Magento1社区版，1.9可用，官网售价299刀 前台演示地址：http://points.demo.aheadworks.com/index.php/points/reward/ 后台演示地址：http://points.demo.aheadworks.com/index.php/admin/system_config/index/key/06fb2758367a130ae08369d5924a534d/

使用网页实现24点的计算（类似于一个在线OJ）

1.使用PythonGUI编程界面； 2.实现了24点计算的demo。

FinFET制造技术详解，FinFET制造技术详解，半导体制造技术

人脸关键点检测

AP算法提出原文。Clustering data by identifying a subset of representative examples is important for processing sensory signals and detecting patterns in data. Such “exemplars” can be found by randomly choosing an initial subset of data points and then iteratively refining it, but this works well only if that initial choice is close to a good solution. We devised a method called “affinity propagation,” which takes as input measures of similarity between pairs of data points. Real-valued messages are exchanged between data points until a high-quality set of exemplars and corresponding clusters gradually emerges. We used affinity propagation to cluster images of faces, detect genes in microarray data, identify representative sentences in this manuscript, and identify cities that are efficiently accessed by airline travel. Affinity propagation found clusters with much lower error than other methods, and it did so in less than one-hundredth the amount of time.

这是用VC++编写的MFC柱状图、折线图、饼状图

从2d关键点进行3d人体姿势估计 概述 尽管人们通常可以轻松地估计2d图像中人的3d姿势，但是3d姿势估计对于机器来说仍然是一个具有挑战性的问题。 该项目改进了一种算法，该算法以2d关键点作为唯一输入来估计人体姿势的3d关键点。 我将采取三种关键干预措施来改善整个数据集以及基准模型中具有特别高误差的姿势子集的重建精度：a）修改预处理中的数据归一化技术，b）从简单密集地修改神经网络架构将网络连接到以最新的2d姿态估计模型为模型的多级网络，并且c）生成合成数据以增强训练集。 这些干预措施成功地将整个测试集（来自卡耐基梅隆大学的运动捕捉数据库）中的重建误差降低了40％，针对目标的高误差姿势也降低了87％。 全文： （pdf） 依存关系 仅用于从头准备数据： 培训与测试 训练 运行prep_data.py 运行train.py ，注释掉所有您不想训练的模型设置。 日期时间将附加到这些文

Matlab：基于消影点算法的图像拼接，通过sift求解特征点匹配后，求各自的单应性转换，最后将两张图拼接成一张图片，代码附带例子，可直接运行；

Lowe的论文《Distinctive Image Features from Scale-Invariant Keypoints》翻译