C#版本的视频解码源码,使用FFMPEG解码H264视频文件,解码后的数据保存为YUV格式,可以使用yuvplayer播放.Dll目录是运行时使用的动态库.Video目录是测试用的H264视频文件.源码展示了如何用CLR封装C代码,然后在C#项目中使用.涉及CLR的数据格式转换,事件和线程。
项目工程使用VS2012创建。
项目工程使用VS2012创建。
2025/7/31 10:39:16
10.97MB
1
TCF是它是一个法语语言水平的标准化测试，按照极其严格的方式设计。
该考试面向所有非法语母语，出于职业或个人需要希望以简单可靠和有效的方式衡量他们的法语知识水平的人群。
该考试面向所有非法语母语，出于职业或个人需要希望以简单可靠和有效的方式衡量他们的法语知识水平的人群。
26.53MB
1
这个利用行人HOG特征通过SVM分类器进行分类的代码。
程序运行环境为VS2013+OpenCV2.20。
程序内可以选择Opencv自带的行人检测算法，也可以自己训练HOG特征进行检测。
如果自己训练的话，需要在D盘建立一个文件（具体文件名程序中有）里面存在训练的正负样本，和测试样本。
具体D盘的这个文件夹在本人自愿中已上传，需要请自行下载。
程序运行环境为VS2013+OpenCV2.20。
程序内可以选择Opencv自带的行人检测算法，也可以自己训练HOG特征进行检测。
如果自己训练的话，需要在D盘建立一个文件（具体文件名程序中有）里面存在训练的正负样本，和测试样本。
具体D盘的这个文件夹在本人自愿中已上传，需要请自行下载。
2025/7/30 21:48:56
6.52MB
1
为了帮助对视觉障碍患者有效识别道路周围的场景，提出一种基于迁移学习和深度神经网络方法，实现实时盲道场景识别。
首先提取盲道障碍物的瓶颈描述子和判别区域集成显著性特征描述子，并进行特征融合，然后训练新的盲道特征表示，用Softmax函数实现盲道场景识别。
实验中，对成都不同区域盲道周围障碍物采样，分别采用基于Mobilenet模型不同参数训练和测试了提出的新模型，最后在实际应用场景，实现了盲道周边障碍物的实时分类和报警，实验证明提出的方法具有很高准确率和良好的运行性能。
首先提取盲道障碍物的瓶颈描述子和判别区域集成显著性特征描述子，并进行特征融合，然后训练新的盲道特征表示，用Softmax函数实现盲道场景识别。
实验中，对成都不同区域盲道周围障碍物采样，分别采用基于Mobilenet模型不同参数训练和测试了提出的新模型，最后在实际应用场景，实现了盲道周边障碍物的实时分类和报警，实验证明提出的方法具有很高准确率和良好的运行性能。
2025/7/30 17:30:33
1.22MB
1
STM32+FreeRtos+Lwip程序基于ENC28J60,程序测试通过，添加UDP测试。
2025/7/24 6:04:05
18.83MB
1
之前在X公司参与测试的项目，整个结构如图所示：我负责第一层Linux服务器产品测试工作（红色标示部分），我到之前的测试流程为：1.数据库准备（远程Linux操作或者使用工具Toad/Navicat对多服务器的Oracle/MySQL测试数据增删改查）Linux下环境准备（远程Linux操作第一层服务器配置文件修改、进程启停、配置重载等）--》2.第二层部分测试环境准备（操作第二层数据库数据，远程登录服务器对第二层服务器配置文件修改、进程启停、数据重载等）--》3.启动第三层客户端测试相应功能--》4.缺陷跟踪管理（关于第一层）方式：100%手工测试职责：保证第一层Linux服务器相关产品的功能
2025/7/24 3:43:51
347KB
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