MatConvNet是一个实现卷积神经网络（CNN）的MATLAB工具箱，用于计算机视觉应用。
用这个工具箱，能很方便地在MATLAB中用GPU来进行训练。

何凯明计算机视觉去雾源码+去雾小应用，这篇论文研究的问题是图像的去雾技术，它可以还原图像的颜色和能见度，同时也能利用雾的浓度来估计物体的距离，这些在计算机视觉上都有重要应用（例如三维重建，物体识别）

本代码建立高斯混合模型(高斯多模型)(GMM)，将其用于计算机视觉领域的视频目标检测视频监控运动检测运动目标检测视频目标跟踪等相关应用中。

在各向异性的物体中，高光被视为是漫反射分量以及镜面反射分量的一种线性组合。
单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。
很多方法试图将漫反射分量、镜面反射分量进行分离，然而这些方法往往需要图像分割等预处理过程，方法鲁棒性较差且比较耗时。
基于双边滤波器设计了一种高效的高光消除方法，该方法利用最大漫反射色度存在着局部平滑这一性质，使用双边滤波器对色度的最大取值进行传播与扩散，从而完成整幅图像高光去除。
方法采用一种加速策略对双边滤波器进行速度优化，与目前流行的方法相比，有效提升了方法的执行效率。
与传统方法相比，该方法高光去除效果更好，处理速度更快，非常适用于一些实时应用的场合。

本功能是基于内容的图像检索，利用opencv计算机视觉函数库里面的集成函数构建而成，在C++的环境开发。

由于相机标定易受靶标自身和外界环境因素的干扰,且相机标定精度直接影响双目视觉或三维重建等计算机视觉领域的结果,因此,在标定过程中要尽可能提高相机的标定精度。
相机标定过程中的精度影响因素主要为靶标自身的网格尺寸、特征点数目、摆放位姿和平面性,以及相机提取靶标图片的数量、标定物距、光照条件等。
以相机标定精度的影响因素为切入点,介绍了相机标定的成像模型和单因素对标定精度的影响情况,总结出相机标定的最优标定工况条件,为相机标定的研究提供了有效参考。

计算机视觉中的多视图几何第二版（英文）MultipleViewGeometryinComputerVision.2ndEdition.pdf

├─1.计算机视觉简介、环境准备(python,ipython)│computervsion.pdf│CS231introduction.pdf│├─2.图像分类问题简介、kNN分类器、线性分类器、模型选择│2.图像分类简介、kNN与线性分类器、模型选择.mp4│2.初识图像分类.pdf│├─3.再谈线性分类器│3.再谈线性分类器.mp4│再谈线性分类器.pdf│├─4.反向传播算法和神经网络简介│.反向传播算法和神经网络简介.pdf│4.反向传播算法和神经网络简介.mp4│├─5.神经网络训练1│5.-神经网络训练1.pdf│5.神经网络训练1.mp4│├─6.神经网络训练2、卷积神经网络简介│6.神经网络训练2.mp4│神经网络训练2.pdf│├─7.卷积神经网络│7.卷积神经网络.mp4│Lession7.pdf│├─8.图像OCR技术的回顾、进展及应用前景│8.图像OCR技术的回顾、进展及应用前景.mp4│PhotoOCR_xbai.pdf│└─9.物体定位检测物体定位检测.pdf│├─10.卷积神经网络可视化│.卷积神经网络可视化.pdf│10.卷积神经网络可视化.mp4│├─11.循环神经网络及其应用│11.循环神经网络及其应用.mp4│循环神经网络.pdf│├─12.卷积神经网络实战│12.卷积神经网络训练实战.mp4│卷积神经网络实战.pdf│├─13.常见深度学习框架介绍│常见深度学习框架介绍.pdf│├─14.图像切割│14.图像切割.mp4

OpenCV3编程入门以当前最新版本的OpenCV最常用最核心的组件模块为索引，深入浅出地介绍了OpenCV2和OpenCV3中的强大功能、性能，以及新特性。
书本配套的OpenCV2和OpenCV3双版本的示例代码包中，含有总计两百多个详细注释的程序源代码与思路说明。
读者可以按图索骥，按技术方向进行快速上手和深入学习。
《OpenCV3编程入门》要求读者具有基础的C/C++知识，适合研究计算机视觉以及相关领域的在校学生和老师、初次接触OpenCV但有一定C/C++编程基础的研究人员，以及已有过OpenCV1.0编程经验，想快速了解并上手OpenCV2、OpenCV3编程的计算机视觉领域的专业

计算机视觉方面基础经典的教程，在书中很多算法可以在网站上下载，涉及相机标定，三维重建，立体视觉等方面的基础知识的介绍，一本不可多得教材！

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。