1．基于MFC绘制三维立体小球（太阳、地球、月亮）基本图形；
2．基于MFC使用OpenGL绘制立方体、茶壶、环面等稍复杂的图形；
3．基于MFC使用OpenGL用鼠标控制三维物体；

何恺明等人研究出的基于暗通道的经典图像去雾算法，不仅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。
(Theclassicfogremovalalgorithmbasedondarkchannel,whichwasdevelopedbyHeKaimingandothers,notonlycanrestorethecolorandvisibilityofimages,butalsocanestimatethedistanceofobjectsbyusingtheconcentrationoffog.)

实现工厂流程的传送带传送物体的过程，包过一些基础的知识点。
1.传送物体左右上下移动2.传送带滚轮的旋转3.传送带贴图流动，创建panel，加上贴图。

用OpenGL+glut实现简单人物在简单场景中的漫游，所有物体都是用线框表示的，以便于观察，具体介绍和效果图可以到http://blog.sina.com.cn/s/blog_487547aa0100afd4.html看。

基于卷积神经网络的目标检测算法，夏源，张洪刚，本文是基于卷积神经网络的目标检测学习算法，与传统的物体检测算法不同，基于深度学习的目标检测算法，可以通过从海量数据中自动

没有一项物理学基本定律指出时间应该只“前进”而不“后退”，但我们却从未见识过时间逆转的现象，类似破裂的鸡蛋突然间重新复原，温水中形成冰块这样的事情不过是科幻影片中的情节。
一项新研究显示，时间箭头是量子力学“健忘症”的一种结果，这种“健忘症”擦除了时间逆转留下的所有痕迹。
熵越高信息越少形象地说，我们的时间感被热力学第二定律“捕获”。
根据这一定律，包括从一个被隔绝的盒子内的粒子到整个宇宙的任何封闭系统，都只会朝着更为混乱的局面发展。
代表混乱程度的状态量——熵只会呈上升趋势。
在一个由大型物体构成的世界，不断提高的熵伴随着热量流动出现，热量总是从高温物体传向低温物体。
此外，熵的变化也可以被描述为一种信息流动：系统内的熵越高，所包含的信息就越少。
在量子世界，当在更大程度上与外部世界纠结在一起时，一满盒粒子将在熵增加的同时失去信息。
在外部观察这个盒子的人可能在更大程度上与之纠缠在一起。
这种纠缠涉及到粒子所含信息的流失，提高了观察者获取的信息量。
麻省理工学院的洛伦佐·马科纳表示，在这种情况下，熵的不断升高以及热力学第二定律可能只是一种假象，一种量子力学产物。
可发生不留痕根据量子力学定律，时间应呈现出对称性，既会“前进”，也会“后退”。
马科纳说：“如果仔细分析这些定律，你就会发现与时间逆转有关的一切过程都可以发生，但这些过程却没有留下任何曾经发生过的痕迹。
”马科纳表示，在熵呈减少趋势的系统内，事件与观察者之间的连接或者纽带被擦除。
由于缺少这种信息，作为观察者的我们无法捕捉到时间逆转事件。
正如他所指出的那样，破碎的鸡蛋可能重新复原，但由于与之有关的信息未能保存下来，我们无法看到这一过程。
给人的感觉是，这些信息好像从我们的记忆中被删除了一样。
将粒子的量子力学属性扩展到鸡蛋的宏观世界存在问题。
马科纳表示，在这种日常尺度下，量子力学的作用范围必须超出原子层面，但我们没有证据证明存在更大尺度下的量子力学属性。
存在多个平行宇宙马科纳说，如果量子力学存在多个世界的理论是正确的，类似这样的假设便可能成立。
根据多世界理论，宇宙实际上由多个平行宇宙构成，任何一种物理学可能性都可以在平行宇宙上存在。
伊利诺斯州大学香槟分校物理学家迈克尔·魏斯曼表示：“热力学第二定律的时间不对称与我们对这个世界的认识之间的关系以前就曾被讨论过，但却是以一种非常不正式的方式，进而为这一论点打下更为坚实的基础。
”但魏斯曼同时指出，这种解释并不全面，原因就在于建立在人与时间存在一种特殊关系这种假设基础之上，人类只能形成有关过去的记忆。
他说：“新研究仍需借助于有关我们思维方式的最初假设。
”加利福尼亚理工学院的肖恩·卡洛尔表示，这项研究同样无法揭开一个更大的谜团，即宇宙为何从诞生之初就是物质和能量的统一体并且熵的数值非常低。
由于熵在一定程度上代表一个特殊构造的可能性，宇宙最初的低熵状态出现的可能性极低。

实现AR的相机功能录屏功能拍照功能选择物体在屏幕中对其进行操作的功能UI页面滑动的功能

本文来自于csdn，介绍了MQTT协议及一些使用范例做以简介,让开发人员了解到如何安装运行这一协议。
MQTT（MessageQueuingTelemetryTransport，消息队列遥测传输）是一种标准化的发布/订阅消息传输协议，设计于1999年，最初是为了在卫星之类的物体上使用。
它是一个非常轻量级的协议，由于对带宽需求很低，从而成为了M2M通信或物联网应用的理想选择，现在已经成为这类场景最常见的协议之一。
本文会对该协议及一些使用范例做以简介，虽然没打算写成

SIFT算法特点•SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。
•独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。
•多量性，即使少数的几个物体也可以产生大量SIFT特征向量。
•经过优化的SIFT算法可满足一定的速度需求。
•可扩展性，可以很方便的与其他形式的特征向量进行联合。

据我目前了解掌握，多目标跟踪大概有两种方式：基于初始化帧的跟踪，在视频第一帧中选择你的目标，之后交给跟踪算法去实现目标的跟踪。
这种方式基本上只能跟踪你第一帧选中的目标，如果后续帧中出现了新的物体目标，算法是跟踪不到的。
这种方式的优点是速度相对较快。
缺点很明显，不能跟踪新出现的目标。
基于目标检测的跟踪，在视频每帧中先检测出来所有感兴趣的目标物体，然后将其与前一帧中检测出来的目标进行关联来实现跟踪的效果。
这种方式的优点是可以在整个视频中跟踪随时出现的新目标，当然这种方式要求你前提得有一个好的“目标检测”算法。
本文主要讲述Option2的实现原理，也就是TrackingByDetecting的跟踪方

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。