holidays数据集的两个图像压缩包以及计算map的python均来自原：http://lear.inrialpes.fr/~jegou/data.php由于原网址下载两个图像压缩包毫无速度，特此分享该数据集的百度云链接，若百度云链接失效，请在评论中留下邮箱本来不想要积分的，但是CSDN已经无法设置这个了，无语
2023/10/30 6:46:39
71B
1
OpenCore5.0+RedisCache搭建缓存处理模块，整体工程，请留意我发布的相关资料，该项目主要由Net5.0,Nhibernate5.4,Log4net2,Redis,Bootstrap5等最新技术框架构成。
主要模块包括OpenCore.API，OpenCore.Redis,OpenCore.DB，OpenCore.Repository,OpenCore.Entity,OpenCore.Foramework,OpenCore.Map,OpenCore.Web八大工程组成。
主要模块包括OpenCore.API，OpenCore.Redis,OpenCore.DB，OpenCore.Repository,OpenCore.Entity,OpenCore.Foramework,OpenCore.Map,OpenCore.Web八大工程组成。
2023/10/26 9:34:08
17.45MB
1
NI_数据交换规格书NIMIF1.3.1便携类.pdfNI_数据交换规格书NIMIF1.3.1便携类(代码表)MAP.pdfNI_数据交换规格书NIMIF1.3.1便携类(代码表)POI.pdf
2023/10/6 10:34:01
513KB
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
本离线开发包，支持百度地图离线开发。
用于无网络环境下的百度地图二次开发。
包含以下文件：1，基础API：apiv1.3.min.js，有注释可参考；
2，基础CSS:bmap.css;3,依赖文件：map,oppc,tile,control,marker；
4，瓦片图：maptile；
5，例子：demo.html；
用火狐和chrome可直接打开，在IE下还有些问题。
多多交流，一起努力！
用于无网络环境下的百度地图二次开发。
包含以下文件：1，基础API：apiv1.3.min.js，有注释可参考；
2，基础CSS:bmap.css;3,依赖文件：map,oppc,tile,control,marker；
4，瓦片图：maptile；
5，例子：demo.html；
用火狐和chrome可直接打开，在IE下还有些问题。
多多交流，一起努力！
2023/9/23 13:49:42
1.18MB
1
本系统数据存储在map集合中，采用单例模式保证了操作集合的一致性，系统分成管理员和用户两部分，若账号密码均为admin进入管理员界面，若账号密码相同则进入用户界面。
功能实现了图书的添加，入库，出库等操作，用户实现了购买，查看图书功能。
整体设计采用有单例模式、静态工厂模式等，适合有基础的同学下载参照学习。
功能实现了图书的添加，入库，出库等操作，用户实现了购买，查看图书功能。
整体设计采用有单例模式、静态工厂模式等，适合有基础的同学下载参照学习。
2023/9/22 21:29:27
28KB
1
保留原有所有功能，新增直接从mapinfo图层输出googleearthkml文件的工具。
Mapinfo2Googleearth将ADA_CDMATool基础上生成的CDMA_Cell_Map_NB图层直接转为googleearth的kml文件。
kml保留扇区的三叶草图形，全向站用六边形标识。
///////原有功能/////////ADACDMAToolHelp扇区信息表格式 扇区信息表：CdmaCellInfo.xls。
“Bearing”列为方位角，“radius”列为半径，“FREQ”列为不同频率，“H_BeamWidth”为扇区水平瓣宽，“Longitude”经度，“Latitude”纬度。
“扇区类型”列用“射频拉远”标识是否RRU站。
“基站名”列标识站名或者射频拉远站的施主站名。
“物理地址”列标识实际站点站名。
“NeighborNumber”列保存对应扇区的邻小区数。
“N01”记录第一个邻小区的小区号，必须放在第24列。
MakeCell用来生成扇区结构的mapinfo图层，用不同的方位角和半径来区分同一物理地址不同频点的扇区。
扇区信息表：CdmaCellInfo.xls，放在和本插件同一目录下。
并在同一目录下生成图层CDMA_Cell_Map_NB。
下图即为生成的基站扇区图，圆形为全向站（包括室分系统）注：以下所有的工具均需要在生成的CDMA_Cell_Map_NB图层上工作！RRULine 用来生成RRU站和施主站之间的连线。
用箭头工具点击扇区，如果扇区是RRU站则画出其与施主站之间的连线。
用RECT工具进行区域选择，程序会将区域范围内的RRU站与施主站之间连线。
DrawRRULineall 一次性生成CDMA_Cell_Map_NB图层中所有RRU站与其施主站间的连线。
注：生成全网的RRU联线，所需时间较长。
FindPN 用来查找CDMA_Cell_Map_NB图层中所有指定PN的扇区，填充颜色并标注PN。
可以用此来检查PN复用距离。
下图为findPN274的结果，标注PN274并红色填充对应扇区。
NBCheck 显示所选择扇区的所有邻小区并用颜色填充。
可以用此来查看是否有明显的PN漏配。
如果点击选择的位置有多个扇区时，会弹出选择对话框供用户确定扇区。
