鲁棒控制的matlab工具箱，编程pdf工具箱，对于学习鲁棒控制编程作用很大。(Robust control toolbox matlab, programming pdf toolbox, robust control for learning the role of great programming.)

图切RANSAC 论文中提出的图切RANSAC算法：Daniel Barath和Jiri Matas； Graph-Cut RANSAC，计算机视觉和模式识别会议，2018年。可从以下获得： CVPR教程解释了该方法。 有关单应性，基本矩阵，基本矩阵和6D姿态估计的实验，显示在2020年的RANSAC教程的相应中。 安装C ++ 要构建和安装仅C ++的GraphCutRANSAC ，请克隆或下载此存储库，然后通过CMAKE生成项目。 $ git clone https://github.com/danini/graph-cut-ransac $ cd build $ cmake .. $ make 安装Python包并编译C ++ python3 ./setup.py install 或者 pip3 install -e . 示例项目 要构建显示基本矩阵，单应性和基本矩阵

鲁棒控制经典教材，详细介绍鲁棒控制

变分贝叶斯推断matlab代码稳健流张量因式分解 此存储库包含与将出现在 IEEE ICDM 2018 上的论文“Variational Bayesian Inference for Robust Streaming Tensor Factorization and Completion”相关的代码。论文作者是 和 。 有关此代码的问题，请联系 Cole Hawkins。 我们的贡献包含在文件“streaming_bayesian_completion.m”中。 我们的代码需要 Matlab Tensor Toolbox： 要运行 OLSTEC 文件夹中的所有文件，您将需要 Poblano 工具箱：

模糊照片变清晰软件Robust Motion Deblur 3.0绿色版

GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence 代码解读   论文原文地址:GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence 代码地址:github   1 论文核心思路  论文认为:匹配对应该是平滑的,对于true match pair(l1,r1),l1附近的特征点对应的匹配点也应该在r1附近.  ① 利用上面的平滑性质,建立统计分析模型(二项分布),过滤ORB mat

Bertsimas D,SimM.Thepriceofrobustness.OperationsResearch 2004;52(1):35–53.

IE598NH-lecture-21-Wasserstein Distributionally Robust Optimization.pdfIE598NH-lecture-21-Wasserstein Distributionally Robust Optimization.pdf

Napa: Powering Scalable Data Warehousing with Robust Qery Performance at Google

matlab嘴部检测代码通过全卷积局部全局上下文网络进行鲁棒的面部地标检测 面部标志用于定位和代表面部的显着区域，例如：眼睛，眉毛，鼻子，嘴巴，下颚 挑战：不同的形状，姿势，光照条件，遮挡物等。 界标检测的用途：人脸对齐，头部姿势估计，人脸交换，眨眼检测等等。 以下是iPython Notebook的论文实现： 通过全卷积局部全局上下文网络进行稳健的面部地标检测，国际计算机视觉与模式识别会议（CVPR）的会议记录，IEEE，2018年-Daniel Merget，Matthias Rock，Gerhard Rigoll 关联： 代码是用Brainscript编写的，还使用Microsoft CNTK和Python进行了后期处理，并使用了Matlab。 可以找到代码和其他详细信息。 本文重要提示 完全卷积神经网络擅长于对局部特征进行建模，但会导致受约束的接收场（局部上下文）。 为了克服这个问题，可以采用多种方法：级联/池化等。本文提出了一种新的方法，该方法使用逐通道/内核卷积和膨胀卷积（全局上下文）来实现相同的精度，而不是几种SOTA方法。 它将全局上下文直接引入到全卷积神经网络中。 主