图像中文字区域提取研究 使用说明 基于swt和mser算法的文本检测，用到了SVM分类器 只限于检测字体较为规范的英文文本 使用时，先运行mser_swt.m文件，再运行detection_Eng.m文件 算法流程 部分实验效果 来源https://github.com/specialdog/Text-Detection

计算机专业认证在线考试系统 功能模块图 技术选型 前端 Html/Css/JavaScript Bootstrap jQuery UploadFive 后端 Spring/SpringMVC/Hibernate Spring Security slf4j/log4j Gson POI Druid 数据库 MySQL ER图 转载自https://github.com/Corvey/Exam-Online

基于Android的天气APP 功能 第一次打开APP引导页，缓冲加载 天气信息的显示 广告，推送 桌面小工具 新闻资讯的查看 蓝牙串口传输温度 Json数据分析 天气封装 在目录下新建com.weather.entity 网络请求 数据库 数据库只有两个重要的属性，城市名和json数据，目的是在无网络状态下从数据库直接获取json数据，解析后显示到界面上。 桌面小工具 蓝牙和单片机通信模块 单片机上使用的是DS18B20温度传感器，蓝牙是HC-05,通过串口进行温度传输。 界面 主界面 城市编辑界面 转载自https://github.com/w77996/Weather

摘要 本设计主要是基于单片机的六足机器人控制系统设计，综合分析六足机器人的结构、步态和控制算法，结合云端服务器、WIFI技术、蓝牙技术、语音识别技术和手势识别技术进行多种控制模式的设计，并提出不同应用场景的不同构建方案。 本系统的硬件设计分为主控板和舵机控制板两部分。主控板主要负责各种控制模式的数据处理和显示，舵机控制板主要负责舵机转动角度的控制，两板通过串口进行数据的交互。主控制板采用STM32F103VET6芯片，舵机控制板采用STM32F103R8T6芯片，两者都基于ARM的Cortex M3内核进行设计的。主控制板的硬件电路设计主要有启动电路、晶振电路、下载电路、复位电路、稳压电路以及各个模块接口电路。在Altium Designer16软件中进行原理图的绘制和PCB的绘制，打样后进行焊接并完成整体的测试。 本系统的上位机主要是手机APP，其开发环境是Android Studio，采用C#作为云端开放平台语言，JAVA语言作为移动客户端设计语言，通过JAVA语言的编写实现手机客户端的数据接收和发送，最终实现基于云端和蓝牙的控制系统上位机板块的设计。本系统下位机的软件设计是在Keil5编程环境下进行的，参考STM32F1的手册和各个模块的数据手册进行程序的编写，最终实现云端控制、蓝牙控制、语音控制和手势控制这四种控制系统设计。 转载自：https://github.com/linyongxinhio/Six-legged-Robot

SU商业双子楼建筑模型图

基于Java 中 SSH 框架的 物流配送管理系统 项目各文件介绍 Logistics_Manage_System项目主文件，也就是该项目你需要导入运行的文件 hibernate_mapping 这个项目文件，是我把这其中的hibernate单独另外拿出来对hibernate进行讲解分析，这个项目文件与物流的项目没有具体关系，只是对hibernate的一个案例分析，运行的话每一个包下都有main主函数，可以直接进行java类的mian函数运行即可，里面有数据库表的一对一、一对多以及多对多的数据关系，可以用来对hibernate学习的参考使用 img 用于有关项目的功能截图以及存放文件 test 这个文件是当时我对项目的一些部分功能测试，可以不做考虑 word 有关该项目的部分文档设计 项目运行准备工作 导入Logistics_Manage_System该项目文件 数据库文件为conf目录下的db.properties，这是导入项目后需要看的第一个文件，也是你项目运行需要唯一注意的文件 项目启动前，看一下db.properties这个文件是不是和你本地的数据库统一（用户名以及密码），我用的是mysql数据库，之后你要创建一个名为logistics的数据库，然后启动项目就好了，数据库表的工作就交给hibernate，它会为你自动创建数据库表的。至此项目启动成功。 因为该项目没有使用Maven工程的构建方式，所以你不需要考虑jar包的问题，项目中所涉及到的jar包都放在了WEB-INF下的lib目录文件下 完成以上的几点你的项目就已经成功跑起来了 项目目录结构介绍 部分效果图展示 转载自https://github.com/hohoTT/Logistics_Manage_System

