计算机视觉：模型学习和推理（算法） Simon JD Prince教授撰写的《计算机视觉：模型学习和推理》一书中算法的Python实现。 这本书，算法。 这些算法是根据本书中的章节进行组织的，这些章节介绍了与机器学习和计算机视觉有关的几个主题。 第四章 本章概述了用于将概率模型拟合到数据的方法。 本章涵盖了三种方法，每种方法都有两个示例：最大似然估计（4.1，4.4），最大后验（4.2，4.5）和贝叶斯方法（4.3，4.6）。 第一组示例用于单变量正态分布，而第二组示例用于类别分布。 Cahpter 6 本章重点介绍计算机视觉模型的两个主要类别。 那些在给定数据的情况下对世界状态的概率进行建模的模型（判别式），以及在给定世界状态的情况下对数据进行概率的建模的模型（生成式）。 本章只有一种算法，它是基本的生成分类器，可以在Chapter_6文件夹中找到。 此外，如书中所述，生成分类器用

Robomaster2018-SEU-开源 这是东南大学为Robomaster 2018设计的一个项目，其中包括完成自动射击和符文检测任务的完整过程。 包括装甲检测，符文检测，角度求解算法和驱动程序，串行通信。 这基本上是我们在比赛中使用的代码。 1.要求 平台： 杰特逊TX2 ubuntu16.04 环境 QT5 OpenCV3.4.0（Opencv4Tegra） 2.项目框架 Armor ， Rune ＆ Pose ：此处实现了三个核心算法。 您可以在这三个目录下阅读文档。 Darknet ：我们需要运行该项目的深度学习库，您需要首先对其进行编译。 驱动程序：相机驱动程序。 常规：所有程序的常规资源。 串行：与STM32的串行通信协议。 Main ：程序进入。 图：文档的资源文件 3.配置 1.克隆项目 将项目克隆到您执行的目录。 如果不确定，则/home/usrname/就可以了。 2.编译darknet库 darknet库是实现Rune Detection中的深度学习算法所需的依赖库。 为了满足我们的需求，我们对原始库进行了一些更改。 无论如何，请确保先进行

模糊和清晰的图像分类 分类模糊和清晰的图像 介绍 在日常生活中，由于聚焦不佳，帧中物体的运动或在捕获图像时的握手运动，我们会遇到从相机单击的不良图像。 Blur is typically the thing which **suppress the high-frequency** of our Images, therefore can be detected by using various low-pass filter eg. Laplacian Filter. 作为一个聪明的人（我自己是CS人士），我们不想手动过滤掉清晰和模糊的图像，因此我们需要一些聪明的方法来删除不必要的图像。 LoG筛选器 我还应用了高斯（ ）滤波器的拉普拉斯算子来检测模糊图像，但是很难找到区分图像所需的阈值的确切值。 尽管结果并不令人着迷。 使用方差 一些讨论 LoG参考： 在Python中实现

社交隔离 Social-Danceancing是一个开源项目，用于自动估计与未经校准的RGB相机的人际距离。 该软件可免费用于任何非商业应用，以评估对安全距离的遵守情况。 该代码是开放的，可以在您的支持下进行改进，如果您想帮助我们，请至与我们联系。 什么是新的 [2020年12月18日] 现在可以从以下链接下载数据集： 。 [2020年11月5日] 我们的工作已被WACV 2021接受。 拿出！ [2020年11月4日] 算法更新，具有更好的距离评估和更快的计算速度 快速椭圆交点用Shapely检查 添加了遮罩支持以选择有趣的区域 流媒体支持 从Jetson nano相机获取 支援Cuda 10.1的Ubuntu 20.04 [2020年4月24日] 用于实时摄像机采集和视频处理的代码。 文件夹中的新视频示例。 描述 给定从场景捕获的帧，该算法首先使用现成的身体姿势检测器检测场

