CRC32校验程序源代码( C++)

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228

利用常微分方程的龙格库塔法解算弹道，并进行弹道优化，得到最优参数

包含：1：应用阻尼最小二乘法，适应法进行自动像差优化设计；2：各种典型光学系统外形尺寸计算与初始结构计算方法；3：光学设计程序

经典算法SIFT实现即代码解释，有sift算法的实现过程及每一步的解释。可用于初学者理解SIFT算法的思想

vs2010+opencv 图像处理，边缘检测，可设置阈值，有界面打开图像，灰度，滤波，二值化、边缘检测

对目前几种在图像分割领域得到较多应用的交互式分割 区域生长分割以及阈值分割算法进行了探讨9并且结合实际CT 片图例分别进行分割实验研究9得到较为满意和可用性强的结果. 实验表明2阈值分割对于CT 切片的效果最好; 区域生长分割适宜于对面积不大的区域进行分割9分割效果较好; 基于动态规划的交互式分割算法比较复杂9计算时间较长9但对于边缘较平滑的区域9同样具有较好的实际效果. 几种算法的评估为其在CT图像分割上的实际应用提供了科学依据.

做cs231n时候的作业上使用到的机器学习分类数据集。国内下载速度巨慢，而且还需要使用linux系统才能运行那个脚本，因此直接贴在CSDN上。The CIFAR-10 and CIFAR-100 are labeled subsets of the 80 million tiny images dataset. They were collected by Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton.The CIFAR-10 datasetThe CIFAR-10 dataset consists of 60000 32x32 co

均匀面阵方向图matlab程序，用于阵列天线方向图综合，相关参数可以更改

FXLMS算法的matlab仿真

在emd基础上改进过的vmd去噪方法，可直接使用。有注释