聊天系统 功能 登陆注册 单聊 群聊 历史消息 图片发送 文件发送 代码片段发送 表情发送 白板协作 音视频聊天 消息已读提醒 好友分组 好友备注 好友上线提醒 在线用户头像高亮 添加好友 添加群聊 朋友圈功能 发表朋友圈 好友朋友圈 朋友圈动态点赞 朋友圈动态评论 朋友圈动态回复评论 日程设置 概要 本系统分为Client，Server，Admin。其中Client为客户端，Server为服务器端，Admin为管理员端。 PC端 1、主页 2、聊天 聊天 已读设置 通知 3、朋友圈 朋友圈 朋友圈评论 4、主题设置 主题 5、日程 日程 新建日程 6、个人中心 设置 移动端 1、登录 2、聊天列表 3、聊天界面 4、图片预览 5、换肤 6、朋友圈 系统功能图 普通用户 管理员 技术路线 本项目为前后端分离的开发模式 客户端使用Vue、VueX、Vue-Router等； 管理员端使用React、antd等； 后端使用的是node.js； 数据库使用的是MongoDB； 实现聊天的数据通信使用的是WebSocket。 启动项目 删除相关代码 这部分代码是在我的数据库里，所以你需要删除或者替换相关代码以防报错 启动服务器（3333端口） 启动客户端（8080端口） 启动管理员端（3000端口） 项目打包 客户端的代码打包后资源默认放在chatServer文件夹的public目录下； 管理员端在chatAdmin的build目录下，需要自己手动将整个build目录复制到chatServer文件夹的public目录下，然后修改build目录文件的index.html，在引入资源路径前都加上/build。 转载自https://github.com/CCZX/wechat

网站描述 本系统是一个地方性旅游网站，后台基于SSM框架，前台使用BootStrap、js、jsp实现，数据库试用mysql； 功能点分析 1）注册成功会发送邮件，封装了邮件的工具类； 2）注册时候会对密码进行MD5加密；同样每次对密码操作都要先加密； 3）分页使用的是jsp自定义标签； 4）上传图片到项目也是封装好了工具类； 5）在线支付调用易宝的支付接口； 6）自定义拦截器对为登陆用户进行拦截； 7）复杂的业务在于一个景点对应多个门票，想要门票显示在对应的景点下方，要先查询出来景点，再对它遍历，根据id去 寻找门票，当时没有对应所有的景点都设置门票，报了空指针异常 8）通过代码上传图片到项目需要手动刷新，否则访问就是404错误 转载自：https://github.com/zmm1225/bdtravel

功能 上传简历||填写简历 投递简历 发布职位 简历打分(基于规则匹配打分) 消息推送 邮件提醒 推荐候选人 推荐职位 使用说明 使用时麻烦将Nacos,ZipKin,Sentinel等组件自行搭建使用，本人服务器性能较差 存储在Nacos中的配置文件在https://github.com/stalary/pf-config 需要自行启动两个本人开源的服务 lightmq(使用lightmq.stalary.com会导致消息被我的服务消费) https://github.com/stalary/lightMQ usercenter(使用usercenter.stalary.com会导致用户数据存储到我的数据库，数据泄漏) https://github.com/stalary/UserCenter 本地启动注意切换Nacos的Namespace，否则会出现本地服务与线上服务服务发现不通的情况，具体参照本人的一篇博客https://www.jianshu.com/p/5c84a1d3b2f9 技术栈 Spring-Boot Spring-Cloud Spring-Cloud-Gateway Spring-Cloud-Sleuth(对业务侵入性较大，建议替换到 Skywalking ) Sentinel Nacos Feign Docker Mysql Mongodb Redis LightMQ EasyDoc WebSocket Jpa UserCenter ElasticSearch 部署方式 docker部署：mvn docker:build & java -jar 物理机部署：mvn install & java -jar via:https://github.com/stalary/microservice-recruit