PNOneWayCheck点击图层，输出所点击扇区的邻小区重复PN信息，或者多余邻小区信息（多余邻小区为小区号已经不在现网中）。
注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中只是检查了基站邻小区的PN是否有重复PNTwoWayCheck 检查所点击扇区的邻小区、所有二次邻小区（邻小区的邻小区）之间的PN是否有重复。
如果二次邻小区PN重复，则可能存在PNTwoway的风险print出PNTwoway点位的Cell信息，在map上连线，显示造成Twoway的邻小区路径。
注：此程序运行时间视邻小区个数与PN重复数有关，在2min~10min左右注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中检查了基站邻小区、所有二次邻小区的PN是否有重复PNTwoWayCheck2 检查所点击扇区的邻小区与二次邻小区之间的PN复用关系，不检查二次邻小区之间的复用关系。
用不同的颜色填充和连线显示出可能存在的PNTwoWay，此工具检查出来的PNTwoWay结果比PNTwoWayCheck检查出来的结果更有风险。
话统数据分析 选择需要分析的数据列，或者输入需要分析的数据列（输入的列名要与CdmaCellInfo.xls中的列名完全一致），输入分析数据的最大值和5类层级的填充颜色和范围。
用不同的颜色标识属于不同范围的扇区，并用图示标识出来。
Mapinfo2Googleearth将ADA_CDMATool基础上生成的CDMA_Cell_Map_NB图层直接转为googleearth的kml文件。
kml保留扇区的三叶草图形，全向站用六边形标识。
///////原有功能/////////ADACDMAToolHelp扇区信息表格式 扇区信息表：CdmaCellInfo.xls。
“Bearing”列为方位角，“radius”列为半径，“FREQ”列为不同频率，“H_BeamWidth”为扇区水平瓣宽，“Longitude”经度，“Latitude”纬度。
“扇区类型”列用“射频拉远”标识是否RRU站。
“基站名”列标识站名或者射频拉远站的施主站名。
“物理地址”列标识实际站点站名。
“NeighborNumber”列保存对应扇区的邻小区数。
“N01”记录第一个邻小区的小区号，必须放在第24列。
MakeCell用来生成扇区结构的mapinfo图层，用不同的方位角和半径来区分同一物理地址不同频点的扇区。
扇区信息表：CdmaCellInfo.xls，放在和本插件同一目录下。
并在同一目录下生成图层CDMA_Cell_Map_NB。
下图即为生成的基站扇区图，圆形为全向站（包括室分系统）注：以下所有的工具均需要在生成的CDMA_Cell_Map_NB图层上工作！RRULine 用来生成RRU站和施主站之间的连线。
用箭头工具点击扇区，如果扇区是RRU站则画出其与施主站之间的连线。
用RECT工具进行区域选择，程序会将区域范围内的RRU站与施主站之间连线。
DrawRRULineall 一次性生成CDMA_Cell_Map_NB图层中所有RRU站与其施主站间的连线。
注：生成全网的RRU联线，所需时间较长。
FindPN 用来查找CDMA_Cell_Map_NB图层中所有指定PN的扇区，填充颜色并标注PN。
可以用此来检查PN复用距离。
下图为findPN274的结果，标注PN274并红色填充对应扇区。
NBCheck 显示所选择扇区的所有邻小区并用颜色填充。
可以用此来查看是否有明显的PN漏配。
如果点击选择的位置有多个扇区时，会弹出选择对话框供用户确定扇区。
PNOneWayCheck点击图层，输出所点击扇区的邻小区重复PN信息，或者多余邻小区信息（多余邻小区为小区号已经不在现网中）。
注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中只是检查了基站邻小区的PN是否有重复PNTwoWayCheck 检查所点击扇区的邻小区、所有二次邻小区（邻小区的邻小区）之间的PN是否有重复。
如果二次邻小区PN重复，则可能存在PNTwoway的风险print出PNTwoway点位的Cell信息，在map上连线，显示造成Twoway的邻小区路径。
注：此程序运行时间视邻小区个数与PN重复数有关，在2min~10min左右注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中检查了基站邻小区、所有二次邻小区的PN是否有重复PNTwoWayCheck2 检查所点击扇区的邻小区与二次邻小区之间的PN复用关系，不检查二次邻小区之间的复用关系。
用不同的颜色填充和连线显示出可能存在的PNTwoWay，此工具检查出来的PNTwoWay结果比PNTwoWayCheck检查出来的结果更有风险。
话统数据分析 选择需要分析的数据列，或者输入需要分析的数据列（输入的列名要与CdmaCellInfo.xls中的列名完全一致），输入分析数据的最大值和5类层级的填充颜色和范围。
用不同的颜色标识属于不同范围的扇区，并用图示标识出来。
2023/9/22 19:34:05
4.37MB
1
OpenCore5.0+RedisCache搭建缓存处理模块，整体工程，请留意我发布的相关资料，该项目主要由Net5.0,Nhibernate5.4,Log4net2,Redis,Bootstrap5等最新技术框架构成。
主要模块包括OpenCore.API，OpenCore.Redis,OpenCore.DB，OpenCore.Repository,OpenCore.Entity,OpenCore.Foramework,OpenCore.Map,OpenCore.Web八大工程组成。
