提出了一种简单而有效的自我引导学习方法，即挖掘丢失的关键信息。具体来说，通过对标注的支持图像进行初始预测，将覆盖和未覆盖的前景区域分别用掩码GAP编码为主支持向量和辅助支持向量。通过主支持向量和辅助支持向量的融合，对查询图像获得了较好的分割性能。在我们的1 shot 分割自我引导模块的启发下，我们提出了一个多次分割的交叉引导模块，其中最终混合使用来自多个带注释的样本的预测，高质量的支持向量贡献更多，反之亦然。该模块改进了推理阶段的最终预测，无需再训练。大量实验表明，我们的方法在pascal -5i和coco -20i数据集上都实现了新的最先进的性能。

CXCORR 循环互相关函数估计。 CXCORR(a,b)，其中 a 和 b 表示在时间间隔 T 上采集的样本，该时间间隔 T 被假定为两个相应周期信号的公共周期。 a 和 b 应该是长度为 M 的行向量，无论是实数还是复数。 [x,c]=CXCORR(a,b) 返回长度为 M-1 的循环互相关序列 c 和相应的滞后 x。 循环互相关为： c(k) = sum[a(n)*conj(b(n+k))]/[norm(a)*norm(b)]; 其中向量 b 循环移位 k 个样本。 该函数不检查输入向量 a 和 b 的格式！ 对于 a 和 b 之间的循环协方差，在中查找 CXCOV(a,b) http://www.mathworks.com/matlabcentral/fileexchange/loadAuthor.do?objectType=author&objectId=1093734

fnf的模组版

使用yapi跨域访问，支持chrome浏览器，在chrom浏览器中输入 chrome://extensions/ 打开以后，再打开开发模式，然后将这个zip包直接拖入到扩展程序就行 【注意】 拖入的时候，要把这个zip直接拖入到 扩展程序，最左上角才行，不然直接拖入到中间，会导致报什么导入失败， 高版本的chrom 反正就是尽量拖入到左上角，带文字的地方 反正就是尽量拖入到左上角，带文字的地方 反正就是尽量拖入到左上角，带文字的地方 导入进去以后，再点开启用按钮即可 最后重启浏览器，就可以使用了

多得分手 允许在scikit的cross_val_score使用多个度量功能的cross_val_score 。 正如已经讨论过的那样，Python的SciKit包含了用于计算估计量评估指标的强大功能（使用cross_val_score ），但在为同一分类器计算多个指标而不进行再次训练时，它似乎失败了。 由于仅接受单个度量标准名称或单个可调用名称的函数的scoring参数而出现问题。 此存储库的模块multiscorer是一种在cross_val_score中使用任意数量的指标的解决方法。 安装 要“安装”模块，只需下载源代码并将其放置在项目的目录中即可。 （或者，下载multiscor

unity 剖切模型插件Cross Section，亲测unity5.5可用，PC，webgl都可用，手机端没测过

小波方法测量地震行时变化的代码 这个python程序基于Mao和Mordret的工作，您可以在这里找到： : 原始代码在MATLAB中，这是等效的Python 联系人：Higueret Quentin（ ）和AurélienMordret（ ） 该软件包包含用于使用小波互谱分析在时频域中测量地震传播时间偏移的代码和测试数据。 要求 启动程序时，所有文件都必须位于同一文件夹中 需要Python 3和中的PyCWT软件包来运行代码 您可以使用pip安装此软件包： $ pip install pycwt 包装内容 xwt.py 通过小波交叉谱分析在时频域中计算dt的核心功能。 plotting_example.py 在合成数据上使用cwt函数的示例。 一键即可绘制图。 ori_waveform.npy new_waveform.npy 用于测试代码的两个合成波形ori_wavef

Cross Platform Replay Kit Easy Screen Recording on iOS Android 1.6.1

一款Unity下的录屏软件，能录制屏幕所有内容，缺点就是全部录制，支持IOS和安卓

1.插件中有很多demo可供学习,亲测可用 具体效果看链接 1. https://v.youku.com/v_show/id_XNTg3NTI3MDAyOA==.html 2. https://v.youku.com/v_show/id_XNTg3NDIwODQ3Ng==.html