人脸图像质量评估 2020年5月15日添加了SER-FIQ（CVPR2020）。 2020年5月18日在偏置FIQ（IJCB2020）溶液。 SER-FIQ：基于随机嵌入鲁棒性的人脸图像质量无监督估计 IEEE / CVF 2020年计算机视觉和模式识别会议（CVPR） 目录 抽象的 人脸图像质量是启用高性能人脸识别系统的重要因素。人脸质量评估旨在评估人脸图像是否适合识别。先前的工作提出了需要人工或人工标记质量值的监督解决方案。但是，这两种标记机制都容易出错，因为它们不依赖于清晰的质量定义，并且可能不知道所用面部识别系统的最佳特征。为避免使用不正确的质量标签，我们提出了一种基于任意人脸识别模型的新概念来测量人脸质量。通过确定从面部模型的随机子网络生成的嵌入变化，可以估算样本表示的鲁棒性，从而可以估计其质量。实验是在三个公共数据库的跨数据库评估环境中进行的。我们将我们提出的解决方案在两个

连通的人体空气质量接口 用于ConnectedHumber空气质量监测项目的Web界面和JSON API。 该项目包含ConnectedHumber传感器系统的Web界面。 尽管它被称为“空气质量网” ，但它的设计目的是显示任何种类的传感器数据，而不仅仅是空气质量传感器的读数。 它由两部分组成： 由MariaDB服务器支持的基于PHP的JSON API服务器（入口点：api.php） 在浏览器中运行的Javascript客户端应用程序 客户端浏览器应用程序由提供支持。 请注意，该项目不负责将数据输入数据库。 该项目的目的仅仅是显示数据。 文献资料 文档已移动！ 您可以在这里查看： 分行 master 默认分支 应该永远稳定 dev 开发部门 可能并不总是稳定的。 笔记 每6分钟读取一次作为标准。 贡献 欢迎捐款-随时或（甚至更好）。 是保存与项目有关的所有任务的地方。 请

水质基 该存储库包含用于使用Google Earth Engine从遥感数据评估水质的脚本 如果使用这些材料或脚本中的任何一种，请引用：Page，BP和D.Mishra（2018），《结合Sentinel-2A和Landsat-8进行内陆水质监测时的修正大气校正》，ISPRS J照片，正在审查中 要求： 这些脚本需要一个帐户。 要在，请下载javascript文件，然后单击“运行”。 要在Python环境中使用，请安装GEE Python API并在您选择的Python IDE中运行程序。 内容： javascript /包含javascript实现的水质处理代码 python /包含水质处理代码的Python实现 贡献： 如果您有任何想法，请提出并告诉我们您的想法。 如果您想贡献，请分叉存储库并根据需要进行更改。 拉请求是欢迎的。 免责声明： 这是一个正在进行的工作。 脚本

Qoala-T 用于FreeSurfer分段MRI数据质量控制的监督学习工具 版本1.2>预测模型已于2019年1月14日更新; Github页面于2021年3月16日更新Qoala-T由和在开发和创建。 关于 Qoala-T是一种有监督的学习工具，可评估T1成像扫描的手动质量控制及其在FreeSurfer中处理的自动神经解剖标记的准确性。 它特别适用于开发数据集。 该软件包包含Klapwijk等人（2019）中所述的数据和R代码，请参阅 。 我们内部开发的手动质量控制程序的协议可以在找到。 我们还开发了一个使用R Shiny的应用程序，通过该应用程序可以在不安装R的情况下运行Qoala-T模型，请参阅（可以在找到本地运行的源代码）。 运行Qoala-T 为了能够运行Qoala-T模型，应在FreeSurfer中处理T1 MRI图像。 当前版本中使用的模型是针对FreeSurfer

计算遥感图像的平均梯度，光谱扭曲程度，信息熵，对图像质量进行评价

逆向工程，虽然现在已经有了高版本，但是用这个低版本学习练手还是不错的

The hand is quicker than the eye. In many cases, so is digital video. Maintaining image quality in bandwidth - and memory - restricted environments is quickly becoming a reality as thriving research delves ever deeper into perceptual coding techniques, which discard superfluous data that humans cannot process or detect. Surveying the topic from a Human Visual System (HVS)-based approach, "Digital Video Image Quality and Perceptual Coding" outlines the principles, metrics, and standards associated with p erceptual coding, as well as the latest techniques and applications. This book is divided broadly into three parts. First, it introduces the fundamental theory, concepts, principles, and techniques underlying the field, such as the basics of compression, HVS modeling, and coding artefacts associated with current well-known techniques. The next section focuses on picture quality assessment criteria; subjective and objective methods and metrics, including vision model based digital video impairment metrics; testing procedures; and international standards regarding image quality. Finally, practical applications come into focus, including digital image and video coder designs based on the HVS as well as post-filtering, restoration, error correction, and concealment techniques. The permeation of digital images and video throughout the world cannot be understated. Nor can the importance of preserving quality while using minimal storage space, and "Digital Video Image Quality and Perceptual Coding" provides the tools necessary to accomplish this goal.

基于物联网的人呼吸检测解决方案

Personal Notes about Guaranteed-Quality Higher-Order Triangular Meshing of 2D Domains (from SIGGRAPH 2021）

本教程介绍了如何使用Omron的Arduino评估板使用Omron的各种传感器。