busHound完满破解，BusHound是一个超级软件总线协议分析器，用于捕捉来自设备的协议包和输入输出操作。
该软件是由美国perisoft公司研制的一种专用于PC机各种总线数据包监视和控制的开发工具软件，其名"hound"的中文意思为"猎犬"，即指其能敏锐地感知到总线的丝毫变化。
该软件是由美国perisoft公司研制的一种专用于PC机各种总线数据包监视和控制的开发工具软件，其名"hound"的中文意思为"猎犬"，即指其能敏锐地感知到总线的丝毫变化。
2022/11/2 15:39:20
888KB
1
针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
2015/9/27 10:19:52
11.24MB
1
基于matlab的Iris、乳腺癌数据集的模式识别分类算法，含有遗传算法+SVM、isodata、感知器算法、LMSE、神经网络等算法的实现代码，用于聚类效果良好，是模式识别大作业的参考材料网盘链接：https://pan.baidu.com/s/1gQ_BHGWOGpmYv86gyv6EuQ提取码：xigi
2020/8/1 23:24:48
6KB
1
3D正当失真（JND）阈值本质上取决于人类视觉灵敏度（HVS）。
本文提出了一种基于3D视频的深度图像渲染（DIBR）框架的混合正畸形（HJND）模型，以测量JND阈值。
HJND模型将2D和3D视觉感知，深度显着性和几何变形之间的关键差异组合到了HJND模型中，因为它们对HVS具有重大影响。
为了节省比特，将HJND模型引入到多视图视频加深度（MVD）编码框架中作为残差滤波器。
在通过HJND和参考模型称为联合正当失真（JJND）过滤残差之后，位节省分别达到了28.79％和23.53％，并且通过HJND和JJND过滤的3D受损视频具有类似的主观质量。
实验表明，HJND比最先进的方法更准确地描述3D视频的HVS。
本文提出了一种基于3D视频的深度图像渲染（DIBR）框架的混合正畸形（HJND）模型，以测量JND阈值。
HJND模型将2D和3D视觉感知，深度显着性和几何变形之间的关键差异组合到了HJND模型中，因为它们对HVS具有重大影响。
为了节省比特，将HJND模型引入到多视图视频加深度（MVD）编码框架中作为残差滤波器。
在通过HJND和参考模型称为联合正当失真（JJND）过滤残差之后，位节省分别达到了28.79％和23.53％，并且通过HJND和JJND过滤的3D受损视频具有类似的主观质量。
实验表明，HJND比最先进的方法更准确地描述3D视频的HVS。
2017/8/27 6:39:25
2.12MB
1
UCIQE方法一致认为具有更好的清晰度、对比度和亮度，愈加丰富的色彩和自然的表面，并且远景目标得到更好揭示的图像具有更高的质量分数，这一点符合人类的视觉感知。
2017/8/12 12:01:30
3.1MB
1
OpenMV是一个开源，低成本，功能强大的机器视觉模块。
以STM32F427CPU为核心，集成了OV7725摄像头芯片，在玲珑的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口。
使用者们（包括发明家、爱好者以及智能设备开发商）可以用Python语言使用OpenMV提供的机器视觉功能，为自己的产品和发明增加有特色的竞争力。
OpenMV上的机器视觉算法包括寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪等。
可以用来实现非法入侵检测、产品的残次品筛选、跟踪固定的标记物等。
使用者仅需要写一些简单的Python代码，即可轻松的完成各种机器视觉相关的任务。
玲珑的设计，使得OpenMV可以用到很多创意的产品上。
比如，可以给自己的机器人提供周边环境感知能力；
给智能车增加视觉巡线功能；
给智能玩具增加识别人脸功能，提高产品趣味性等；
甚至，可以给工厂产品线增加残次品筛选功能等。
以STM32F427CPU为核心，集成了OV7725摄像头芯片，在玲珑的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口。
使用者们（包括发明家、爱好者以及智能设备开发商）可以用Python语言使用OpenMV提供的机器视觉功能，为自己的产品和发明增加有特色的竞争力。
OpenMV上的机器视觉算法包括寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪等。
可以用来实现非法入侵检测、产品的残次品筛选、跟踪固定的标记物等。
使用者仅需要写一些简单的Python代码，即可轻松的完成各种机器视觉相关的任务。
玲珑的设计，使得OpenMV可以用到很多创意的产品上。
比如，可以给自己的机器人提供周边环境感知能力；
给智能车增加视觉巡线功能；
给智能玩具增加识别人脸功能，提高产品趣味性等；
甚至，可以给工厂产品线增加残次品筛选功能等。
2021/6/22 4:31:53
88.69MB
1
Java实现类似图片搜索原理源码分享。
Google"类似图片搜索"：你可以用一张图片，搜索互联网上所有与它类似的图片。
这种技术的原理是什么？计算机怎么知道两张图片类似呢？根据NealKrawetz博士的解释，原理非常简单易懂。
我们可以用一个快速算法，就达到基本的效果。
这里的关键技术叫做"感知哈希算法"（Perceptualhashalgorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。
结果越接近，就说明图片越类似。
这是一个最简单的实现。
图片搜索Java
Google"类似图片搜索"：你可以用一张图片，搜索互联网上所有与它类似的图片。
这种技术的原理是什么？计算机怎么知道两张图片类似呢？根据NealKrawetz博士的解释，原理非常简单易懂。
我们可以用一个快速算法，就达到基本的效果。
这里的关键技术叫做"感知哈希算法"（Perceptualhashalgorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。
结果越接近，就说明图片越类似。
这是一个最简单的实现。
图片搜索Java
2015/3/23 3:05:23
309KB
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