简介 使用OpenCV for Python图像识别库，运行在树莓派RASPBIAN JESSIE Linux系统平台上，搭配树莓派官方摄像头模块。 运行要求 OpenCV 2.4.9 for Python Python 2.7 v4l2 PyQt4 安装要求 启用v4l2 编译OpenCV 2.4.9 3.安装PyQt4 4.运行 via:https://github.com/hirohe/facerec-python

简介 本文在Spark及图计算引擎GraphX的基础上，设计并实现一套用于顶点分析的社交网络分析系统，为使用Spark进行大规模社交网络的顶点分析提供具体接口，包括社交网络的图模型构建、顶点重要度估值、顶点间路径的计算、顶点分组等接口，并对计算结果进行了一定程度上的可视化展现。主要工作包括两个方面：第一是构建图和数据可视化的实现；第二是具体的顶点分析接口的实现。 目 录 第一章 绪论 1 1.1 国内外研究现状 1 1.2 论文研究内容 1 1.3 论文组织结构 2 第二章 系统相关技术 5 2.1 通用并行框架Spark 5 2.2 图计算框架GraphX 6 2.3 动态图形组件GraphStream 6 2.4 函数式编程语言Scala 6 2.5 本章小结 7 第三章 系统功能性需求分析 9 3.1 系统功能模块 9 3.2 系统用例描述 9 3.3 本章小结 14 第四章 系统概要设计 15 4.1 系统架构 15 4.2 类设计 16 4.2.1 算子子系统 16 4.2.2 可视化对象构建 17 4.2.3 分析演示子系统 18 4.3 功能函数设计 19 4.3.1 图构建 19 4.3.2 整体分析 20 4.3.3 局部分析 21 4.3.4 可视化 22 4.4 本章小结 23 第五章 系统设计与实现 25 5.1 图构建模块 25 5.2 可视化模块 28 5.3 整体分析模块 29 5.3.1 顶点重要程度分析 29 5.3.2 顶点分组 30 5.4 局部分析模块 31 5.4.1 顶点邻居计算 31 5.4.2 顶点到顶点路径计算 33 5.5 本章小结 34 第六章 系统测试 35 6.1 测试数据 35 6.2 测试环境 35 6.3 图构建和可视化测试 36 6.4 分析模块测试 38 6.4.1 顶点重要程度分析 38 6.4.2 顶点分组 40 6.4.3 顶点邻居计算 42 6.4.4 顶点到顶点的简单路径 43 6.5 本章小结 44 第七章 总结与展望 45 7.1 论文总结 45 7.2 工作展望 45 参考文献 47 via:https://github.com/cld378632668/A-community-detect-System-based-on-GraphX

基于tensorflow的nlp深度学习项目 介绍 本项目支持的NLP任务包括 分类、匹配、序列标注、文本生成等. 对于分类任务，目前支持多分类、多标签分类，通过选择不同的loss即可。 对于匹配任务，目前已支持交互模型和表示模型。 对于NER任务，目前已支持rnn+crf,idcnn+crf以及bert+crf 数据 训练数据(目前data下均内置了样例数据): （1）对于分类任务的数据使用csv格式，csv头部包括列名‘target’和‘text’; （2）对于匹配任务的数据使用csv格式，csv头部包括列名‘target’,‘text’ 或者 ‘target’,‘text_a’,‘text_b’ （3）对于NER任务的数据，参考"data/ner/train_data",或者使用其它格式的数据的话，修改task/ner.py中的read_data方法即可。 预训练数据(目前在分类和匹配任务上已支持): 如果使用到bert作为预训练(直接下载google训练好的模型即可)，直接运行"sh scripts/prepare.sh" 如果使用elmo作为预训练，需要准备一份corpus.txt训练语料放在language_model/bilm_tf/data/目录下 然后执行指令进行预训练： cd language_model/bilm_tf sh start.sh 快速开始 [依赖] 各类任务的参数定义在conf/model/内的以任务名命名的yml文件中"conf/model/***.yml" 目前已支持的常见任务如下： [分类] [匹配] [序列标注] [翻译] 模块 encoder cnn fasttext text_cnn dcnn idcnn dpcnn vdcnn rnn rcnn attention_rnn capsule esim han matchpyramid abcnn transformer common loss attention lr ... utils data process 来源https://github.com/zhufz/nlp_research