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

简介   Domain adaptation 可以解决不同域之间的偏移的问题。之前大多数的工作都没有考虑连续序列的问题，都是对于单一内容的。这篇文章中，作者提出了一个SSDAN的网络来做文本识别。其中的gateed attention similarity用来将源域和目标域的字符特征分布来对齐。对文本识别带来提升。 domain adaptation的好处   如何训练一个鲁棒的识别器能够很好地识别所有类型的字体？最直接的方法是使用所有类型的数据集来训练，拟合出一个很好地网络。但是数据集的标注需要巨大的消费，因此，如何无监督地使用数据集是一个很好地方法。使用domain adaptation是

Robust Nonlinear Regression: with Applications using R By 作者: Hossein Riazoshams – Habshah Midi – Gebrenegus Ghilagaber ISBN-10 书号: 1118738063 ISBN-13 书号: 9781118738061 Edition 版本: 1 出版日期: 2018-07-23 pages 页数: 264

此函数计算两条曲线相交的 (x,y) 位置。 曲线可以用 NaN 断开或具有垂直线段。 它也非常快（至少在代表我认为是典型应用程序的数据上）。

该书是美国杰出华人教授周克敏的专著，堪称是鲁棒控制领域的经典著作，书中既有易懂的理论推导，也结合了matlab/simulink 对一些例子进行了一些辅助设计。学习鲁棒控制与MATLAB的同学们一定不要错过。

线性二次调节器的自适应控制 该存储库包含运行数字自适应控制实验所需的代码库，如[1]中所述。 该项目根据MIT许可条款获得许可。 [1]莎拉·迪恩（Sarah Dean），霍里亚·马尼亚（Horia Mania），尼古拉·马特尼（Nikolai Matni），本杰明·雷赫特（Benjamin Recht）和斯蒂芬·图恩（Stephen Tu）。 “线性二次调节器的鲁棒自适应控制的后悔范围。” arXiv预印本arXiv：1805.09388（2018）。

Robust Control Design with MATLAB® helps the student to learn how to use well-developed advanced robust control design methods in practical cases. To this end, several realistic control design examples from teaching-laboratory experiments, such as a two-wheeled, self-balancing robot, to complex systems like a flexible-link manipulator are given detailed presentation. All of these exercises are conducted using MATLAB® Robust Control Toolbox 3, Control System Toolbox and Simulink®.

使用美团的Robust框架进行热更新，

鲁棒抠图的一个小程序，由Jue Wang等人基于OpenCV开发。

cvpr2014 论文saliency optimization from robust background detection的代码