Python中的BlazeFace BlazeFace是Google Research提供的一种快速，轻巧的面部检测器。 ， 预训练模型可作为Google 框架的一部分使用。 除了边界框之外，BlazeFace还可以预测脸部界标的6个关键点（2x眼睛，2x耳朵，鼻子，嘴巴）。 因为BlazeFace是为在移动设备上使用而设计的，所以预训练的模型为TFLite格式。 但是，我想从PyTorch使用它，所以我进行了转换。 注意： MediaPipe模型与BlazeFace论文中描述的模型略有不同。 它使用具有3x3内核而不是5x5的深度卷积。 它仅使用“单个” BlazeBlock，而不使用“双重” BlazeBlock。 BlazePaper论文提到该模型有两个版本，一个用于前置摄像头，一个用于后置摄像头。 此仓库仅包含前置摄像头型号，因为这是我能够为其找到经过官方培训的版本的唯一

布拉茨模型 神经计算项目，为BraTS数据集建立肿瘤分割和生存预测模型

KerasGA：使用遗传算法训练Keras模型 是库的一部分，用于使用遗传算法（GA）训练模型。 项目有一个名为kerasga.py模块，该模块具有一个名为KerasGA的类，用于准备KerasGA模型参数的初始填充。 是一个开放源代码的Python库，用于构建遗传算法和训练机器学习算法。 在查看图书馆的： : 在使用此项目之前，通过pip安装 。 对于Windows： pip install pygad 对于Linux / Mac： pip3 install pygad 捐款 您可以通过捐款： 。 要使用PayPal捐款，请使用以下链接： 或电子邮件地址ahmed.f.gad@gmail.com 。 安装 要安装PyGAD ，只需使用pip从PyPI （Python软件包索引）下载并安装该库。 该库位于此页面https://pypi.org/project/p

FeatureNet数据库 我们使用称为FeatureNet的深度3D卷积神经网络（3D-CNN）开发了一个新颖的框架，以从机械零件的CAD模型中学习加工特征。 FeatureNet了解大型3D模型数据集中复杂加工特征形状的分布，并发现有助于自动识别过程的独特特征。 为了训练FeatureNet，可以合成带有标注加工特征的3D CAD模型的大型机械零件数据集。 有关更多详细信息，请参阅我们在《计算机辅助设计》期刊发表的。 101，2018年。此存储库中提供FeatureNet数据库。 该存储库包括一个由完整的FeatureNet数据库组成的压缩文件夹。 压缩文件夹包含24个子文件夹，每个子文件夹代表具有类标签（从0-23开始）的独特加工功能。 每个子文件夹都有1000个.STL文件，这些文件是相应加工特征的随机生成的样本。 存储库随附的中提供了加工功能及其参数的列表。 如果您将我们的数

使用Pytorch进行人脸识别 Python 3.7 3.6 3.5 地位 这是pytorch中Inception Resnet（V1）模型的存储库，已在VGGFace2和CASIA-Webface上进行了预训练。 使用从David Sandberg的移植的参数来初始化Pytorch模型权重。 此回购中还包括用于推理之前的人脸检测的MTCNN的有效pytorch实现。 这些模型也经过预训练。 据我们所知，这是最快的MTCNN实现。 目录 视频流中的人脸跟踪 使用新数据微调预训练模型 Facenet-PyTorch中的MTCNN指南 人脸检测套件的性能比较 FastMTCNN算法 与Docker一起运行 在您自己的git项目中使用此仓库 将参数从Tensorflow转换为Pytorch 参考 快速开始 安装： # With pip: pip install facene

SRN-DeblurNet 为了进行培训，我严格遵循原始论文的所有配置。 为了测试PSNR，我将GOPRO datset的测试集分为两半，一个用于验证，另一个用于测试，并获得29.58db PSNR（原始论文报道为30.26db ）。 提供了预训练的模型。 在没有伽玛校正的情况下，可以对GOPRO的模糊图像进行训练。 我试图将这种模型推广到真实世界中的人脸图像中，但是发现它不能很好地推广。 欢迎任何讨论或更正。 参考

CARET_Models

关注可下载 线性的 SIR 模型, 计算出模型中封闭系统的精确解, 得到累计病例数与时间的关系, 并通过该关系与累计确诊病例的实际数据进行拟合, 得到了传染率参数 a ，恢复系数b，和初始易感人数是的估计值, 本文提出的基于SIR的传染病动力学模型, 通过公开历史数据对模型参数进行反演,基于这些参数, 我们很好地模拟了目前疫情的发展, 并准确预测了疫情未来的趋势. 数分析显示了各级政府防控措施的有效程度. 人们的防范意识以及人们的疫情习惯对于疫情发展的影响，模拟结果显示, 如果政府加大宣传力度，增强隔离措施，个人改善自家的卫生习惯，加强防护意识，可以极大的延缓疫情的发展，减少感染人数。

心脏健身分析-使用-R 使用各种有氧健身产品可提供约180人的有氧健身数据。 目的是研究和分析哪种产品在适应性和用法上是有效的。 该项目涉及对统计输出的解释，以产生管理建议，使用回归作为预测工具，最重要的是评估和选择替代统计模型。

RF_regressor 使用sklearn随机森林回归器的预测模型