这是一个图像校正及背景漂白的工具（PictureCleaner），可以去除文档图片黑底麻点杂色，支持文档四角检测，支持彩色分级提取(保留色彩)，支持规范化校正输出。

mtcnn对齐facenet部署 项目简介 本项目参考了bubbliiiing的和两个工程，在此对作者表示感谢！ 这两个工程都是keras模型，所提供的模型文件都只有权重没有网络结构，我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件。某个原始先只有权重的模型文件pnet.h5 ，生成包含网络结构和权重的模型文件PNET.h5 。接着用keras2onnx工具把它（ PNET.h5 ）转换成onnx模型pnet.onnx ，其他胶水部分的逻辑没什么变化。具体的转换代码请参考keras_onnx.py文件。 另外我还尝试了将keras h5模型转成tensorflow pb模型，具体代码请参考h5_to_pb.py文件。需要注意的是：每个tensorflow PB请模型单独执行h5_to_pb.py脚本生成。 （每次修改weight_file参数） 如果你想简单地测试一下mt

6S模型的执行文件，可直接在DOS环境下应用

单相Boost功率因数校正电路优化及仿真

2000-2018年跨传感器校正好的类NPP-virrs夜间灯光数据第一部分（2000-2009年），由于平台上传的数据不能超过一个g，所以分两段上传，该夜间灯光数据具有类似于NPP-VIIRS的数据质量，且能够有效缓解原始DMSP-OLS数据的过饱和与溢出效应，并能够清晰地反映出城市内部的细节信息，能够真实地反映不同尺度下的人口以及灯光亮度的时序变化。 总的来说，该夜间灯光数据解决了DMSP-OLS和NPP-VIIRS两套夜间灯光数据无法同时使用的问题，为城市问题研究等相关领域提供了新的数据来源。

跨传感器校正的夜间灯光数据——2010-2018全球500米分辨率的“类NPP-VIIRS”夜间灯光数据集，该夜间灯光数据具有类似于NPP-VIIRS的数据质量，且能够有效缓解原始DMSP-OLS数据的过饱和与溢出效应，并能够清晰地反映出城市内部的细节信息，能够真实地反映不同尺度下的人口以及灯光亮度的时序变化。 总的来说，该夜间灯光数据解决了DMSP-OLS和NPP-VIIRS两套夜间灯光数据无法同时使用的问题，为城市问题研究等相关领域提供了新的数据来源。

《基于双经度模型的鱼眼图像畸变矫正方法_魏利胜》，依据这篇文章所写的MATLAB双经度的鱼眼图像畸变校正，能够对大视场角的鱼眼镜头图像进行畸变矫正，可以参考一下，利用鱼眼成像的等距模型

算法的双目立体视觉、双目测距（双目校正和立体匹配）(文档里包含了测试图片)

完整英文版（40页）ISO 11201:2010 Acoustics — Noise emitted by machinery and equipment — Determination of emission sound pressure levels at a work station and at other specified positions in an essentially free field over a reflecting plane with negligible environmental corrections（声学—机械和设备发出的噪声—在反射平面上的基本自由场中的工作站和其他指定位置处的发射声压级，可以忽略不计的环境校正）。 本标准在2021年得到最后一次审核和确认，因此此版本目前仍在发布。

完整英文版（46页）ISO 11202：2010 Acoustics — Noise emitted by machinery and equipment — Determination of emission sound pressure levels at a work station and at other specified positions applying approximate environmental corrections（声学—机械和设备发出的噪声—通过近似环境校正确定工作站和其他指定位置的发射声压级）。 本标准在2021年得到最后一次审核和确认，因此此版本目前仍在发布。 ISO 11202:2010规定了一种方法，用于确定机械或设备在工作站和附近其他指定位置的发射声压级。工作站由操作人员占用，可以位于空旷的空间、被测源工作的房间、固定在被测源的驾驶室或远离被测源的围墙内。一个或多个规定的位置可以位于工作站附近，或位于有人看管或无人看管的机器附近。这种位置有时称为旁观者位置。