一些关于CV和deeplearning的干货链接（长期更新）

最新推荐文章于 2024-09-05 02:24:42 发布
置顶 最新推荐文章于 2024-09-05 02:24:42 发布
阅读量4.2w 收藏 19
点赞数 3
分类专栏： 计算机视觉 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/watermelon1123/article/details/84336033
版权

目录

 

yolo系列汇总：

关于batch normalization的理解：

各类归一化方法的总结及代码：

YJango的卷积神经网络介绍：

目标检测SSD讲解：

关于AP PR曲线计算的理解（内附代码，生肉，英文）：

解释了yolov3的forward和anchor box相关内容

关于数据增强的奇淫技巧：

一篇超级全的数据增强博客：

yolov3 pytorch教程：

标注工具汇总：

github上7k星的pytorch教程（对不起，现在已经8k星了）：

github上2w+星的tensorflow教程：

经典论文原文及其中文对照翻译：

分割线 -------------------------------------

数据增强代码：

手写数字识别博客：

keras搭建cnn实现手写数字识别：

关于残差网络的解析：

pytorch官方教程翻译：

HyperLPR：深度学习高性能车牌识别

服装开源数据集（6w测试集1w数据集）：

服装识别开源实例（看到新的会再补充，这部分最近有可能会关注一下）：

损失函数各类交叉熵讲解（从信息量和熵来推导，浅显易懂）

交通灯数据集：

模型可视化工具（支持多种主流框架）：

CVPR2019论文：

SSD讲解：

一文搞懂faster-rcnn:

模型转化工具（支持TF，Keras，Pytorch，MXNet多种主流框架）：

AI学习资料整理：

CVPR2019 | 29篇目标检测相关论文汇总（部分含源码）

边缘检测论文集合（含代码）：

基于yolov3和crnn的ocr识别：

Python-Opencv入门：

Pytorch代码调试利器，自动print Tensor信息：

coco2014数据集下载地址：

车道线检测论文及代码汇总：

模型所需计算力统计工具pytorch-OpCounter:

CNN模型解读合集：

李宏毅机器学习在线阅读笔记：

微软亚洲研究院开源项目：

交通标志数据集Mapillary Traffic Sign Dataset：

Pytorch中文教程：

Torchcv 基于Pytorch的开源CV框架：

LFFD 一个轻量级的检测器（人脸/人头/行人/车牌/车辆）：

高斯YOLOv3：使用定位不确定性进行自动驾驶的精确快速目标检测器：

PAN 一个快速的文本检测算法：

1MB轻量级人脸带关键点检测算法：

目标检测数据集转换工具：

YOLO系列资料整合：

一个RCNN系列讲解超级棒的博客：

Pytorch官方出品的一本深度学习的书：

新鲜开源ASFF，一个贼吊的目标检测器：

Pytorch2Tensorrt的python API:

ICCV2019辅助驾驶资料汇总：

YOLO的各种变种：

Pytorch训练加速123--如何给cpu数据读取加速：

基于GAN的黄种人人脸生成器：

Anchor Free论文合集：

CrowdHuman+Double Anchor：强强联合，推动密集行人检测技术落地:

首个使用 NAS 设计的 GCN，达到动作识别SOTA：

NVIDIA AI TOT团队的实时人体姿态估计：

基于CenterNet魔改的姿态估计CenterPose:

YOLACT++ 开源实时实例分割网络：

UCF-Crime Dataset:

零售商品检测的基准：密集目标检测的强大baseline：

vedaseg:A semantic segmentation toolbox in pytorch：

何凯明新作，视频理解代码开源：

一个暴力事件检测的数据集：

yolo系列汇总：

关于yolov1讲的比较清楚的博客：

https://blog.csdn.net/hrsstudy/article/details/70305791

关于yolov1原理解释的幻灯片：

https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000#slide=id.g137784ab86_4_1509

