大名鼎鼎的David Lowe从尺度不变关键点中提取的图像特征，SIFT算法原文

lowe04年关于SIFT的论文IJCV2004 Distinctive image features from scale invariant keypoints的翻译，完全自己翻着金山词霸翻译的。

coco datasets annotations:person_keypoints_train2014.json & person_keypoints_val2014.json

IdealPoints 数据可视化 这个 repo 是 Bailey 教授的交互式数据可视化项目。 如何使用 将 repo 下载为 zip 文件（或克隆它） 将IdealPoints文件夹设置为IdealPoints中的工作目录。 将server.R的 API 密钥更改为活动密钥（请参阅电子邮件或使用注册）。 从 GitHub 安装plotly包 # Install and load the devtools package. install.packages( " devtools " ) library( " devtools " ) # install plotly install_github( " ropensci/plotly " ) 在 R 中调用shiny shiny :: runApp()

内部积分法 在MATLAB中实现内部点方法（我在线性优化课程[MTH305] [IIIT-Delhi]中的分配）。 此外，我们解决了以下线性问题： min 1'u + 1'v st. a'xi + b >= 1 - ui i=1..N a'yj + b <= -1 + vj j=1..M u >= 0 v >= 0 我们得到了： DB_Vecs.npy （用于训练的序列向量） DB_Labels.npy （对应的标签） Q_Vecs.npy （测试序列） 将它们转换为Matrix文件 。 我们Q_vecs list / numpy数组的形式提交结果（ Q_vecs标签）。 在这里，输出在Matrix文件。 参考 影片资源： 斯蒂芬·博伊德（Stephen Boyd），第18届会议，凸面优化（讨论

matlab人脸匹配代码ASM人脸特征点匹配 简介任务：通过结合使用主动形状模型（ASM）算法和PCA方法来训练可用于检测测试人脸图片关键点的回归器。 然后，进行Procrustes分析以匹配那些图像的重建关键点； 环境：Matlab 2016a版本，ASM软件包； 主要步骤1，图像处理和参数设置将所有图像加载到Matlab中，并将其设置为训练图像和测试图像。 然后通过使用函数rgb2gray（），imread（）将RGB图像转换为灰度。 通过构造结构“选项”为以后的代码设置参数。 例如，我们将两个关键点之间的计数器点设置为10，将搜索迭代次数设置为100。2，在图像上使用经过训练的关键点并填充训练数据[Vertices，Lines] = LoadDataSetNiceContour（）； 通过使用这些Matlab函数，我们可以获得所有训练图像的顶点和线。 此功能来自受支持的程序包。 3，制作Shape模型[ShapeData，TrainingData，MeanVertices] = ASM_MakeShapeModel2D（）; [TrainingData（i）.CVertices，

OpenSet_ReciprocalPoints 开源，重新实现已发布的ECCV '20关于互认点的论文，以实现开放集识别。 截至2020年10月，本文是开放式识别的最新技术。 正在进行代码清理； 测试集上的结果将很快更新。 与论文作者确认此实现是正确的。 使用作者的数据加载器，该实现实际上超过了tiny-imagenet上已发布的性能。 使用我自己的数据加载器，结果略低于发布的性能（数据拆分有所不同，所以这可能是原因）。 我还在这两个数据集上运行了标准的深度学习基准。 实际上，我发现当前的公开文献低估了基线； 当前的文献报道的基线数字比我用自己的代码获得的数字低得多。 这可能表明，开放集识别的进度比看起来要温和得多。 方法 CIFAR + 10 微型Imagenet 公布的基准 81.6％ 57.7％ 我对基准的实施 89.24％（价值） 66.35％（价值） 我对

ROS发布PointStamped话题数据。geometry_msgs/PointStamped是ROS消息类型，这个项目可以发布一个名为output的话题，话题数据为固定值。rviz可以将该话题的数据显示出来。

无线多用户OFDMA网络中的有效容量区域

3D点云显示软件，可以用于打开obj格式的点云，功能很强大。可以和CC软件结合使用，基本可以满足3D点云的显示。