（清华大学版）计算机图形学第1章绪论第2章光栅图形学第3章几何造型技术第4章真实感图形学第5章OpenGL与VRML第6章附录—图形■第1章绪论※计算机图形学的研究内容※计算机图形学的发展简史※应用及研究前沿※图形设备■第2章光栅图形学※直线段的扫描转换算法※圆弧的扫描转换算法※多边形扫描转换与区域填充※字符※裁剪※反走样※消隐※练习题■第3章几何造型技术※曲线和曲面※Bezier和B样条曲线曲面※形体在计算机内的表示※求交分类※实体造型系统简介※练习题■第4章真实感图形学※颜色视觉※简单光照明模型※局部光照明模型※光透射模型※纹理及纹理映射※整体光照明模型※实时真实感图形学技术※练习题■第5章OpenGL与VRML※OpenGL※VRML■第6章附录—图形变换※数学基础※几何变换※投影变换
2023/9/30 0:01:18
3.07MB
1
针对群体情绪识别准确率的问题，结合卷积神经网络（CNN）与长短期记忆网络（LSTM），提出一种多流CNN-LSTM网络模型学习群体情绪的静态和动态特征。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。
2023/9/29 1:55:43
1.44MB
1
关于深度学习使用在计算机视觉上的很好的入门书，提供全部python代码，非常方便初学者学习下载
2023/9/26 19:26:06
27.26MB
1
信号处理、图像处理、计算机视觉、数值分析、数值线性代数和机器学习算法。
稀疏和冗余的表述在信号和图像处理方面的从理论到实际应用
稀疏和冗余的表述在信号和图像处理方面的从理论到实际应用
2023/9/26 14:05:07
3.39MB
1
来自斯坦福大学和GoogleResearch的研究者对医疗领域中的深度学习应用进行了综述，并将研究文章发表在《NatureMedicine》上。
这篇文章从应用于医疗行业的计算机视觉、自然语言处理、强化学习和通用方法入手，详细介绍了深度学习在医疗中的应用。
这篇文章从应用于医疗行业的计算机视觉、自然语言处理、强化学习和通用方法入手，详细介绍了深度学习在医疗中的应用。
2023/9/26 2:37:11
6.44MB
1
关于视觉双目的测量，网上虽然有很多资料，但是但是你懂的，网上很多资源都讲的很模糊，不完整。
我这个代码完整的计算出了深度信息。
前提是你标定作准了。
我这个代码完整的计算出了深度信息。
前提是你标定作准了。
2023/9/23 19:13:37
8KB
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