下载后在app.config中配置对应的百度AI的Key和Secret使用百度AI实现图片识别、使用NPOI优化Excel输入格式支持A4纸横版A4纸竖版输入

雷达干涉测量（INSAR）是近十几年来非常活跃的研究领域，其一般理论日益成熟，应用前景颇为看好。
《雷达干涉测量：原理与信号处理基础》结合作者多年来从事雷达遥感和INSAR技术研究的成果和实际经验，力图兼顾入门性和前沿性两方面，首先阐述《雷达干涉测量：原理与信号处理基础》的学科背景以及INSAR技术的发展、现状和存在的主要问题。
然后在引见雷达遥感的相关知识和SAR影像主要特点的基础上，系统地论述了雷达干涉测量技术的基本原理、成像模式、数据获取与数据处理的一般步骤等，并进一步探讨高程提取的理论精度、立体视觉与雷达干涉成像的联系与区别，试图从不同的角度理解干涉成像的原理。
在数据处理和相关的算法方面，着重论述了复数INSAR影像对的自动配准、抑制干涉图噪声、相位解缠和数字高程信息提取等关键技术和实施算法等。
对于每一个技术环节，尽量兼顾多种算法或实施途径，并进行分析对比，给读者提供多方面的理解。
最后还引见了INSAR技术的重要应用之一的差分干涉技术的基本原理和应用

武汉大学摄影测量原理课后练习空间后方交会作业，C++编程实现单像空间后方交会算法，并根据实验数据输入结果，并进行精度评定

针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点，在综合各种数据降维方法的基础上，提出一种基于最佳波段组合的高光谱遥感影像分类方法。
以美国印第安纳州地区的AVIＲIS数据为例，分析各波段信息量和相邻波段的相关性，利用子空间划分、分段波段指数选择法，进行特征波段的选择;并针对难区分地物类别，应用J－M距离模型对其可分性进行判别，获得最佳波段组合。
最初采用支持向量机分类器进行分类。
实验结果表明，采用最佳波段组合方法，可以有效地提高高光谱的分类精度。

课程实验秒表的显示范围是00:00:00-59:59:99，显示精度为10ms，其拥有可控的自动报警功能（可经过蜂鸣器控制模块的clk端选择计数一小时后报时或者不报时，如想要报时则接通clk端，反之clk端断开，选择报时则计数达到一小时后蜂鸣器会响一声，否则蜂鸣器不响，）、可控的启动功能

108题中有部分题目重合，因此么有收录在压缩文件中。
华为机试├─001字符串最后一个单词长度│└─Source├─002计算字符个数│└─Source├─003明明的随机数│└─Source├─004字符串分隔│└─Source├─005进制转换│└─Source├─006质数因子│└─Source├─007取近似值│└─Source├─008合并表记录│└─Source├─009提取不重复的整数│└─Source├─010字符个数统计│└─Source├─011数字颠倒│└─Source├─012字符串反转│└─Source├─013句子逆序│└─Source├─014字典序排序│└─Source├─015求int型正整数在内存中存储是1的个数│└─Source├─016购物单│├─Debug│├─Source││└─Debug│├─Source-时间优先││└─Debug│└─Source-空间优先│├─Debug│└─Release├─017坐标移动├─018识别IP地址分类统计│└─Source│└─Debug├─019错误记录├─020密码验证合格程序├─021密码破解├─023删除字符串中出现次数最少字符│└─Source│└─Debug├─024合唱队│└─Source│├─Debug│└─Release├─025数据分类处理│└─Source│└─Debug├─026查找兄弟单词│└─Source│└─Debug├─027素数伴侣│└─Source│└─Debug├─028字符串合并处理│└─Source│└─Debug├─030密码截取（查找最长回文字符串）├─031蛇形矩阵│└─Source│└─Debug├─033判断IP能否属于同一子网│└─Source│└─Debug├─034称砝码│└─Source│└─Debug├─035学英语│└─Source│└─Debug├─036迷宫问题│└─Source│└─Debug├─037数独问题│└─Debug├─038名字漂亮度│└─Source│└─Debug├─039字符串截取│└─Source│└─Debug├─040单链表删除数据│└─Source│└─Debug├─041多线程│└─Source│├─Backup│├─Debug││└─041.tlog│└─Release│└─041.tlog├─042表达式计算│└─Source│└─Debug├─043计算字符串距离│└─Source│└─Debug├─044杨辉三角形变形├─046挑7├─047完全数│└─Debug├─048高精度加法├─049输出n个数中最小的k个│└─Debug├─050找出字符串只出现一次的字符│└─Debug├─051组成一个偶数最接近的2个质数│└─Debug├─052M个苹果放入N个盘子├─053查找整数二进制中1的个数├─054DNA子串├─055MP3光标位置│└─Source│└─Debug├─056查找2个字符串最大相同子串│└─Debug├─057配置文件恢复│└─Source│└─Debug├─05824点计算│└─Debug├─059成绩排序├─060矩阵相乘├─061矩阵乘法次数计算├─062字符串通配符│└─Debug├─066命令行解析│└─Source│└─Debug├─067最大相同子串长度│└─Debug├─068火车编号进站│└─Debug├─072数组合并├─074埃及分数│└─Source│└─Debug├─076密码截取│└─Sourc