关于anchor box讲的比较清楚的博客：

https://blog.csdn.net/zijin0802034/article/details/77685438

  • 注意作者文中说的：线性变换，宽度和高度必需相等，指的是proposal和ground truth的宽和高要近似相等，不能相差太多才是线性变换。

关于yolov2讲的比较清楚的博客：

https://blog.csdn.net/zijin0802034/article/details/77097894

  • 里面提到了对偏移量tx 和ty做logistic的原因

关于yolov3的部分解读：

https://xmfbit.github.io/2018/04/01/paper-yolov3/

  • 里面提到了梯度如何计算的问题

关于batch normalization的理解：

https://www.cnblogs.com/guoyaohua/p/8724433.html

各类归一化方法的总结及代码：

https://blog.csdn.net/liuxiao214/article/details/81037416

YJango的卷积神经网络介绍：

https://zhuanlan.zhihu.com/p/27642620

目标检测SSD讲解：

https://zhuanlan.zhihu.com/p/33544892

关于AP PR曲线计算的理解（内附代码，生肉，英文）：

https://github.com/rafaelpadilla/Object-Detection-Metrics#create-the-ground-truth-files

解释了yolov3的forward和anchor box相关内容

解释了源码yolo_layer.c line195~237，待验证）：

https://blog.csdn.net/weixin_41015185/article/details/84189515

关于数据增强的奇淫技巧：

https://www.zhihu.com/question/35339639

一篇超级全的数据增强博客：

https://blog.csdn.net/daniaokuye/article/details/78535879

yolov3 pytorch教程：

  • 英文原版生肉（大概能解决你一半以上关于Yolov3的困惑）

https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/

  • 知乎翻译中文

https://zhuanlan.zhihu.com/p/36899263

  • 对应github（快去给他小星星吧）

https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch

标注工具汇总：

https://blog.csdn.net/chaipp0607/article/details/79036312

github上7k星的pytorch教程（对不起，现在已经8k星了）：

https://github.com/yunjey/pytorch-tutorial

github上2w+星的tensorflow教程：

https://github.com/aymericdamien/TensorFlow-Examples

  • 不喜欢英文的可以看这个，pytorch 0.4中文文档：

https://ptorch.com/docs/8/

经典论文原文及其中文对照翻译：

  • Alexnet   VGG  Resnet  GoogLenet  BN-GoogLenet  Inception-v3  SENet
  • YOLO  SSD  YOLO9000  Deformable-ConvNets  Faster R-CNN  R-FCN  FPN
  • CRNN  CTPN

https://github.com/jiajunhua/SnailTyan-deep-learning-papers-translation

 

分割线 -------------------------------------

数据增强代码：

github.com/aleju/imgaug

手写数字识别博客：

https://blog.csdn.net/qq_33000225/article/details/73123880

keras搭建cnn实现手写数字识别：

https://www.jianshu.com/p/b22e708a3f37

关于残差网络的解析：

https://blog.csdn.net/rogerchen1983/article/details/79353972

pytorch官方教程翻译：

https://mp.weixin.qq.com/s?__biz=Mzg5NzAxMDgwNg==&mid=2247484041&idx=1&sn=a3580ff29d34556a3eb26ddba8b01e29&chksm=c0791f90f70e9686fb7afec2a3f5c3aeb2694fd054c7a45fb51829e9e85c7aa5c2b0580bc3be&mpshare=1&scene=23&srcid=0109XWDDUIVRlU1lezhBKF4t#rd

HyperLPR：深度学习高性能车牌识别

https://github.com/zeusees/HyperLPR

服装开源数据集（6w测试集1w数据集）：

https://github.com/zalandoresearch/fashion-mnist/tree/master/data/fashion

服装识别开源实例（看到新的会再补充，这部分最近有可能会关注一下）：

https://github.com/KaiJin1995/fashionAI2018/tree/master

损失函数各类交叉熵讲解（从信息量和熵来推导，浅显易懂）

https://www.jianshu.com/p/47172eb86b39

https://blog.csdn.net/red_stone1/article/details/80735068

交通灯数据集：

博世小交通灯数据集（用于深度学习的小型交通灯数据集）：

https://hci.iwr.uni-heidelberg.de/node/6132

LaRa交通灯识别（巴黎交通灯数据集）：

http://www.lara.prd.fr/benchmarks/trafficlightsrecognition

WPI数据集（交通灯/行人/车道检测数据集）：

http://computing.wpi.edu/dataset.html

交通信号灯/交通指示牌数据集：

https://github.com/ytzhao/Robotics/wiki/TS-and-TL-Dataset

模型可视化工具（支持多种主流框架）：

https://github.com/lutzroeder/Netron

CVPR2019论文：

https://github.com/extreme-assistant/cvpr2019

SSD讲解：

https://blog.csdn.net/qianqing13579/article/details/82106664

一文搞懂faster-rcnn:

