CDD模型彩色图像修复系统，matlab语言。
十分高效、效果显著。
内含matlab源代码、注释及图片素材。
可去除白色遮挡物，如旧照白色裂痕、白色涂鸦、白色文字，基本100%去除。
十分高效、效果显著。
内含matlab源代码、注释及图片素材。
可去除白色遮挡物，如旧照白色裂痕、白色涂鸦、白色文字，基本100%去除。
2023/7/12 12:46:45
3.78MB
1
这只是一个演示版本，图片要遴选三通道图片，遴选图片刻不做过滤检测，假如图片格式差迟会侵蚀，需要代码请联系作者。
申请输入图片为侧面，无遮挡，光照平均。
假如使用附带图片照常运行侵蚀则与本软件无关。
评估时请自重。
申请输入图片为侧面，无遮挡，光照平均。
假如使用附带图片照常运行侵蚀则与本软件无关。
评估时请自重。
2023/4/20 1:51:28
4.09MB
1
KCF目的跟踪的c++代码法度圭表标准，其中更正了抗遮挡的部份，使其有“影像性”的成果。
其是一个很好的钻研KCF的例子。
阻滞钻研目的跟踪的钻研者能够详尽的钻研其原理
其是一个很好的钻研KCF的例子。
阻滞钻研目的跟踪的钻研者能够详尽的钻研其原理
2023/3/25 9:52:05
5.82MB
1
遮挡::时间轴介绍模糊的时间轴将事件添加到实体（文档）的单独集合中，类的名称（MongoidDocument）用于命名时间轴集合，因而，如果将类命名为“Account”，则集合名称最终将为“account_timeline””。
安装要求主动支持蒙古型mongoid_search将此行添加到您的应用程序的Gemfile中gem'obscured-timeline'执行$bundle用法根据在创建非默认日志收集的文件中使用此功能。
require'obscured-timeline'例子文档require'obscured-timeline'moduleObscuredclassAccountincludeMongoid::DocumentincludeMongoid::Timestamps
安装要求主动支持蒙古型mongoid_search将此行添加到您的应用程序的Gemfile中gem'obscured-timeline'执行$bundle用法根据在创建非默认日志收集的文件中使用此功能。
require'obscured-timeline'例子文档require'obscured-timeline'moduleObscuredclassAccountincludeMongoid::DocumentincludeMongoid::Timestamps
2023/3/4 10:57:16
15KB
1
.YALE人脸数据库（美国，耶鲁大学）由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿势的变化。
Yale人脸数据库中一个采集志愿者的10张样本，相比较ORL人脸数据库Yale库中每个对象采集的样本包含更明显的光照、表情和姿势以及遮挡变化。
Yale人脸数据库中一个采集志愿者的10张样本，相比较ORL人脸数据库Yale库中每个对象采集的样本包含更明显的光照、表情和姿势以及遮挡变化。
2020/2/14 20:44:32
4.08MB
1
.YALE人脸数据库（美国，耶鲁大学）由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿势的变化。
Yale人脸数据库中一个采集志愿者的10张样本，相比较ORL人脸数据库Yale库中每个对象采集的样本包含更明显的光照、表情和姿势以及遮挡变化。
Yale人脸数据库中一个采集志愿者的10张样本，相比较ORL人脸数据库Yale库中每个对象采集的样本包含更明显的光照、表情和姿势以及遮挡变化。
2016/7/26 8:12:58
4.08MB
1
手脸近距遮挡属于深度传感器应用中具有代表性的难点问题，针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。
2018/1/7 4:29:25
11.61MB
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