中科院李保滨课程《矩阵应用及其分析》2014-2017年考题考点解析，上课教材及课后习题答案，包含大作业程序实现，内容如下： 要求完成课堂上讲的关于矩阵分解的LU、QR（Gram-Schmidt）、Orthogonal Reduction (Householder reduction 和Givens reduction)程序实现

中科院自动化所的计算机视觉课件，是专题的形式，内容很不错，里面有的还有演示。强烈推荐！

是中科院研究生院计算机网络课程的答案，非常好用，教师，鲁士文

不得不推荐的随机过程资料 十分详细 不需要任何额外教材 强烈推荐

中科院数据挖掘刘莹第一次作业

历年试题简答题答案，很有用的考试资料，开卷必备

SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。 编译简介 2.1 编译依赖 GNU Make 工具 GCC 或者 Clang 编译器 CM2.2 linux和windows平台编译说明 linux 和 windows 上的 SDK 编译脚本见目录 craft，其中 craft/linux 下为 linux 版本的编译脚本，craft/windows 下为 windows 版本的编译脚本，默认编译的库为64位 Release 版本。 linux 和 windows上的SDK编译方法： 打开终端（windows上为VS2015 x64 Native Tools Command Prompt 工具，linux 上为bash），cd 到编译脚本所在目录； 执行对应平台的编译脚本。 linux 上 example 的编译运行方法： cd 到 example/search 目录下，执行 make 指令； 拷贝模型文件到程序指定的目录下； 执行脚本 run.sh。 windows 上 example 的编译运行方法： 使用 vs2015 打开 SeetaExample.sln 构建工程，修改 Opencv3.props 属性表中变量 OpenCV3Home 的值为本机上的 OpenCV3 的安装目录； 执行 vs2015 中的编译命令； 拷贝模型文件到程序指定的目录下，运行程序。2.3 Android平台编译说明 Android 版本的编译方法： 安装 ndk 编译工具； 环境变量中导出 ndk-build 工具； cd 到各模块的 jni 目录下（如SeetaNet 的 Android 编译脚本位置为SeetaNet/sources/jni, FaceDetector的Android 编译脚本位置为FaceDetector/FaceDetector/jni），执行 ndk-build -j8 命令进行编译。 编译依赖说明：人脸检测模块 FaceDetector，面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer 均依赖前向计算框架 SeetaNet 模块，因此需优先编译前向计算框架 SeetaNet 模块。

中国科学技术信息研究所SCI(E)论文期刊分区列表(2018年)

根据中科院规定万方、知网等只收录博士论文的摘要，缺少全文下载。这是2014年度自动化所优秀博士论文全文

眼睛观察到的光的总强度有环境光，漫反射光和镜面反射光三部分组成。如 果场景中有多个光源，那么每个光源都会产生漫反射和镜面反射光线。