https://zhuanlan.zhihu.com/p/31426458

模型转化工具（支持TF，Keras，Pytorch，MXNet多种主流框架）：

https://github.com/Microsoft/MMdnn

AI学习资料整理：

https://mp.weixin.qq.com/s?__biz=Mzg5NzAxMDgwNg==&mid=2247484212&idx=1&sn=18de3f24ff47ff0e096c38ce90a8d95d&chksm=c0791e2df70e973b03a0496ac045974f581bade3a05aa1416104b5556a515acf0ee07a1c3554&mpshare=1&scene=23&srcid=#rd

CVPR2019 | 29篇目标检测相关论文汇总（部分含源码）

https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247488715&idx=1&sn=e5cb3e73e0a15aa88155bb3807f28121&chksm=ec1ff932db687024dd482e169355b9e37c3c3c4041263634b2a37c0a0f3408b961d3ed1fe4b3&mpshare=1&scene=23&srcid=#rd

边缘检测论文集合（含代码）：

https://mp.weixin.qq.com/s?__biz=Mzg5ODAzMTkyMg==&mid=2247485964&idx=1&sn=e87ee7dc9f05c105f555e1e768e5756b&chksm=c0698251f71e0b4786ccf8e91b4c6c888982916063a70c23b78aed5d42ace9ef53c6caa593e7&mpshare=1&scene=23&srcid=#rd

基于yolov3和crnn的ocr识别：

https://github.com/chineseocr/chineseocr

Python-Opencv入门：

http://www.1zlab.com/article/opencv-face-detection/

Pytorch代码调试利器，自动print Tensor信息：

https://github.com/zasdfgbnm/TorchSnooper

coco2014数据集下载地址：

国外：https://blog.csdn.net/u013249853/article/details/84924808

国内：https://blog.csdn.net/weixin_43599336/article/details/86539042

车道线检测论文及代码汇总：

https://github.com/amusi/awesome-lane-detection

模型所需计算力统计工具pytorch-OpCounter:

https://github.com/Lyken17/pytorch-OpCounter

CNN模型解读合集：

https://zhuanlan.zhihu.com/p/65564209

李宏毅机器学习在线阅读笔记：

https://datawhalechina.github.io/leeml-notes

微软亚洲研究院开源项目：

https://mp.weixin.qq.com/s/EDDeWQdfEeh8tISMpPOsCQ

交通标志数据集Mapillary Traffic Sign Dataset：

https://www.mapillary.com/dataset/trafficsign

Pytorch中文教程：

https://pytorch.apachecn.org/

Torchcv 基于Pytorch的开源CV框架：

https://github.com/donnyyou/torchcv

LFFD 一个轻量级的检测器（人脸/人头/行人/车牌/车辆）：

原版：https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices

Pytorch版：https://github.com/becauseofAI/lffd-pytorch

高斯YOLOv3：使用定位不确定性进行自动驾驶的精确快速目标检测器：

https://github.com/jwchoi384/Gaussian_YOLOv3

PAN 一个快速的文本检测算法：

https://github.com/WenmuZhou/PAN.pytorch

1MB轻量级人脸带关键点检测算法：

https://github.com/biubug6/Face-Detector-1MB-with-landmark?tdsourcetag=s_pctim_aiomsg

目标检测数据集转换工具：

https://github.com/spytensor/prepare_detection_dataset

YOLO系列资料整合：

https://github.com/Bubble-water/YOLO-Summary

一个RCNN系列讲解超级棒的博客：

http://www.telesens.co/2018/03/11/object-detection-and-classification-using-r-cnns/

