csappshelllab满分原创(北大&cmu;)仅供参考,请勿抄袭
2023/11/8 20:22:32 23KB csapp shell lab 满分原创
1
csappcachelab满分原创(北大&cmu;)仅供参考,请勿抄袭
2023/8/20 21:23:41 20KB csapp cache lab
1
频域中雨雪图像的清晰化处理。
本文为CMU大牛的文章(AnalysisofRainandSnowinFrequencySpace)。
欢迎也做这个方向的朋友们和我联系相互探讨。
1
采用seg-list结构,易于理解,适合和我一样的弱渣使用,好好调参,可以得到93分,我觉得可以接受
2023/7/28 21:33:54 13KB csapp malloc lab 原创
1
http://www.cs.cmu.edu/afs/cs/academic/class/15213-s00/L3/CMU的垃圾回收实验(INC)1.这个实验由我主讲,我制造了PPT,包含三种思路,2.并提供其中最重要也是最简单的扫描StackFrame的源码。
3.此外,有整体思考的思维导图,供全局预览。
2023/3/14 18:45:51 1.66MB GC garbage collector 垃圾
1
光照预处理是人脸识中种有效的处理光照变化的方法。
近年来涌现出一系列人脸光照预处理方法,但针对这些方法的系统对比与分析的工作相对较少,本文在系统比较现有方法的基础上提出了人脸光照预处理方法的新见解和结论,以及如何设计更好的预处理方法。
我们对12种具有代表性的光照预处理方法进行比较研究(HE,LT,GIC,DGD,LOG,SSR,GHP,SQI,LDCT,LTV,LN和TT),着重于两个新的角度:(1)全局方法的局部化和(2)大尺度和小尺度特征带的融合。
在公开的人脸数据库(Yalebext,CMU-PIE,CAS-PEAL和FRGCv2.0)上的实验表明,对全局的光照处理方法(HE,GIC,LTV和TT)进行局部化进一步提高了功能。
对(SSR,GHP,SQI,LDCT,LTV和TT)等方法进行大尺度和小尺度的融合有助于光照不变的人脸识别。
来源:http://valser.org/forum.php?mod=viewthread&tid=1051&page=1&extra=#pid1254
2023/2/23 14:39:43 560KB 人脸识别 光照处理 12种方法
1
MFCC的详细引见PPT,来源与CMU大学。
2023/2/16 8:14:06 395KB MFCC 语音信号处理
1
CS方面最着名的就是CMU第一学期的15213-IntroductiontoComputingsystem.
2023/2/16 6:08:06 23.93MB CMU 15213
1
ORL人脸库(英国):剑桥大学,40人,每人10张照片,包括表情变化,微小姿势变化,20%以内的尺度变化。
其他人脸数据库也有上传比如:Yale人脸库(美国)CMU-PIE人脸数据库Yale人脸数据库BMIT人脸数据库ORL人脸库(英国)INRIA数据库UMIST人脸库(英国)KinFace人脸数据库AR人脸库(美国)Bern人脸库
2020/6/15 22:29:34 6.12MB ORL人脸
1
ORL人脸库(英国):剑桥大学,40人,每人10张照片,包括表情变化,微小姿势变化,20%以内的尺度变化。
其他人脸数据库也有上传比如:Yale人脸库(美国)CMU-PIE人脸数据库Yale人脸数据库BMIT人脸数据库ORL人脸库(英国)INRIA数据库UMIST人脸库(英国)KinFace人脸数据库AR人脸库(美国)Bern人脸库
2020/6/15 22:29:34 6.12MB ORL人脸
1
共 25 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