1、demo文件夹：YOLOv4目标检测算法针对MVI_40192文件夹数据集的处理效果，比较满意，车辆信息基本都能检测到。
2、road1_demo文件夹：YOLOv4+DeepSort算法，针对road1.mp4视频数据的目标跟踪、车流量计数效果。
人工统计车流量292辆(可能有偏差)，算法统计车流量288辆。
3、road2_demo文件夹：YOLOv4+DeepSort算法，针对road2.mp4视频数据的目标跟踪、车流量计数效果。
人工统计车流量29辆，算法统计车流量29辆。
只需视频流车辆清晰、大小合适、轮廓完整，算法处理的精度挺高。
4、road1_tracking.mp4、road2_tracking.mp4：由目标跟踪处理结果合成的视频流。
***********************************************************************************************1、deepsort文件夹：含目标跟踪算法源码，包括：卡尔曼滤波、匈牙利匹配、边框类创建、Track类创建、Tracker类创建。
2、ReID文件夹：含特征提取算法源码，model_data存储着reid网络的结构、权重，feature_extract_model.py用于创建特征提取类。
3、YOLOv4文件夹：含目标检测算法源码，model_data存储yolov4网络配置、nets+utils用于搭建模型。
decode.py用于将检测结果解码。
4、car_predict.py、yolo.py：用于验证目标检测算法的效果。
5、main.py：整个项目的运行入口，直接运行main.py，就可以调用YOLOv4+DeepSort，处理视频流信息，完成目标跟踪和车流量统计。

文章引见了计算多自由度转子系统固有频率的传递矩阵法，以及用于实现该算法的Prohl法和Riccati法的推导过程。
利用Matlab强大的绘图计算功能和改进的Riccati传递矩阵法所具有的良好的数值稳定性，避免了传统的Prohl传递矩阵法在计算过程中的丢根现象，提高了整个转子系统分析运算的精度。
并用Matlab对各算法的数值稳定性进行了分析。

针对当前严重的窃电现象以及现有防窃电措施不足的问题,提出并设计了一种基于RN8209防窃电电能表,该电能表能够完成相线、零线电流与电网电压的采集与计算,处理了数据采集与处理的实时性问题,单片机根据相线与零线的功率大小对用户用电状况进行实时监测,对各种窃电方式准确甄别。
研究结果表明,该系统能够准确、实时地检测出窃电行为,并具有高精度、运行稳定可靠等特点。

文件中包含：大气校正6S模型；
6S模式使用说明（中文）；
6S大气校正以及ATCOR模块对比--实验报告；
LANDSAT_5TM数据的辐射校正与几何定位精度；
太阳高度角和太阳天顶角关系。
相关文件是本人研究TM影像校正时用到的材料~分享一下~

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。