FRETSCAL 筛选含有 CFP 和 YFP 标记蛋白的细胞图像，以确定两种荧光团之间的能量转移 (FRET) 程度。 FRETSCAL 的图形用户界面 (GUI) 允许用户指定用于识别图像中感兴趣区域 (AOI) 的标准。 标准包括信号背景比、信号强度与高斯分布的拟合、AOI 之间的最小距离、AOI 的大小、强度限制和周围背景区域的位置。 FRETSCAL 生成 AOI 的裁剪 TIFS，包括用户指定的围绕 AOI 的区域作为上下文。 用户可以筛选 AOI，根据目视检查和图像统计选择保留或丢弃 AOI。 最终输出是一个文本文件，其中包括强度数据和 FRET 指数 FretR 的计算。 FretR 可用作标记蛋白质之间距离的估计值。 FRETSCAL 附带用户手册和示例图像集。

CFP-FP模拟口罩人脸数据集.7z

这个数据集由500个identity的约共7000张图片组成，这个数据集的特别之处在于对于每个人，它有10张正面图像和4张侧面图像，这对于想要做侧脸识别的同学还是很有帮助的。侧脸识别差的原因可以说是现在的数据集基本基于正脸，而深度学习的特征太依赖于数据集了。现在处理侧脸的方法一般是3D人脸特征点检测或者生成模型，这些方都比较消耗资源，而且暂时没法很好的处理特别侧脸的情况。另一种办法是分开训练对应正脸和侧脸的模型，这一方面也会很消耗计算机资源。在深度特征层的转化可以在不增加过多参数量的情况下实现将侧脸特征映射为正脸的功能，而类似于GAN的转化一般是基于整张图像的，会更加消耗资源，而对特征向量的转化相对来说资源消耗会小的多。用GAN来可视化人脸特征转化后的效果还是蛮不错的。

CCRC-CFP-000：2019金融科技产品认证实施细则-安全保证能力及质量保证能力要求.pdf

这个数据集由500个identity的约共7000张图片组成，这个数据集的特别之处在于对于每个人，它有10张正面图像和4张侧面图像，这对于想要做侧脸识别的同学还是很有帮助的

单多模光纤一级测试 ，长度和损耗测试。

mobilefacenet-V2 现在我们有了更高的积累： [lfw] [12000]准确性翻转：0.99667 + -0.00358 [agedb_30] [12000]准确性翻转：0.96667 + -0.00167使用我修改后的移动网络。 lr-batch-epoch：0.01 11738 1个测试验证。.（12000，512）推断时间39.129495 [lfw] [36000] XNorm：22.729305 [lfw] [36000]准确性翻转：0.99667 + -0.00358 在纸上的mobilefacenet文件中提高mobilefacenet的准确性（ ） 第

此HP-12CP白金版财务计算器专为CFP或AFP金融专业人士或理财师提供计算理财规划书所用。功能强大，为应用软件版本，电脑版本。是最适用于理财人士的专业计算器

40G,100G CFP光模块协议，设计光模块的参考，这主要是软件相关的协议。

#资源达人分享计划# CFP-100-Q光纤一级测试方法