主要模块包括OpenCore.API，OpenCore.Redis,OpenCore.DB，OpenCore.Repository,OpenCore.Entity,OpenCore.Foramework,OpenCore.Map,OpenCore.Web八大工程组成。
2023/9/21 3:05:09
88KB
1
与多目标跟踪（MultipleObjectTracking简称MOT）对应的是单目标跟踪（SingleObjectTracking简称SOT），按照字面意思来理解，前者是对连续视频画面中多个目标进行跟踪，后者是对连续视频画面中单个目标进行跟踪。
由于大部分应用场景都涉及到多个目标的跟踪，因此多目标跟踪也是目前大家主要研究内容，本文也主要介绍多目标跟踪。
跟踪的本质是关联视频前后帧中的同一物体（目标），并赋予唯一TrackID。
随着深度学习的兴起，目标检测的准确性越来越高，常见的yolo系列从V1到现在的V5（严格来讲V5不太算），mAP一个比一个高，因此基于深度学习的目标检测算法实际工程落地也越来
由于大部分应用场景都涉及到多个目标的跟踪，因此多目标跟踪也是目前大家主要研究内容，本文也主要介绍多目标跟踪。
跟踪的本质是关联视频前后帧中的同一物体（目标），并赋予唯一TrackID。
随着深度学习的兴起，目标检测的准确性越来越高，常见的yolo系列从V1到现在的V5（严格来讲V5不太算），mAP一个比一个高，因此基于深度学习的目标检测算法实际工程落地也越来
2023/9/13 21:20:03
406KB
1
h.264视频编解码源代码.rar详细说明：h.264标准代码，用于视频编码！可以实现各种视频的编码和解码，可以在这个代码的基础上进行各种开发，比如算法的优化，转码技术，实现各种分辨了的转码-h.264standardcode,usesinthevideofrequencycode!Mayrealizeeachkindofvideofrequencycodeandthedecoding,maycarryoneachkindofdevelopmentinthiscodefoundation,forinstancethealgorithmoptimization,transfersthecodetechnology,realizeseachkindhasdistinguishedextensioncode文件列表:jm73....\JM....\..\bin....\..\...\decoder.cfg....\..\...\encoder.cfg....\..\...\lencod.exe....\..\...\lencod.map....\..\...\lencod.pdb....\..\CHANGES.TXT....\..\Changes_detail.txt....\..\copyright.txt....\..\disclaimer.txt....\..\doc....\..\...\coding_style.doc....\..\...\doxygen.txt....\..\...\h26l.css....\..\...\ldecod.dox....\..\...\lencod.dox....\..\encoder.cfg....\..\foreman_part_qcif.yuv....\..\ldecod....\..\......\inc....\..\......\...\annexb.h....\..\......\...\biaridecod.h....\..\......\...\block.h....\..\......\...\cabac.h....\..\......\...\context_ini.h....\..\......\...\contributors.h....\..\......\...\ctx_tables.h....\..\......\...\defines.h....\..\......\...\elements.h....\..\......\...\erc_api.h....\..\......\...\erc_do.h....\..\......\...\erc_globals.h....\..\......\...\errorconcealment.h....\..\......\...\fmo.h....\..\......\...\global.h....\..\......\...\header.h....\..\......\...\image.h....\..\......\...\leaky_bucket.h....\..\......\...\macroblock.h....\..\......\...\mbuffer.h....\..\......\...\mb_access.h....\..\......\...\memalloc.h....\..\......\...\nalu.h....\..\......\...\nalucommon.h....\..\......\...\output.h....\..\......\...\parset.h....\..\......\...\parsetcommon.h....\..\......\...\rtp.h....\..\......\...\sei.h....\..\......\...\vlc.h....\..\......\Makefile....\..\..
2023/9/8 17:47:46
1.07MB
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