基于c#实现的webapi调用软件，用于请求web服务，尤其是通过aistudio平台部署的深度学习模型。
如果您的自己的webapi接口前往的也是json格式的信息，也可以使用本软件进行请求调用。
只是在请求服务前，一定要点击软件界面加密，将原始的url信息转化为用户不可读的字符串，然后再点击测试

1.模型下载自AGI官网：http://assets.agi.com/models，具体下载方式可参考：https://blog.csdn.net/wml00000/article/details/1254012282.模型均为gltf格式，符合gltf1.0标准，不支持gltf2.0标准，无法直接用Windows自带的3D查看器查看模型；
3.所有模型均可以通过VSCode插件glTFTools在Cesium环境下预览；
4.飞机等模型的默认方向是反的，曾经手动编辑gltf文件中的node属性下的matrix进行了调整，目前全部为正向，关于matrix含义可以参考https://github.com/KhronosGroup/glTF-Tutorials/blob/master/gltfTutorial/gltfTutorial_004_ScenesNodes.md；
5.大部分原始模型包含animations（动画）属性，曾经手动删除了gltf文件中的animations属性；
6.如有需要原始文件可以下载另一资源：

InertialExplorer是NovAtel公司Waypoint产品组研发的强大的、可配置度高的事后处理软件，用于处理所有可用的GNSS、INS数据，提供高精度组合导航信息，包括位置、速度和姿势信息。
针对精度和稳定性要求比较高，不需要实时定位导航信息的应用，可以通过GNSS和INS原始数据后处理的方式，提高组合导航解算精度和稳定性。

研究了一种基于高斯约束滤波器的图像细节加强算法，通过高斯约束滤波器将原始红外图像分解为基图和细节图，并采用γ变换分别对其压缩，然后将两部分图像重新合成，从而在保留图像细节的同时有效地使红外场景得到高动态灰度显示。
分析了传统非锐化掩模图像加强算法光晕现象产生的原因及新处理方法对光晕现象的抑制过程，通过对多幅不同场景特征的红外图像测试比较，表明算法处理效果明显。

深度强化学习是人工智能领域的一个新的研究热点．它以一种通用的方式将深度学习的感知能力与强化学习的决策能力相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制．自提出以来，在许多需要感知高维度原始输入数据和决策控制的任务中，深度强化学习方法已经取得了实质性的突破．该文首先阐述了三类主要的深度强化学习方法，包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习；
其次对深度强化学习领域的一些前沿研究方向进行了综述，包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等．最后总结了深度强化学习在若干领域的成功应用和未来发展趋势．

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。