Pytorch官方出品的一本深度学习的书：

https://zhuanlan.zhihu.com/p/93116220

新鲜开源ASFF，一个贼吊的目标检测器：

https://github.com/ruinmessi/ASFF

Pytorch2Tensorrt的python API:

https://github.com/NVIDIA-AI-IOT/torch2trt

ICCV2019辅助驾驶资料汇总：

https://mp.weixin.qq.com/s/PFPGX4dDtj_1A4nvtBNFRA

YOLO的各种变种：

ASFF: Learning Spatial Fusion for Single-Shot Object Detection

https://github.com/ruinmessi/ASFF

Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression

https://github.com/Zzh-tju/DIoU-darknet

Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty for Autonomous Driving

https://github.com/jwchoi384/Gaussian_YOLOv3

PRN: Enriching Variety of Layer-wise Learning Information by Gradient Combination

https://github.com/WongKinYiu/PartialResidualNetworks

一个更优秀的backbone:Cross Stage Partial Networks

https://github.com/WongKinYiu/CrossStagePartialNetworks

彩蛋：Centernet也可以用Darknet实现

https://github.com/CaoWGG/CenterNet-darknet

Pytorch训练加速123--如何给cpu数据读取加速：

针对CPU到GPU的张量迁移工具：

https://zhuanlan.zhihu.com/p/82666665

给训练踩踩油门 —— Pytorch 加速数据读取：

https://zhuanlan.zhihu.com/p/80695364

在深度学习中喂饱gpu：

https://zhuanlan.zhihu.com/p/77633542

基于GAN的黄种人人脸生成器：

https://github.com/a312863063/seeprettyface-generator-yellow

Anchor Free论文合集：

https://github.com/VCBE123/AnchorFreeDetection

CrowdHuman+Double Anchor：强强联合，推动密集行人检测技术落地:

https://zhuanlan.zhihu.com/p/95253096

首个使用 NAS 设计的 GCN，达到动作识别SOTA：

https://github.com/xiaoiker/GCN-NAS

NVIDIA AI TOT团队的实时人体姿态估计：

https://github.com/NVIDIA-AI-IOT/trt_pose

基于CenterNet魔改的姿态估计CenterPose:

https://github.com/tensorboy/centerpose

YOLACT++ 开源实时实例分割网络：

https://github.com/dbolya/yolact

UCF-Crime Dataset:

https://webpages.uncc.edu/cchen62/dataset.html

零售商品检测的基准：密集目标检测的强大baseline：

https://github.com/ParallelDots/generic-sku-detection-benchmark

vedaseg:A semantic segmentation toolbox in pytorch：

https://zhuanlan.zhihu.com/p/98561946

何凯明新作，视频理解代码开源：

https://github.com/facebookresearch/SlowFast?tdsourcetag=s_pctim_aiomsg

一个暴力事件检测的数据集：

https://github.com/ZHEQIUSHUI/Violence-Recognition-Dataset

身份证要素提取：

https://github.com/Mingtzge/2019-CCF-BDCI-OCR-MCZJ-OCR-IdentificationIDElement

口罩检测：

https://aijishu.com/a/1060000000091759?from=timeline&isappinstalled=0

轻量级中文OCR识别，模型仅17M：

https://github.com/ouyanghuiyu/chineseocr_lite

表情识别数据库RaFD：

http://www.socsci.ru.nl:8180/RaFD2/RaFD?p=main

 

