阿尔卡特朗讯企业发行的WebRTC编解码器和质量工具（2014年12月） 描述 WebRTC实用工具，用于： 选择音频和视频编解码器 进行P2P音频和视频通话 检查感知质量与丢包率，帧率 安装与使用 下载所有文件并将其复制到您的目录中 打开命令工具并启动npm install（应安装node.js） 启动节点server.js 配置manifest.json文件以配置和调整演示 去做 去完成 历史 版本1.0.4 功能：限制音频和视频带宽 特点：选择FEC和/或Stereo作为作品 版本1.0.3 FIX：显示的媒体（仅音频） 特点：增加了强制加到G722的可能性 返工：媒体选择器 版本1.0.1和1.0.2 FIX：Firefox故障 特点：添加清单文件，以方便配置和调整 功能：显示统计信息帮助程序以了解“通话”质量和“即时”质量之间的区别 版本1.0.0 功能：选择音频

这里面有ffmpeg录制的琵琶行歌曲，一共三首，两种采样率，供读者读博客时，好体验

傅里叶幅度频谱平滑功能 smoothSpectra 为傅立叶幅度谱 (FAS) 提供各种不同的窗口平滑选项，包括 boxcar、triangle、Parzen、Hann、Hanning、Hamming、Gaussian。 默认窗口函数是 Konno-Ohmachi（参见 Konno 和 Ohmachi（1998），第 234 页），它在对数空间中对称。 平滑是通过将窗函数与 FAS 卷积来执行的。 demo.m 文件中提供了三个示例。 用法： [smoothFAS] = smoothSpectra(Y,varargin) 静态输入： Y = 傅立叶振幅向量（1xn 或 nx1） 有效的 PROP_NAME / PROP_VAL 对： ----------------------------------------- 'w' --> (1x1)-[数字]-[默认值：40] 'b'

DQ 变换可以看到很多不同的形式， 这主要是变换常数的选择和 D。 Q 坐标轴的位置选择不同造成的，其本质是相同的

对不同时期建设的监控平台，通过web访问的方式进行了整合。使用了c#,webbrowser，指定了webbrowser的版本，在win10X64，win7 32的环境中测试通过。结构相当简单，就是一个有单点登录功能的容器而已，在首页的列表中点击监控点后会链接到相应的平台并自动登录。因为缺乏接口，花费时间最多是在模拟登录的环节。因为是web模拟登录，代码中添加了相当多try，catch，if，因为海康的登录页面好像使用了ajax，无法准确判断页面内容完全加载完毕，只好通过一个定时器不停尝试输入账号密码完成单点登录，登录成功后关闭定时器。程序必须以X86的方式编译，不然用不了32位的海康activex控件。还要使用管理员权限运行程序，不然明明安装了控件也会重复提示需要安装控件。这东西对于集成商是没什么用滴，因为可以直接拿sdk。只适合组织内部自行创建和使用，因为海康nvr的sdk是公开的，但是海康平台的sdk 是要申请的。公开的sdk无法访问海康平台管理的录像。总结就是一个相当山寨的统一查询平台。

Unified_Code_Count 统一代码计数是一种软件度量工具，可以分析20多种不同的编程语言，以查找逻辑的和物理的代码源行，对给定语言的关键字和各种运算符，数学函数名称等以及循环复杂度进行计数，然后生成各种报告。 此版本包括显着的性能增强和多个线程的功能。 您将看到的大概速度要快2到3倍。 这是南加州大学发布的UCC 2013_04的更改。 原始2013_04源文件可在以下找到： ://csse.usc.edu/ucc在跨平台C ++中编写 此变体包括原始2013_04版本的内容，其中包含一些经过修改和添加的源文件，以及一些简要描述更改的文档。 （下面是zip文件中Read_Me.txt的内容） Read_Me.txt，用于具有线程和其他改进功能的2013_04统一代码计数2015年6月6日 在这里找到文件 计数规则文档-每个语言​​解析器组1个文档23个文件，用于使用3

近些年，利用计算机对极化SAR图像进行分类逐渐成为遥感领域的一个研究热点.本文采用全极化SAR数据，利用不同的特征提取算法提取特征，并基于随机森林模型最终实现对江苏沿海滩涂的分类.首先采用H/α和Freeman两种分解算法提取极化特征参数，采用灰度共生矩阵提取纹理特征参数；然后将提取的所有特征进行不同的组合，构成不同的特征集；最后采用随机森林模型对不同特征集合进行分类和精度评估.结果表明仅用纹理特征对沿海滩涂进行分类时效果较差；利用极化分解提取出的散射特征进行分类的结果要优于矩阵元素特征的分类结果；综合了极化散射特征和纹理特征的组合方式在沿海滩涂的分类中可以取得最优的分类结果，总体精度和Kappa系数可以达到94.44%和0.9305，表明极化SAR图像中蕴含的不同方面的特征在分类中具有一定的互补性.

瑜伽姿势估计应用程序 表中的内容 概述：- 这是一个瑜伽姿势估计应用程序，它可以通过使用posenet和KNN分类器实时检测瑜伽姿势。 这里使用的数据集是自定义数据集，由 3 个视频组成，用于表示 3 种不同的姿势。 它部署在heroku中。 需要注意的一件事，即这将适用于所有移动和边缘设备。 动机：- 这个项目是我在 ShapeAI 实习的一部分，担任机器学习工程师实习生。 该项目可以扩展为完美的瑜伽教练，以使用 AI 跟踪姿势并保持健康。 技术方面：- 该项目主要分为前端，后端两部分。 让我们详细讨论它们中的每一个。 前端部分：-主要是从前摄像头采集姿态图像，用于姿态识别。 该图像被传递给在 ml5.js 中预训练的posenet模型并获取计数部分位置x和y并将它们保存以以json的形式获取数据。 我们将从图像中检测到 17 个姿势，其中有 2 个与之相关的值，总共 34 个

人脸检测小程序，matlab，基于二值化，肤色，其中有摄像头调用程序

包含整套后台管理框架常用插件，表单，日历，折线图，分页，相册等，几乎涵盖所有前端用到的UI组件。常备身边，前端开发无忧。