MIT 6.858 Computer Systems Security Lecture Notes

matlab加密代码计算机生成的全息图 此仓库中的matlab文件用于创建和重建计算机生成的全息图，还用于使用双随机相位编码方法执行加密和解密。 指示： 将所有文件放在一个目录中 RUN script_CGH.m用于创建计算机生成的全息图。 RUN crypto_CGH_script.m用于使用双随机相位编码执行加密和解密 信用： 此仓库中提供的代码已由Alex K. Muthumbi和Florian B. Soulard编写和编辑。 请享用

Computer-Graphics-Homeworks 计算辅助设计与图形学作业答案 声明：绘图依赖于EasyX图形库，链接在此： 在Visual Studio 2015的环境下完成所有的代码。 BSpline 目录下 绘制的是B样条曲线 CubicSpline 目录下，绘制的是三次样条曲线 DrawEllipse 目录下，绘制的是椭圆 DrawLine 目录下，绘制的直线，以及关于直线对称的两条直线。

互联网工程和网络系统研究提高了我们对互联网底层技术流程的理解。 因此，互联网工程师通常通过从大量个人和组织的设备收集数据来分析互联网上的数据传输。 互联网工程和研究项目的设计反映了人类的决定，因此可能会创造新的道德体系。 技术与社会的这种相互作用创造了可以在许多方面影响个人生活的新实践。 这些行动可能会引发新的道德困境，或在互联网呈现的新的复杂信息环境中挑战现有的道德方法。 为了进一步讨论互联网研究和工程伦理，网络系统研究（“ESRN”）项目于 2015 年 3 月 13 日在牛津大学格林邓普顿学院举办了一个研讨会。涉及互联网研究的学科处理道德困境并证明其推理是正确的。 为此，来自两个不同研究群体的 25 名研究人员和从业人员参加了研讨会：(1) 计算机科学家、网络工程师和其他在工作中面临道德和法律困境的技术研究人员，以及 (2) 哲学家，对互联网工程和互联网带来的伦理困境感兴趣，但可能不了解该领域的细节、微妙之处和困境的实践伦理学家、法律哲学家和相关学科。 几位计算机科学家就他们的项目做了简短的介绍，然后由研讨会参与者进行了深入的讨论。 跨学科的讨论导致了一些有趣的跨学科推理对抗。 这是一篇观点论文，我们在其中介绍了几个所讨论的案例，以及不同群体所应用的推理。 研讨会期间提出的论点揭示了一些潜在的假设和价值观，从而导致了一些新兴主题，进而揭示了学科之间的特定概念差距。 本文绝不是对计算机伦理或互联网研究伦理的全面概述，而只是对研讨会期间出现的主题的探索。

动手学深度学习（D2L深度学习） | 理解深度学习的最佳方法是学以致用。 本开源项目代表了我们的一种尝试：我们将教给读者概念，背景知识和代码；我们将在同一个地方分解剖析问题所需的批判性思维，解决问题所需的数学知识，以及实现解决方案所需的工程技能。 我们的目标是创造一个为实现以下目标的统一资源： 所有人在网上免费获取； 提供足够的技术深度，从而帮助读者实际成为深度学习应用科学家：既理解数学原理，又能够实现并不断改进方法； 包括可运行的代码，为读者展示如何在实际中解决问题。这样直接直接将数学公式对应成实际代码，而且可以修改代码，观察结果并及时获取经验； 允许我们和整个社区不断快速迭代内容，从而紧跟仍在高速发展的深度学习领域； 由包含有关技术细节问答的论坛作为补充，使大家可以相互相互答疑并交换经验。 将本书（中英文版）利用教材或参考书的大学 如果本书对你有帮助，请星级（★）本仓库或引用本书英文版： @book{zhang2020dive, title={Dive into Deep Learning}, author={Aston Zhang and Zachary C.

by Bryant and O'Hallaron Second Edition The text's hands-on approach (including a comprehensive set of labs) helps students understand the “under-the-hood” operation of a modern computer system and prepares them for future courses in systems topics such as compilers, computer architecture, operating systems, and networking. Visit the CSS:AP web page http://csapp.cs.cmu.edu for more information and resources.