MFC对话框获取本地网卡信息，挺好用的，大家可以试试

从理论上推导了数字图像相关(DIC)方法中应变精度的影响因素,指出应变计算精度会随着窗口尺寸的变小而下降。
为了提高图像有效分辨率,针对细长平面试件提出了一种二维多相机全场DIC方法。
该方法根据特征点检测及匹配算法定位特征点对的亚像素位置,通过DIC方法对特征点对进行高精度配准,利用发展的逐步优化单应矩阵方法求解图像变换关系,得到变形前后的无缝拼接图像。
分别实施了纯平移和橡胶梁三点弯两组实验。
在纯平移实验中,该方法计算得到的应变均值误差及均方根误差均在50με以内,验证了该方法的有效性;采用橡胶梁三点弯实验对比该方法与三维多相机全场DIC方法,并基于实验结果对该方法的优点与缺点进行了分析。

#3D_Garment_Tryon_System3D虚拟试衣系统随着网络的普及和虚拟现实技术的发展，三维虚拟试衣技术已成为国内外学术界普遍关注和研究的重要课题。
三维服装虚拟试衣系统(3DGarmentVirtualTry-OnSystem)主要包括四个部分：用户试衣时的人体识别、姿势检测；
三维虚拟人体模型的构建与匹配，三维虚拟衣物模型的构建，三维衣物在虚拟人体的着装试穿。
目前我们在三维试衣系统相关理论的基础上，从研究三维人体、衣物建模理论出发，结合物理模型、图形处理等方法，实现了以上四个部分，并对其中一些关键技术进行了研究。
人体识别和姿势检测的研究方面，针对精准度要求较高的情况，我们采用N-best人体识别模型，用深度置信神经网络来对模型进行训练，能够检测出图片中任意姿势各个身体部件；
针对实时性要求较高的情况，我们采用SVM模型，可以判断出几种常见的人们试衣时的动作。
三维虚拟人体建模中，首先我们建立集成于软件中的人体模型库，主要是使用专用的三维人体造型软件Poser，将其中人体模型导出为OBJ文件，再根据OBJ文件的存储格式，提取出人体曲面的顶点信息，然后采用稀疏表示和三角剖分技术，利用一个个小三角形来逼近人体各部件的曲面；
而用户人体模型则是根据用户输入的人体信息，查找模型库中相匹配的人体模型并进行一定调整，最后结合检测到的用户姿势来展示用户特定的人体模型。
对于虚拟试衣，通过衣片三角剖分优化、二维到三维的转化、三维衣片虚拟缝合，构建了简单的衣物模型，基于碰撞检测技术，研究并实现了衣物虚拟穿在了人体模型身上的真实样子，如有褶皱、垂悬等等效果。

我在6.204版的英文版上试过了，很好用！

使用cocosCreator制作试玩广告playableAd，打包发布web-mobile后合并为一个html的脚本

看到好多的学校要什么电梯模拟的程序，本人也试着写了个，功能算是完全模拟咱学校图书馆的电梯，O(∩_∩)O~

这是我自己反编译fix后，支持solr7.4高版本的定时增量任务(亲测solr7.4)，下载下来开箱即用。
低版本的没试过，估计低版本的solr配合之前apache-solr-dataimportscheduler-1.0.jar这些能行，不行就试试我这个。

武汉大学--网络与分布试计算--考试

近年来，随着互联网的发展，用户会在各种各样的应用场景和环境中去使用产品。
站着、坐着还是躺着？公交上、地铁上还是在厕所里？在使用互联网的产品过程中，相信任何一个用户都难以避免遇到错误，或是输入信息错误，或是网络不好等等。
这些复杂多样的使用场景使得针对用户操作错误而进行的错误反馈设计变得尤为重要。
本文是笔者根据以往遇到的各种类型的反馈设计例子做的一些分析，希望能为大家在设计错误反馈提供一些帮助。
手控类型错误。
这类型的错误主要是在使用手机或平板的时候会遇到，比如前些天我遇到的一个健身类型的APP，里面有个设置体型的环节，界面如下：看到这个页面，我第一反应就是点击刻尺上的刻度位置，发现没反应。
于是又试

repo资源，当连接无法下载时，可以试试手动放置安装。

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。