wuliZN2020
Follow
Stars
计算机类常用电子书整理，并且附带下载链接，包括Java，Python，Linux，Go，C，C++，C#，Docker，Elasticsearch，Git，Hadoop，HeadFirst，Java，Javascript，jvm，Kafka，Linux，Maven，MongoDB，MyBatis，MySQL，Netty，Nginx，Python，RabbitMQ，Redis，Scala，So…
『Java八股文』Java面试套路，Java进阶学习，打破内卷拿大厂Offer，升职加薪！
🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~
🧱 「Java学习」一份涵盖大部分Java程序员所需要掌握的核心知识。JDK 源码分析 & Java 新特性 & Java 并发编程 & Java 虚拟机 & SpringBoot 2.x 系列
🔥🔥「InterviewGuide」是阿秀从校园->职场多年计算机自学过程的记录以及学弟学妹们计算机校招&秋招经验总结文章的汇总，包括但不限于C/C++ 、Golang、JavaScript、Vue、操作系统、数据结构、计算机网络、MySQL、Redis等学习总结，坚持学习，持续成长！
【Java面试+Java后端技术学习指南】：一份通向理想互联网公司的面试指南，包括 Java，技术面试必备基础知识、Leetcode、计算机操作系统、计算机网络、系统设计、分布式、数据库（MySQL、Redis）、Java 项目实战等
自己的学习笔记。包含：个人秋招经历、🐂客面经问题按照频率总结、Java一系列知识、数据库、分布式、微服务、前端、技术面试、每日文章等(持续更新)
Semi Supervised Learning for Medical Image Segmentation, a collection of literature reviews and code implementations.
Integrate deep learning models for image classification | Backbone learning/comparison/magic modification project
Summary of related papers on visual attention. Related code will be released based on Jittor gradually.
A curated list of deep learning image classification papers and codes
Deep Multimodal Guidance for Medical Image Classification: https://arxiv.org/pdf/2203.05683.pdf
Multi-modal medical image fusion to detect brain tumors using MRI and CT images
Reimplementation of "Environment Sound Classification Using a Two-Stream CNN Based on Decision-Level Fusion."
Tumor type classification with traditional feature extractions and classifiers.
Two-Stream Convolutional Networks for Action Recognition in Videos
融合MRI多模态的图像的不同特征进行脑梗死区分割网络（基于Unet网络更改新的网络）
多模态数据融合：为了完成多模态数据融合，首先利用VGG16网络和cifar10数据集完成多输入网络的分类，在VGG16的基础之上，将前三层特征提取网络作为不同输入的特征提取网络，在中间层进行特征拼接，后面的卷积层用于提取融合特征，最后加上全连接层。该网络稍作修改就能同时提取两张对应的图片作为输入，在特征提取之后进行融合用于分类。
A collection of resources on applications of multi-modal learning in medical imaging.
This is the source code of the 1st place solution for segmentation task in MICCAI 2020 TN-SCUI challenge.
一个本地的基于内容的图像检索系统，实现了包括颜色特征提取（颜色直方图，HSV中心距），纹理特征（灰度共生矩阵，LBP算子），边缘特征（边缘直方图），哈希感知算法（aHash,pHash,dHash算法等），SIFT特征提取。以及基于VGG-16提取特征等功能
参与Kaggle上的plant seeding classification的比赛，利用传统的图像特征提取方法以及传统机器学习达到78%的准确率