叫我西瓜超人
关注
专栏目录
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 27万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
干货！无监督学习的公平性研究
AITIME_HY的博客
10-05 986
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！公平性学习在近些年来受到学术界和工业界的广泛关注，其旨在于保护或隐藏某些敏感属性（例如，性别、种族、地域）并同时保持原有的学习效用...
2021年中式烹调师（中级）考试内容及中式烹调师（中级）新版试题
zd0618的博客
01-16 8321
题库来源：安全生产模拟考试一点通公众号小程序 安全生产模拟考试一点通：中式烹调师（中级）考试内容根据新中式烹调师（中级）考试大纲要求，安全生产模拟考试一点通将中式烹调师（中级）模拟考试试题进行汇编，组成一套中式烹调师（中级）全真模拟考试试题，学员可通过中式烹调师（中级）新版试题全真模拟，进行中式烹调师（中级）自测。 1、【单选题】河南淮阳黄花，其特点是七根芯条粗壮，形似针，有弹性，肉肥厚，油质多，耐煮、 。（D） A、红黄色 B、桔黄色 C、桔红色 D、金黄色 2、【单选题】清洁消...
英语学习app源码_草莓红英语学习APP正式上线啦！
weixin_39789327的博客
11-24 5万+
草莓红英语学习App升级版正式上线敬 请 期 待！千呼万唤始出来，经过两个月的师生试用阶段，草莓红英语学习App升级正式上线。那就跟随小编来全面了解升级后的APP功能吧!*听、说、读、录音全方面互动和练习；*为3-12岁小朋友提供海量经典英文绘本资源；*为3-12岁小朋友提供海量英文故事视频及歌曲资源；*注重培养阅读兴趣、拓展词汇、培养语感*结合老师及时指导、点评，效果显著。APP简介...
第121期 CrowdHuman密集行人数据集
最新发布
weixin_36472718的博客
09-05 161
引言 亲爱的读者们，您是否在寻找某个特定的数据集，用于研究或项目实践？欢迎您在评论区留言，或者通过公众号私信告诉我，您想要的数据集的类型主题。小编会竭尽全力为您寻找，并在找到后第一时间与您分享。 一、背景 在人工智能与计算机视觉领域，人群场景下的目标检测一直是一个具有挑战性的任务。特别是在人群密集、遮挡严重、背景复杂的场景...
51自学网，各种软件自学视频的地方
xrqrenqiang的博客
06-25 8万+
http://www.51zxw.net/study.asp?vip=10777676 [url=http://www.51zxw.net/study.asp?vip=10777676]５１自学网－专业培训老师录制的视频教程，让学习变得很轻松[/url] 强烈向大家推荐一个好网站，[url=http://www.51zxw.net/study.asp?vip=1077767
跟文件有关命令 chown, chgrp,chmod
每天进步，每天分享
04-19 9516
chown, chgrp：改变一个或多个文件的所有者及所有组chown (改变所有者(CHange OWNer))命令语法如下：chown [选项] [文件|目录...]其选项包括：-R：递归。更改给定目录中所有文件及其子目录的所有者。-v：详细模式。显示 cho
我的站长统计
latentguling的专栏
10-03 8万+
  "http://s140.cnzz.com/stat.php?id=1074355&web_id=1074355" language="JavaScript" charset="gb2312">http://s140.cnzz.com/stat.php?id=1074355&web_id=1074355" language="JavaScript" charset="gb231
干货！基于单一参考图的图像填充技术
AITIME_HY的博客
10-14 900
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！图像填充（image inpainting）旨在从缺失的图片目标区域中合理地恢复内容，以使图片恢复至未缺失之前的状态。大多数现有的...
干货！神经辛形式：学习一般坐标系上的哈密尔顿方程
AITIME_HY的博客
05-05 1088
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！近年来，人们对学习哈密尔顿方程的方法进行了大量研究。尽管这些方法非常有前途，但常用的哈密尔顿方程的表示方法使用广义动量，而广义动量一般是未知的。因此，训练数据必须用这个未知的坐标系来表示，这给将模型应用于真实数据带来了困难。同时，哈密尔顿方程也有一个无坐标的表达方式，它是通过使用辛-2形式来表达的。在这项研究中，我...
干货！在语义分割任务中学习统计化纹理
AITIME_HY的博客
09-29 903
