写入文件操作BufferedWriter out = new BufferedWriter(new FileWriter("file.txt"));out.write("start"+'\n');out.write("end"+'\n');out.close()Gson操作（1）基本数据类型的解析Gson gson = new Gson();int num = gson.fromJson("100

自从ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet50或者ResNet101的基础上完成的，检测，分割，识别等领域都纷纷使用ResNet，Alpha zero也使用了ResNet，所以可见ResNet确实很好用。Resnets50 网络结构示意图ResNet50和ResNet101对比.

#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <iostream>using namespace std;using namespace cv;void displ

package open_txt;import org.opencv.core.Core;import org.opencv.core.Core.MinMaxLocResult;import org.opencv.core.Mat;import org.opencv.core.Point;import org.opencv.core.Scalar;import org.opencv.imgcode

模板单个匹配def all_operate(file1="lena.jpg",file2="face.jpg"):img =cv.imread(file1,0)template =cv.imread(file2,0)h,w = template.shape[:2]print (h,w)methods =[cv.TM_CCOEFF,cv.TM_CCOEFF_NORMED,cv.TM_CCORR,cv

一、思路1.收集简单的语音词汇，数量越多越好，当做数据集。2. 为每个词汇建立词汇内容的标签，建立一个字典，键值为文本词语，键为数字标签，训练时只能使用数字表示。3.建立卷积神经网络或其他网络4.提取音频特征，对应上标签进行训练，输出训练模型5.利用输出的模型对音频文件进行预测6.根据预测的结果，对应相应的回答的音频文件，做出应答。1.数据集收集说明：数据集过小，只是进行网络测试，实际数据较多；而

第一部下载对应源码： https://github.com/tensorflow/models建立工程目录复制models-master\research\object_detection到工程之中下载模型下载对应模型：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detec

直接读取图片def display_img(file="p.jpeg"):img = cv.imread(file)print (img.shape)cv.imshow('image',img)cv.waitKey(0)cv.destroyAllWindows()读取灰度图片def display_gray_img(file="p.jpeg"):img = cv.imread(file,cv.IM

https://blog.csdn.net/dongd_70/article/details/82690927

数据集：http://host.robots.ox.ac.uk:8080/pascal/VOC/voc2011/index.html说明：本文使用2012工程目录datasets|_____commodity______Annotations||__________JPEGImages数据预处理from xml.etree import ElementTree as ETfrom collecti