ESP32驱动GC9A01圆形屏幕显示图片并按照设定的时间自动更换，很好玩，不错。
2023-01-18 16:51:55
2.88MB
1
TestCenter step by step手册之BFD for OSPF收敛时间测试 TestCenter step by step手册之BFD for OSPF收敛时间测试
2023-01-18 16:38:34
1.1MB
1
KITTI数据集基准、转换成tum以及十个groundtruth对应图的文章链接：https://blog.csdn.net/haner27/article/details/121158911
跑vins-fusion的时候，不知道使用的kitti数据集的基准，并且不知道怎么使用
这个资源整理了kitti数据集raw data的基准groundtruth，并且给出了kitti转tum的结果，方便进行对比。
1、poses（00-10）
2、times（00-10）
3、转成tum（00-10）
4、对应数据集轨迹图（00-10）
5、数据集sequence对应
2023-01-13 15:47:33
3.54MB
1
NULL
博文链接：https://fanshuyao.iteye.com/blog/1924331
2023-01-13 11:14:55
3KB
1
当使用体积图像进行深度学习时，标记数据是一个很大的挑战。 在放射治疗领域，从CT图像中，提取人体、器官、GTV等各个区域作为区域数据，并存储在DICOM RT的RT-Structure中。 这些数据主要用于计划治疗，但我们也可以使用它们作为标签数据来加速深度学习工作流程。 通过此演示，您可以了解如何将 RT-Structure 数据转换为标签数据，并使用它们在 MATLAB 上训练 3D UNet（语义分割）模型。
[日本人]医学图像 3D 深度学习的主要挑战是标记复杂且耗时。在放射治疗领域，人体、器官、肿瘤等被定义为所拍摄的 CT 图像的区域，并由 DICOM RT 的 RT-Structure 管理。这些是为治疗计划而创建的，但提取的区域数据也可以用作深度学习的标签。在此演示中，您可以转换 RT-Structure 数据以用于深度学习并学习流程，直到将其用于学习 3D UNet。
2023-01-13 11:10:12
2.37MB
1
针对高比例风电接入下电网电压快速、频繁波动的问题，提出了基于模型预测控制(MPC)的多时间尺度电网无功电压优化控制方法。在日前优化安排离散无功补偿设备的基础上，日内采用基于MPC的滚动优化及校正控制思路，利用连续无功补偿装置对电压进行控制。首先，建立基于灵敏度的电网电压预测模型，预测得到未来多个时刻的电网电压运行状态；然后，以未来多个时刻的电网电压预计控制偏差最小为优化目标，建立日内滚动优化控制模型，求解得到连续无功补偿装置的无功控制计划，并通过电压控制偏差校正，完成日内无功电压模型预测控制；最后，以我国“三北”地区某风电场集群为例进行仿真计算，通过与传统电压控制方法进行对比，验证所提方法在提高电压控制水平方面的可行性和有效性。
2023-01-10 22:20:24
2.07MB
1