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！# 今日视推荐 #现有语义分割研究主要关注高层次语义特征的提取，（例如通过各类注意力模型提取全局的上下文信息），对低层次特征提取方...
YYC松鼠短视频系统完整版的文件结构目录介绍以及自定义目录详解
一颗优雅草科技-央千澈的CSDN博客~只想无穷无尽的学习~
08-14 4416
介绍 松鼠 短视频系统已经完全开源，请在遵循协议和各条款的情况下合法的使用本产品。 前端目录songshu-vide-page 源码内容仅前端，并且此代码仅APP，仅考虑了APP的兼容和适配，没有考虑小程序和H5，额外单独做了有h5版本，后续再考虑是否开源，页面结构目录，其他内容参考uniapp官方说明文档。 此处指讲解自定义的一些目录结构及组件，详细目录结构及其作用请参考UNIAPP官方文档 api index.js 请求后端的API接口文件，所有接口均在此处定义 common config.j
2021年中式面点师（中级）免费试题及中式面点师（中级）模拟试题
zd0618的博客
11-04 1309
题库来源：安全生产模拟考试一点通公众号小程序 安全生产模拟考试一点通：2021年中式面点师（中级）免费试题为正在备考中式面点师（中级）操作证的学员准备的理论考试专题，每个月更新的中式面点师（中级）模拟试题祝您顺利通过中式面点师（中级）考试。 1、【单选题】选择一组紫色的抽象的联想。（B） A、希望、平凡 B、优雅、高贵 C、光明、严肃 D、纯洁、神圣 2、【单选题】制作鲜肉包子的工艺流程是()。（A） A、和面→揉面→搓条→下剂→制皮→上馅→成型→熟制 B、和面→发酵→...
app应用--->framework层---->hal硬件抽象层---->kernel driver
无法支撑我那丰满的欲望和消瘦的理想
08-23 4857
一：android系统整体框架 二：关于各个层次之间如何打通任督二脉(android系统如何从最上层ui一直调用到最低层)   jni open打开/dev/xxx设备文件 整体思路：application------------------------------调用框架层的java接口------------------------------------调用硬件抽象层hal---
【视频】谁说程序员无趣？这么多只有资深程序员才看懂的段子，会心一笑，深夜释放压力，随着视频哈哈哈哈哈笑出鹅声！
程序员入门进阶
10-13 2万+
谁说程序员无趣？这么多只有资深程序员才看懂的段子，会心一笑，深夜释放压力，随着视频哈哈哈哈哈笑出鹅声！ 22个动图，诠释程序员的多维人生，哈哈哈一乐，加班的烦恼就没了。 一群快乐的程序员，给大家创造了网络环境，以及各种软件便利，我们应该爱他们。 单身的妹子，留言区找你喜欢的程序员去表白吧~~~ 好了，让我们没心没肺的乐起来吧！！！ 更多好玩的视频，欢迎来 https://www.bili...
CrowdHuman+Double Anchor：强强联合，推动密集行人检测技术落地
旷视开发者技术社区
12-10 2694
本文围绕着“密集场景人体检测”这一问题而展开，介绍了CrowdHuman数据集，并讨论了适用于密集场景，并可以实现人-头绑定的检测技术Double Anchor。本文主题是行人检测（Pe...
http://mail.163.com/help/help_spam_16.htm?ip=118.186.207.7&hostid=smtp5&time=1358341921
热门推荐
云计算?
01-16 73万+
0INRMumLsiQwT0xVgvYVmNCBWS7mV8LzSeLOZGHzflL3ziBSx+iej3G1syAeYvPZxqagQ0P7mgdX /qgnEWWuIcv4cTR6ZI5QNmqULAGtRkCtCNsphAD7cLBiV7UpV7yvURpKw6H8jHyDDZc8zP5P8QF9 abbRoeoTcPcDs/Ij0+JSX9fkdkqCvmUFYzy/GBb+hMWJ...
php投影,使用 CSS 3 制作长投影
weixin_33891841的博客
03-20 254
在当下最流行的扁平化的设计中，长投影被看着屡试不爽的设计技能。今天教大家一份制作长投影的方法，如何用PS和CSS3分别怎么实现长投影效果。比如下面这张，非常经典的长投影设计:摄影师选择长投影通常是给图片带来戏剧效果， 在自然界中，长投影发生在黄昏的时候，太阳接近地平线时，水平地面上的物体俯瞰就会有长投影的效果。在界面设计中我们通常采用了模拟45度角的效果，模拟阳光从西北角上射来，从而与设计的主题形...
收藏|43个自动驾驶经典、热门数据集资源汇总
OpenDataLab的博客
06-19 4724
当今社会，自动驾驶技术已成为汽车产业的未来趋势。但是，要想让自动驾驶车辆真正上路行驶，离不开大规模的高质量数据集的支撑。本文将为您介绍43个经典、热门的自动驾驶数据集，希望对您在选择适合的数据集时有所帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值