这是关于模式识别、图像分析的论文集，高清，最新版本，英文版

一本讲述机器视觉算法和应用的经典书籍。作者是Richard Szeliski。是本不错的入门书籍。

Computer and Machine Vision

Machine Learning in Computer Vision

包含书+习题答案+实验文档等， 具体资源内容说明： 1. Computer Networking A Top-Down Approach 6th Editon.pdf 该文件是本书的第6版，英文版，虽然上传这个资源的时候最新的版本是第7版，但是只有扫描版， 因此有个别需要查的单词的时候，需要一个个敲，比较不方便，实际上阅读第6版会方便点， 第7版是第6版上加上一些新的内容（可能包括一些内容修正）， 因此，可以选择阅读第6版，之后再去阅读第7版新增的内容， 综上，目前推荐英语不是很好的人（需要查部分单词的）阅读第6版。 2. Computer Networking A Top-Down Approach 6th Editon 习题答案.pdf 该文件是第6版所有习题的答案，可以做完之后参考下。 3. Kurose_Ross_Wireshark_labs_6th_ed.zip 该文件包含所有wireshark实验内容文档（有PDF和DOC格式，随便选一个看）。 4. Kurose_Ross_Wireshark_labs_6th_ed_阅读顺序.txt 该文件说明了上述wireshark实验内容文档的阅读顺序（你从书上的目录也可以推出来这个顺序）。 5. Kurose_Ross_Wireshark_labs_7th_wireshark-traces.zip 该文件是第7版的跟踪文件，虽然是第7版的，但是和第6版通用，所以不要紧。

CS231A课程项目：深度立体声匹配 重新实现GC-Net 我主要是重新实现GC-Net 。 我实现了两个版本的GC-Net模型：一个带有掩码（损失被掩码），另一个不带掩码。 结果 定性结果 SceneFlow上的无遮罩版本，原始图像和预测样本： SceneFlow上的带遮罩版本，遮罩的地面真相，遮罩的预测和未遮罩的预测： 在KITTI训练集上，要了解真实情况，掩盖的预测和未掩盖的预测： 在KITTI测试集中，原始图像和预测样本： 定量结果 由于KITTI数据集非常稀疏，因此提供的groundtruths是带遮罩的，我首先实现并训练带遮罩的版本。 但是我发现一些预测非常模糊。 （我的口罩有点过多）。 虽然定性结果看起来不错，但是SceneFlow测试集上的定量结果不是很好。 至于KITTI，这不是令人满意的版本，因此我不提交。 并且由于时间和资源的限制，我不进行验证。 我在训

视觉处理 vision 工具包

Labview vision VAS工具包

计算机视觉深度学习

物体缺陷检测仪 细节 目标操作系统： Ubuntu * 18.04 LTS 程式语言： C ++ 完成时间： 30分钟 介绍 物体探伤仪应用程序可检测异常情况，例如颜色，裂纹和在传送带上移动的物体的方向。 异常被标记为有缺陷，并分别保存在颜色，裂纹，方向文件夹中。 同样，没有缺陷的对象也保存在no_defect文件夹中。 这些异常数据将发送到InfluxDB *数据库并在Grafana *上可视化。 此应用程序还以毫米为单位测量对象的长度和宽度。 要求 硬件 软件 英特尔:registered:OpenVINO:trade_mark:工具包2020 R3发行版 英特尔:registered:System Studio 2019 这个怎么运作 此应用程序接受来自摄像机或视频文件的输入以进行处理。 方向缺陷检测：获取框架并将色彩空间更改为HSV格式。 使用函数基于对象的颜色来阈值图像以创建遮罩。 在遮罩上执行形态学打开和关闭，并使用函数查找轮廓