该工具集是基于python开发的，为图片打标签使用。其中标签的类别可以自己修改

约MVBB 地位 建造 单元测试 快速算法，用于计算3D点云的最小体积定向边界框的近似值。 在3D中为给定点云计算面向最小体积的边界框是计算机科学中的难题。 确切的算法是已知的，并且在3D中的点数为立方量级。 目前尚不知道一种更快的精确算法。 但是，对于许多应用程序，最小体积定向边界框的近似值是可以接受的，并且已经足够准确。 这个项目是为研究而开发的。 这个符合小型标准的C ++ 11库可以内置到共享库中，也可以直接包含在现有的C ++项目中。 我并不为几年前编写的基础代码感到特别自豪，但是考虑到PR的重构和清理是非常受欢迎的！ 该库包含以下代码： 计算定向的最小体积盒的近似值（多线程支持：OpenMP）， 在2D中计算点云的凸包， 计算二维点云的最小面积矩形， 点云的2d投影， 使用复杂的拆分技术快速构建kD-Tree（n维，模板化），可在拆分过程中优化质量标准， 通

React图像注释 有史以来最好的图像/视频注释工具。 。 或的。 赞助商 特征 简单的输入/输出格式 边界框，点和多边形注释 缩放，缩放，平移 多张图片 光标十字线 用法 npm install react-image-annotate import React from "react" ; import ReactImageAnnotate from "react-image-annotate" ; const App = ( ) => ( < ReactImageAnnotate labelImages regionClsList = { [ "Alpha" , "Beta" , "Charlie" , "Delta" ] } regionTagList = { [ "tag1" , "tag2" , "tag3" ] } images = {

bounding box regression

提供零部件最小包围盒（Minimum Bounding Box）获取的CATIA VBA程序，具有详细的中文注释。（边界盒，惯性主轴）

Deep Learning bounding-box.pdf

extract_bounding_boxes 该脚本将帮助您提取文件ID和YOLOV3 / 4/5中检测到的对象的相应边界框。 一旦训练并验证了YOLOV3 / 4/5模型，便会创建一个predicted.json文件，其中包含“文件ID”和所有验证图像集中所有检测到的所选对象的相对边界框坐标。 该脚本将帮助您根据设置的置信度阈值提取所有边界框坐标和相应的文件ID，并将其写入新的csv文件中，此外，它还可以统计检测到的对象总数并将其打印出来。

Double-Bounding R-tree: A Novel Approach to Index Digital Cameras Viewable Scene

无线传感器网络无需测距定位算法matlab源代码。包括apit，dv-hop，amorphous在内的共7个range-free算法。在run.m里的算法选择部分可以选择需要运行的算法，算法的参数可以参考对应子目录里的说明。每个子目录里都有一个pdf文档，是算法的最原始描述。

实现了数据的双向绑定，更改DataGrid的数据会更新后台数据，更改后台数据会在DataGrid上实时显示。