LIP-Lua INI解析器 Lua INI Parser是一个很小的Lua库，允许处理.ini文件。 用法 将文件添加到您的项目文件夹中。 使用require函数调用它。 它将返回一个包含读写功能的表。 完整概述 LIP.load（fileName） ：返回一个包含文件中所有值的表。 LIP.save（fileName，data） ：将数据保存到指定的文件中。 例子 这是保存一些数据的方法： local LIP = require ' LIP ' ; local data = { sound = { left = 70 , right = 80 , }, screen = { width = 960 , height = 544 , caption = ' Window \' s caption ' , focused = true , }, };

OcrLiteAndroidNcnn Project下载 有整合好源码和依赖库的完整工程项目，文件比较大，可到Q群共享内下载，找以Project开头的压缩包文件 如果想自己折腾，则请继续阅读本说明 Demo APK下载 编译好的demo文件可以到Q群共享内下载 或者 介绍 Chineseocr Lite Android Ncnn Demo，超轻量级中文OCR Android Demo，支持ncnn推理 (DBNet+AngleNet+CRNN) 把onnx模型格式转为ncnn格式，并使用ncnn推理框架进行OCR识别。 代码和模型均源自chineseocr lite的onnx分支 详情请查看 采用ncnn神经网络前向计算框架 说明 封装为独立的Library。 Native层以C++编写。 demo app以Kotlin-JVM编写。 Android版与其它版本不同，包含了几个应用场景，

随着全球数据量的激增，集中式云计算无法提供低时延、高效率的视频监控服务。基于此，提出分布式边缘计算模型，在边缘端直接处理视频数据，减少网络的传输压力，缓解中央云服务器的计算负担，降低视频监控系统的处理时延。结合联邦学习算法，采用轻量级神经网络，分场景训练模型，并将其部署于计算能力受限的边缘设备上。实验结果表明，对比通用神经网络模型，所提方法检测准确度提高18%，模型训练时间有效减少。

led密码算法verilog实现

XAOP 一个轻量级的AOP(Android)应用框架。囊括了最实用的AOP应用。 关于我 特点 支持快速点击切片@SingleClick，支持设置快速点击的时间间隔。 支持动态申请权限切片@Permission，支持自定义响应动作。 支持主线程切片@MainThread。 支持IO线程切片@IOThread，支持多种线程池类型。 支持日志打印切片@DebugLog，支持自定义日志记录方式。 支持内存缓存切片@MemoryCache，支持设置缓存大小。 支持磁盘缓存切片@DiskCache，支持自定义磁盘缓存，缓存有效时间等。 支持自动捕获异常的拦截切片@Safe，支持设置自定义异常处理者。 支持自定义拦截切片@Intercept，支持自定义切片拦截。 兼容Kotlin语法。 1、演示（请star支持） 2、如何使用 目前支持主流开发工具AndroidStudio的使用，直接配置build.gradle，增加依赖即可. 2.1、Android Studio导入方法，添加Gradle依赖 1.先在项目根目录的 build.gra

仅用于个人学习，软件为读取HDF数据集轻量级软件

Linux下端口转发一般都使用iptables来实现，使用iptables可以很容易将TCP和UDP端口从防火墙转发到内部主机上。 如果需要将流量从专用地址转发到不在您当前网络上的机器上，可尝试另一个应用层端口转发程序rinetd，配置起来比iptables也简单很多。 Rinetd是为在一个Unix和Linux操作系统中为重定向传输控制协议(TCP)连接的一个工具。Rinetd是单一过程的服务器，它处理任何数量的连接到在配置文件etc/rinetd中指定的地址/端口对，尽管rinetd使用非闭锁I/O运行作为一个单一过程，它可能重定向很多连接而不对这台机器增加额外的负担。

用卷积滤波器matlab代码 杨凌霄 该存储库包含未发布的技术报告的Matlab代码（也包含在此存储库中）。 声明：该报告已被一些顶级会议拒绝。 作者是个懒惰的人，不会重新提交任何其他会议或期刊。 但是作者本人认为这是一件好事，可能对其他人有所帮助。 介绍 最先进的轻量级跟踪器（大约100 KB） 先前有关回归跟踪器的大多数研究主要是探索用于特征提取的深层模型，然后使用复杂的体系结构进行在线检测。 这样的系统具有大量可训练的参数，从而带来严重过度拟合的风险。 而且，日益复杂的模型严重损害了许多实际应用的速度。 最近，已经提出了几种基于轻型结构的判别相关滤波器（DCF）来跟踪问题，而它们的性能却远远落后于一些最新的跟踪器。 我们认为，DCF经常学习单个线性模板，无法很好地将目标与周围环境区分开。 此外，在此类跟踪器中通过线性插值进行的模板更新将包括许多嘈杂的示例，从而降低了训练后的模型的质量。 在本文中，我们提出了一个简单而有效的系统，称为LiteCNT。 对于整个跟踪过程，我们的算法仅包含三个卷积层。 另外，引入了多区域卷积算子以进行回归输出。 这个想法很简单，但是功能强大，因为它使我

Typora 是一款由 Abner Lee 开发的轻量级 Markdown 编辑器，与其他 Markdown 编辑器不同的是，Typora 没有采用源代码和预览双栏显示的方式，而是采用所见即所得的编辑方式，实现了即时预览的功能，但也可切换至源代码编辑模式。

Java EE互联网轻量级框架整合开发 SSM框架（Spring MVC+Spring+MyBatis）和Redis实现