQ","Gtalk"]}}
下面的POJO类Model无法完成正确的解析:
import com.google.gson.Gson;
- 【Kafka九】Kafka High Level API vs. Low Level API
bit1129
kafka
1. Kafka提供了两种Consumer API
High Level Consumer API
Low Level Consumer API(Kafka诡异的称之为Simple Consumer API,实际上非常复杂)
在选用哪种Consumer API时,首先要弄清楚这两种API的工作原理,能做什么不能做什么,能做的话怎么做的以及用的时候,有哪些可能的问题
- 在nginx中集成lua脚本:添加自定义Http头,封IP等
ronin47
nginx lua
Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言,从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器,但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com
Google把子域名当作完全独立的网站,我们不希望爬虫抓取子域名的页面,降低我们的Page rank。
location /{
- java-归并排序
bylijinnan
java
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] a={20,1,3,8,5,9,4,25};
mergeSort(a,0,a.length-1);
System.out.println(Arrays.to
- Netty源码学习-CompositeChannelBuffer
bylijinnan
javanetty
CompositeChannelBuffer体现了Netty的“Transparent Zero Copy”
查看API(
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description)
可以看到,所谓“Transparent Zero Copy”是通
- Android中给Activity添加返回键
hotsunshine
Activity
// this need android:minSdkVersion="11"
getActionBar().setDisplayHomeAsUpEnabled(true);
@Override
public boolean onOptionsItemSelected(MenuItem item) {
- 静态页面传参
ctrain
静态
$(document).ready(function () {
var request = {
QueryString :
function (val) {
var uri = window.location.search;
var re = new RegExp("" + val + "=([^&?]*)", &
- Windows中查找某个目录下的所有文件中包含某个字符串的命令
daizj
windows查找某个目录下的所有文件包含某个字符串
findstr可以完成这个工作。
[html]
view plain
copy
>findstr /s /i "string" *.*
上面的命令表示,当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
- 改善程序代码质量的一些技巧
dcj3sjt126com
编程PHP重构
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧: 尽量保持方法简短 尽管很多人都遵
- SharedPreferences对数据的存储
dcj3sjt126com
SharedPreferences简介: &nbs
- linux复习笔记之bash shell (2) bash基础
eksliang
bashbash shell
转载请出自出处:
http://eksliang.iteye.com/blog/2104329
1.影响显示结果的语系变量(locale)
1.1locale这个命令就是查看当前系统支持多少种语系,命令使用如下:
[root@localhost shell]# locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
- Android零碎知识总结
gqdy365
android
1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。
所以最后得出结论:CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里,比如缓存。发生修改时候做copy,新老版本分离,保证读的高
- HoverTree.Model.ArticleSelect类的作用
hvt
Web.netC#hovertreeasp.net
ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类,用于存放查询文章时的条件,例如HvtId就是文章的id。HvtIsShow就是文章的显示属性,当为-1是,该条件不产生作用,当为0时,查询不公开显示的文章,当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放,开发环境为Visual Studio 2013
- PHP 判断是否使用代理 PHP Proxy Detector
天梯梦
proxy
1. php 类
I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
- apache的math库中的回归——regression(翻译)
lvdccyb
Mathapache
这个Math库,虽然不向weka那样专业的ML库,但是用户友好,易用。
多元线性回归,协方差和相关性(皮尔逊和斯皮尔曼),分布测试(假设检验,t,卡方,G),统计。
数学库中还包含,Cholesky,LU,SVD,QR,特征根分解,真不错。
基本覆盖了:线代,统计,矩阵,
最优化理论
曲线拟合
常微分方程
遗传算法(GA),
还有3维的运算。。。
- 基础数据结构和算法十三:Undirected Graphs (2)
sunwinner
Algorithm
Design pattern for graph processing.
Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
- 云计算平台最重要的五项技术
sumapp
云计算云平台智城云
云计算平台最重要的五项技术
1、云服务器
云服务器提供简单高效,处理能力可弹性伸缩的计算服务,支持国内领先的云计算技术和大规模分布存储技术,使您的系统更稳定、数据更安全、传输更快速、部署更灵活。
特性
机型丰富
通过高性能服务器虚拟化为云服务器,提供丰富配置类型虚拟机,极大简化数据存储、数据库搭建、web服务器搭建等工作;
仅需要几分钟,根据CP
- 《京东技术解密》有奖试读获奖名单公布
ITeye管理员
活动
ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
12月试读活动回顾:
http://webmaster.iteye.com/blog/2164754
本次技术图书试读活动获奖名单及相应作品如下:
一等奖(两名)
Microhardest:http://microhardest.ite