请结合本人该篇博客进行理解:https://blog.csdn.net/weixin_44344462/article/details/88169565
2025/4/24 6:31:25 2KB 聚类 图像聚类 模式识别 无监督
1
用A*算法实现的N数码的演示程序,可以连续演示,单步演示,也可暂停,调节速度。
也可查看A*演示过程中的Open表与Close表,演示完成可生成最优路径。
具体实现见博客:https://blog.csdn.net/happyeveryday62/article/details/80286157
2025/4/23 17:20:36 48.48MB A*算法 八数码 MFC
1
用unity+高德地理定位做的,模仿pokemongo的尝试的demo。
源码太大,所以分成两部分。
详细内容看http://blog.csdn.net/wuyt2008/article/details/52934083
2025/4/23 4:42:07 90MB unity 高德
1
在STM32平台上移植SD卡驱动,通过SDIO进行擦除和读写测试demo。
参考博客地址:https://blog.csdn.net/ZHONGCAI0901/article/details/113772681
2025/4/23 0:14:46 1.9MB sdio
1
OPENCVANN(类神经网路)手写数字辨识(opencv249_ann_digital_number)资料来源:https://blog.csdn.net/cherrywish/article/details/78761411https://blog.csdn.net/qq_15947787/article/details/51385861opencv249_ann_digital_number01-彩色转灰阶imread、改变图像解析度resize、灰阶转二值化threshold、二维数据转一维数据reshape、影像数据转ML运算数据convertTo、类神经CvANN_MLP、取出ML运算结果minMaxLoc目前训练结果-128,128*2,10opencv249_ann_digital_number02-彩色转灰阶imread、改变图像解析度resize、灰阶转二值化threshold、二维数据转一维数据reshape、影像数据转ML运算数据convertTo、类神经CvANN_MLP、取出ML运算结果minMaxLoc目前训练结果-128,128*2,10一亿次或10万分之一的误差为中止条件
2025/4/21 19:02:55 38.79MB 神经网路 OPENCV 手写 数字
1
内含SPI1/SPI2两个接口的读写版本,都是用的DMA方式,通信速度还不够快,好像几十KB吧,具体忘了多少了。
下载者可以试着优化一下,速度还可以提高的。
部分测试结果:https://blog.csdn.net/weixin_41565755/article/details/83115489
2025/4/21 15:23:34 16.66MB stm32f407 SPI DMA CH376
1
参考博客:https://blog.csdn.net/qq_37310110/article/details/88989919,亲测有效
2025/4/21 10:16:34 36.76MB Visual Vs开发工具
1
pythondlib库,训练人脸的68个特征点检测器。
包含数据集,源码。
详细可以参考我的博客:http://blog.csdn.net/hongbin_xu/article/details/78511923
2025/4/20 13:22:33 12.77MB python dlib
1
Labelme标注工具json批量生成,解决了两个问题:1、生成的label.png不是灰度图8bits,2、生成的label.png中,标注物体label不具备统一性具体请看:https://blog.csdn.net/xjtdw/article/details/94741984
2025/4/19 1:53:13 3KB json批量转换 labelme标注
1
【OpenGL】二十四、OpenGL纹理贴图(读取文件内容|桌面程序添加控制台窗口|‘fopen‘:Thisfunctionmaybeunsafe错误处理)https://hanshuliang.blog.csdn.net/article/details/113001095博客源码(该源码是Windows桌面程序,使用VisualStudio2019打开)
2025/4/18 19:08:39 18.86MB OpenGL
1
共 1000 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