提出一种融合多种特征的图像过曝光区域检测算法。
利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。
对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和​​颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。

Writtenbyanexpertinthegameindustry,ChristerEricson'snewbookisacomprehensiveguidetothecomponentsofefficientreal-timecollisiondetectionsystems.Thebookprovidesthetoolsandknow-howneededtoimplementindustrial-strengthcollisiondetectionforthehighlydetaileddynamicenvironmentsofapplicationssuchas3Dgames,virtualrealityapplications,andphysicalsimulators.Ofthemanytopicscovered,akeyfocusisonspatialandobjectpartitioningthroughawidevarietyofgrids,trees,andsortingmethods.Theauthoralsopresentsalargecollectionofintersectionanddistancetestsforbothsimpleandcomplexgeometricshapes.SectionsonvectorandmatrixalgebraprovidethebackgroundforadvancedtopicssuchasVoronoiregions,Minkowskisums,andlinearandquadraticprogramming.Ofutmostimportancetoprogrammersbutrarelydiscussedinthismuchdetailinotherbooksarethechapterscoveringnumericalandgeometricrobustness,bothessentialtopicsforcollisiondetectionsystems.Alsouniquearethechaptersdiscussinghowgraphicshardwarecanassistincollisiondetectioncomputationsandonadvancedoptimizationformoderncomputerarchitectures.Allinall,thiscomprehensivebookwillbecometheindustrystandardforyearstocome.

DARPA2000年评测数据包括覆盖了Probe,DoS,R2L,U2R和Data等5大类58种典型攻击方式,是目前最为全面的攻击测试数据集.同时,作为研究领域共同认可及广泛使用的基准评测数据集,DARPA2000年评测数据为新提出的入侵检测算法和技术与其他算法之间的比较提供了可能.

基于决策的单模目标跟踪方法的关键是及时而稳健的目标机动检测,充分利用目标多普勒观测量能够有效提高机动检测性能。
提出一种集成多普勒观测的目标机动检测算法,利用基于马氏距离的预测寻优方法,克服了多普勒观测噪声水平较高时估计式无解的情况,提高了加速度估计精度;基于奈曼皮尔逊准则设计机动检测器,避免了因目标机动检测的滞后性带来的门限漂移。
仿真实验表明,算法提高了加速度估计的精度和稳健性,显著降低了平均检测延迟,有效提高了机动检测性能。

本人自己编写的基于QPSK的ML算法，实现了4x4的MIMO功能

包含图片和相应的点云文件，适用于相机与雷达融合检测算法仿真，点云文件格式为.bin，图片为JPG，数据文件下载。

PFLD算法，目前主流数据集上达到最高精度、ARM安卓机140fps，模型大小仅2.1M!

13W的DGA域名样本可以用来训练一些DGA的检测算法，包含了各大病毒样本

目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。

定义的模板函数，可实现多个边缘检测算法,适合初学者

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。