时间：2020年8月25日，星期二（太平洋时区） 我们的体积捕获系统使用单个RGB网络摄像头实时捕获衣服完全覆盖的人体（包括背部）。 要求 Python 3.7 PyOpenGL 3.1.5（在Ubuntu中需要X服务器） 在1.4.0上测试 我们使用2个GeForce RTX 2080Ti GPU运行该演示，内存使用情况如下（GPU1约为3.4GB，GPU2约为9.7GB）： 注意：最后四个依赖项也由我们的团队开发，并且都处于活动维护状态。 如果您遇到有关这些工具的安装问题，建议您将问题提交到相应的存储库中。 （您无需在此处手动安装它们，因为它们包含在requirements.tx

Real Time 3D Terrain Engines Using C++ And DirectX 9源代码

本文是关于实时系统调度算法的选择。 在本文中，我们比较了不同的调度算法，通过这种比较，我们得到了另一种与现有算法相比性能更好的算法。 首先，我们比较 ACO 和 EDF，但两者都有一些优点和缺点。 ACO在系统负载不足、抢占式和单处理器时效果不佳，而ACO在过载情况下的结果很好，执行时间很多。 从 ACO 和 EDF 的比较中，开发了另一种算法，称为自适应算法，该算法在过载和欠载条件下均表现最佳。 然后我们比较了基于EDF和GA的调度算法。 EDF 用于负载条件下，当系统过载时，它会更改为基于 GA 的算法。 从这两种算法的比较中，我们得到另一种算法，也称为自适应算法。 两种算法的性能都是通过使用成功率、有效 CPU 利用率和执行时间来衡量的。

Olson 的论文Real-time correlative scan matching的翻译。

real-time correlative scan matching_2009.pdf

SiliconLab关于蓝牙室内定位的介绍，Understanding Advanced Bluetooth Angle Estimation Techniques For Real-Time Locationing

YOLOv3_TensorFlow 注意：由于我已切换到PyTorch一年，因此不再维护此回购协议（实际上我已经取消了很长一段时间的支持）。 寿命短，我使用PyTorch。 1.简介 这是我在纯TensorFlow中实现的 。 它包含有关您自己的数据集的完整培训和评估流程。 此仓库的主要功能是： 高效的tf.data管道 权重转换器（将COCO数据集上的预训练暗网权重转换为TensorFlow检查点。） 极快的GPU非最大抑制。 完整的培训和评估渠道。 Kmeans算法选择先验锚框。 2.要求 Python版本：2或3 包装方式： tensorflow> = 1.8.0（理论上任

RTP工具 RTP工具是一组小型应用程序，可用于处理RTP数据。 有关详细信息，请参见各个手册页。 rtpplay播放rtpdump记录的RTP会话 rtpsend通过手工或rtpdump生成的文本描述生成RTP数据包 rtpdump解析并打印RTP数据包，生成适用于rtpplay和rtpsend的输出文件 单播和组播网络之间的rtptrans RTP转换器 multidump启动多个同时rtpdumps。 多重同时启动多个rtpplays。 安装 RTP工具应可在任何POSIX兼容系统以及Windows上编译并运行。 某些操作系统还提供了预构建的RTP工具包。 在UNIX上，通常的./configure && make应该可以工作。 继续阅读以获取详细信息。 配置 运行./configure为您的系统配置构建。 这将产生三个文件： 包含#include和HAVE_行的config

加油学吧。(*￣3￣)╭

You Only Look Once 论文