Interferometric Synthetic Aperture Radar (InSAR) processor

The Object Primer - Introduction to Techniques for Agile Modeling second edition

经典的Object Pascal教程，涵盖了几乎所有常用的组件与方法，适合与快速上手或开发查询，这版本是网上少有的中文清晰非扫描版。

Object Detection in 20 Years: A Survey的PPT版本，目标检测综述

显著性目标检测算法

许多最新的显着性检测算法都依赖于border.prior，但是这些算法只是将图像周围的边界假定为背景区域。 在这里，我们提出了一种快速有效的显着目标检测算法。 首先，提出了一种新的方法，即利用哈里斯角的凸包对前景物体进行近似定位。 在此基础上，我们将不同区域的显着性值分为两部分，并生成相应的提示贴图（前景和背景），这些提示贴图被组合为凸包先验贴图。 然后，提出了一种基于到凸包中心的距离的新先验来代替该先验中心。 最后，将凸包先验图和凸包中心偏图合并为显着图，然后对其进行优化以获得最终结果。 与现有的18种算法相比，并在多个数据集上进行了测试，该算法在准确性和查全率方面表现良好。

PyTorch中的域自适应快速R-CNN 这是Haoran Wang（ ）实施的“用于野外物体检测的域自适应快速R-CNN”的PyTorch实现。 原始文件可以在找到。 此实现基于 @ 。 如果您发现此存储库有用，请引用以下原始论文： @inproceedings{chen2018domain, title={Domain Adaptive Faster R-CNN for Object Detection in the Wild}, author = {Chen, Yuhua and Li, Wen and Sakaridis, Christos and Dai, Dengxin and Van Gool, Luc}, booktitle = {Computer Vision and Pattern Recognition (CVPR)},

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks翻译

[C++面向对象高效编程](C++Effective.Object-Oriented.Software.Construction)扫描版.PDF [国外经典教材] C++ 经典书籍 都是网上找来的，我自己用的，放在这里备份。

Anaconda+Jupyter+Opencv:用于识别输入图像中的物体，属于有监督学习。