注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. sEMG基于肌电信号的深度学习数据集

  2. delsys设备采集的表面肌电信号，16个手势动作，每个动作维持6s，休息4s，进行6次循环。类别标签通过最大面积法修正，效果较好。

  3. 所属分类：深度学习

    • 发布日期：2019-04-04
    • 文件大小：175112192
    • 提供者：malele4th

  1. Tasker Pro 5.7.0.apk

  2. 全面自动化，从设置到短信。*触发器：应用程序，时间，日期，位置，硬/软状态，事件，快捷方式，小工具，计时器，插件 *操作：200+内置，插件支持 *任务：循环，变量，条件 *场景：设计自己的屏幕叠加 *应用创建：创建自己的独立应用程序分享或出售！（Android 2.3+）试用版：http ：//tasker.dinglisch.net/dl 入门指南：http ：//tasker.dinglisch.net/guides.html 查询，问题：请参阅菜单/信息/支持in-appIt不可能修复

  3. 所属分类：其它

    • 发布日期：2019-04-18
    • 文件大小：7340032
    • 提供者：mfkbbdx1

  1. Kinect手势数据集.zip

  2. Kinect手势数据集.zip

  3. 所属分类：深度学习

    • 发布日期：2020-03-13
    • 文件大小：173015040
    • 提供者：qq_45639509

  1. CVPR2019论文

  2. 检测 28分割 36分类、识别 15跟踪 19人脸 8人体姿态估计、位姿估计 18行为/动作识别、手势识别 10时序动作检测、视频相关 18Related to Networks 34GAN、图像文本生成 21图像/视频处理、超分辨 18点云、三维重建 25VQA、视觉语言导航 10OCR、文本检测 8自动驾驶、SLAM 12人群计数 3数据集 6行人重识别、行人检测 8其他 254

  3. 所属分类：机器学习

    • 发布日期：2020-03-04
    • 文件大小：75
    • 提供者：qq_42223751

  1. Tasker_Pro_v5.9.2_beta3.apk

  2. 全面的自动化，从设置到SMS。*触发器：应用程序，时间，日期，位置，硬/软状态，事件，快捷方式，小部件，计时器，插件 *操作：200多种内置功能，插件支持 *任务：循环，变量，条件 *场景：设计自己的屏幕覆盖图 *应用程序创建：创建自己的独立应用程序以共享或出售！（Android 2.3以上版本）试用版：http : //tasker.dinglisch.net/dl 入门指南：http ://tasker.dinglisch.net/guides.html 查询和问题：请参阅菜单/

  3. 所属分类：其它

    • 发布日期：2020-02-14
    • 文件大小：8388608
    • 提供者：mfkbbdx1

  1. handnet.pth

  2. handnet 模型用于体态识别技术，识别人体的姿势和动做，可以识别多个人的动作和姿势 ，使用的数据集是coco手势识别

  3. 所属分类：机器学习

    • 发布日期：2020-06-10
    • 文件大小：146800640
    • 提供者：weixin_32759777

  1. sense:使用任何RGB相机查看并与人类互动的能力来增强您的应用程序-源码

  2. 最新的实时动作识别 • ••• •• sense是一个推理引擎，可为功能强大的神经网络提供动作识别功能，且计算量较小。 在此存储库中，我们提供： 开箱即用的两个模型已经在数百万个在摄像机前执行动作并与之交互的人类视频中进行了预训练。 这两个神经网络都很小，高效，并且可以在CPU上实时平稳运行。 演示应用程序展示了我们模型的潜力：手势识别，健身活动跟踪，实时卡路里估算。 记录和注释您自己的视频数据集的管道，并通过易于使用的脚本在我们的模型上训练自定义分类器，以微调权重。 手势识别 （完

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：45088768
    • 提供者：weixin_42126668

  1. 基于3D Mesh MoSIFT特征描述符的手部精细动作识别

  2. 大数据时代对精细运动分析（例如手活动识别）的要求越来越高。 但是，在现实情况下，手活动识别会因光照，姿势和遮挡的变化而面临巨大挑战。 深度采集是解决上述问题的有效途径。 本文提出了一个完整的手活动识别结合深度信息框架，用于精细运动分析。 首先，将改进的图形切割方法引入到手的定位和随时间的跟踪中。 然后，结合3D几何特征和手部行为先验信息，提出了3D Mesh MoSIFT特征描述符来表示手部活动的判别性质。 仿真正交匹配追踪（SOMP）用于编码视觉代码字。 实验基于公开的深度数据集（ChaLea

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_38661100

  1. 手势-手形生成：根据手势的视觉特征预测手势的可传递性类别-源码

  2. Handshape预测静音手势产生中的传递性 规定： 该项目研究了是否可以通过参数标记形态来显示无声手势包含子单元结构。 方法： 从代表72个动作视频的6位参与者中发出了432个无声手势（36个涉及主体/对象的运动，而36个涉及对对象的操纵）。 手势被标注为手形。 使用Eccarius和Brentari，2008，手语和语言学中的方案对手形进行编码。 将手形特征用作预测器，以对手势是不及物还是不及物进行分类 线性支持向量机 6倍循环轮询留一范式 使用二项分布的概率质量函数对准确性进行意

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：10240
    • 提供者：weixin_42128558