数据集包含67个室内类别，总共15620个图像。
图像数量因类别而异，但每个类别至少有100张图像。
所有图像均为jpg格式。
TrainImages.txt：包含每个训练图像的文件名。
共67*80张图片；
TestImages.txt：包含每个测试图像的文件名。
共67*20张图片。
图像数量因类别而异，但每个类别至少有100张图像。
所有图像均为jpg格式。
TrainImages.txt：包含每个训练图像的文件名。
共67*80张图片；
TestImages.txt：包含每个测试图像的文件名。
共67*20张图片。
2025/2/21 2:58:10
154B
1
主要介绍Hadoop,Spark,Sqoop,Hbase,kafka等大数据相关组件，以及Apache原生集群以及CDH一键安装方式，最后介绍作者所在公司的应用场景
2025/2/10 15:34:52
1.43MB
1
随着人们交通出行的日益频繁，环境噪声已严重影响到出行的质量。
传统的降噪手段主要有隔音、材料吸收等，但受限于布置空间、材料特性和成本等因素，传统方法对高频噪声去除效果较好，但对低频噪声效果不太理想。
因此，主动降噪开始从民航军事领域逐渐走入大众生活。
与传统降噪手段不同，主动噪声控制(ANC)是通过声波干涉相消的原理，利用次级声源发声抵消原有噪声从而实现噪声消除。
主动降噪可以根据环境变化自动调整降噪策略，并且能够选择性的处理特定频段的噪声，从而显著的提升降噪质量。
目前，主动降噪耳机采用的最著名控制算法是由Widrow提出的滤波-XLMS算法(FXLMS)。
该算法特点是在基准信号通道放置一个与次级通道传递特性相同的滤波器来进行LMS算法权修改，以解决引入次级通道带来的系统不稳定性问题。
但基于FXLMS算法设计的降噪耳机，使用过程中存在收敛速度慢，仅对窄带噪声效果好，而对宽带噪声控制效果不理想等问题，因此在很多场景下无法得到较好的降噪效果。
传统的降噪手段主要有隔音、材料吸收等，但受限于布置空间、材料特性和成本等因素，传统方法对高频噪声去除效果较好，但对低频噪声效果不太理想。
因此，主动降噪开始从民航军事领域逐渐走入大众生活。
与传统降噪手段不同，主动噪声控制(ANC)是通过声波干涉相消的原理，利用次级声源发声抵消原有噪声从而实现噪声消除。
主动降噪可以根据环境变化自动调整降噪策略，并且能够选择性的处理特定频段的噪声，从而显著的提升降噪质量。
目前，主动降噪耳机采用的最著名控制算法是由Widrow提出的滤波-XLMS算法(FXLMS)。
该算法特点是在基准信号通道放置一个与次级通道传递特性相同的滤波器来进行LMS算法权修改，以解决引入次级通道带来的系统不稳定性问题。
但基于FXLMS算法设计的降噪耳机，使用过程中存在收敛速度慢，仅对窄带噪声效果好，而对宽带噪声控制效果不理想等问题，因此在很多场景下无法得到较好的降噪效果。
2025/2/9 0:44:32
27.58MB
1
OptimalTrajectoryGenerationforDynamicStreetScenariosinaFrenetFrame，该文章讲了FRNEET框架下动态街道场景的最优轨迹生成的方法，用于表示车辆与地图的相对位置。
百度Apollo开源项目中应用到了此种方法用于路径规划。
百度Apollo开源项目中应用到了此种方法用于路径规划。
2025/1/28 18:23:40
1.66MB
1
利用MeanShift（均值漂移）算法对Car_Data文件夹中的视频帧序列实现目标跟踪，待跟踪的目标为场景中的车辆，初始目标位置标定需手工标定，（该视频序列中目标尺度没有很大变化，故在实现算法中只考虑单一尺度即可，即首帧中的目标大小。
）后续帧中的目标位置需通过均值漂移方法得到。
）后续帧中的目标位置需通过均值漂移方法得到。
6.76MB
1
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