matlab指纹图像分割代码简单指纹匹配 人类指纹在细节上具有渊源，称为细节，可以用作指纹验证的识别标记。 该项目旨在研究基于指纹细节点匹配的指纹识别系统，该指纹识别系统在许多指纹算法和技术中经常使用。 该项目的方法包括如何从指纹图像中提取细节点。 图像增强，图像分割，细节提取和与这些阶段匹配的细节是我们项目的主题。 这个项目通常在Matlab平台上编码。 而且图形用户界面还设计了Matlab

Google simple REST client 测试rest 服务等功能，压缩包内包含使用文档和安装文档

在PyTorch中使用HigherHRNet进行多人人体姿势估计 这是《 》论文的非官方实现。 该代码是的简化版本，同时考虑了易用性。 该代码与完全兼容。 它同时支持Windows和Linux。 该存储库当前提供： 在PyTorch（> = 1.0）中稍高一点的HigherHRNet实现-与官方权重（ pose_higher_hrnet_* ）兼容。 一个简单的类（ SimpleHigherHRNet ）加载HigherHRNet网络以进行自下而上的人体姿势估计，加载预先训练的权重，并对单个图像或一批图像进行人工预测。 支持多GPU推理。 通过设计实现多人支持（HigherHRNet是一种自下而上的方法）。 运行实时演示程序的参考代码，该演示程序从网络摄像头或视频文件中读取帧。 该存储库是根据存储库。 不幸的是，与HRNet相比，HigherHRNet的结果和性能有些令人失

DE有关文献，以及还有需要的可以找我。DE是差分进化算法，属于遗传算法的其中一种算法。并且在现在的算法中，尤其是非线性不可微的时候是，DE算法有很多大的优势 ，

Type Theory 入门好书 Type-theory is one of the most important tools in the design of higher-level programming languages, such as ML. This book introduces and teaches its techniques by focussing on one particularly neat system and studying it in detail. In this way, all the key ideas are covered without getting involved in the complications of more advanced systems, but concentrating rather on the principles that make the theory work in practice. The mathematical presentation is rigorous but clear, making it the first book at this level which can be used as introduction to type theory for computer scientists.

介绍 一个简陋的本地图像检索系统 基于内容的图像检索系统（Content Based Image Retrieval, 以下简称 CBIR），是计算机视 觉领域中关注大规模数字图像内容检索的研究分支。典型的 CBIR 系统，允许用户输入一张图像，在图像数据库（或本地机、或网络）中查找具有相同或相似内容的其它图片。本实训的基本功能要求是实现基于视觉特征的图像检索。具体包括：（1）实现基于颜色信息的图像 检索，可通过颜色直方图、颜色矩、颜色一致性矢量等方法来实现。（2）实现基于纹理特征 的图像检索，可从四个方面进行：统计法、结构法、模型法、频谱法。（3）实现基于形状特 征的图像检索，可分别从图像的边缘信息和区域信息来实现。（4）实现基于综合信息的图像检索 功能 1．能够利用颜色特征实时从图像库中检索出和输入图像相同或相似的图像，并显示在系统中。 2．能够利用纹理特征实时从图像库中检索出和输入图

Android 5.0以下的电视如果要装17版KODI看IPTV，该软件是唯一选择。我在自己的夏普LCD-70SU665A电视上试用了几个星期, 没发现什么问题。 压缩包里有apk安装文件和IPTV配置说明文档。

光滑的React虚拟键盘。 可定制，响应Swift且轻巧。 演示版 :rocket: 安装及使用 :package: 请查看“文档以开始。 文献资料 :open_book: 查看站点。 随意浏览常见页面。 在自己的计算机上运行演示 克隆此存储库 npm install npm start 访问 其他版本 问题？ 加入聊天室 兼容性 :direct_hit: 简单键盘适用于现代的，符合标准的浏览器。 遗憾的是Internet Explorer并不是其中之一，并且由于其市场份额微不足道（IE11约为2％），因此不会花费资源来支持它。 有关更多信息，请查看。 贡献 :white_heavy_check_mark: PR和问题欢迎。 随时通过以下提交您遇到的任何问题： :

Pytorch简单CenterNet-45 如果您正在寻找其他CenterNet，请尝试！ 这个仓库是一个简单的pytorch实现的 ，一些代码取自。 顾名思义，此版本简单易读，所有复杂的部分（数据加载器，沙漏，训练循环等）都以更简单的方式重写了。 顺便说一下，还添加了对nn.parallel.DistributedDataParallel的支持，因此该实现的训练速度比正式代码快得多（在8个GPU上约为75 img / s与36 img / s）。 享受！ 要求： python> = 3.5 pytorch == 0.4.1或1.1.0（DistributedDataParallel培训仅在使用1.1.0时可用） tensorboardX（可选） 入门 禁用cudnn批处理规范化。 打开torch/nn/functional.py并找到与torch.batch_norm的行，并

rtsp-简单服务器 rtsp-simple-server是一个简单，易于使用且零依赖的RTSP / RTMP服务器和代理，该软件允许用户发布，读取和代理实时视频和音频流。 RTSP是一个规范，描述了如何在服务器的帮助下执行这些操作，发布者和阅读者都将其与之联系，并将发布者的流中继到阅读器。 特征： 使用RTSP（UDP或TCP模式）或RTMP发布实时流 使用RTSP读取实时流 始终或按需从其他RTSP / RTMP服务器或摄像机拉出并提供流（RTSP代理） 每个流可以具有多个视频和音频轨道，并且可以使用任何编解码器进行编码（包括H264，H265，VP8，VP9，MPEG2，MP3，