为了提高利用深度神经网络预测单图像深度信息的精确度，提出了一种采用自监督卷积神经网络进行单图像深度估计的方法。首先，该方法通过在编解码结构中引入残差结构、密集连接结构和跳跃连接等方式改进了单图像深度估计卷积神经网络，改善了网络的学习效率和性能，加快了网络的收敛速度;其次，通过结合灰度相似性、视差平滑和左右视差匹配等损失度量设计了一种更有效的损失函数，有效地降低了图像光照因素影响，遏制了图像深度的不连续性，并能保证左右视差的一致性，从而提高深度估计的鲁棒性;最后，采用立体图像作为训练数据，无需标深度监督信息，实现了端到端的单幅图像深度估计。在 Tensorflow框架下，用KIT和 Cityscapes数据集进行实验结果表明，与目前的主流方法相比，该方法在预测深度的精确度方面有较大提升，拥有更好的深度预测性能。

网络词典源码，可自定义单词库。

对wpf不怎么熟悉，打包工具打包出来的又很丑，网上几乎找不到这类资源就自己研究了下写了一个，整理了个Demo放上来供大家参考，自定义安装和卸载，安全软件和控制面板程序都能识别和调用自定义的卸载。代码简单有注释易懂，可自行扩展。

参加2014年飞思卡尔杯自己编写的ccd自适应曝光程序。

该程序为对一路单频信号干扰的滤除，需要滤除多路的话再加入参考信号就行

永磁同步电机无感FOC模型参考自适应（MRAS）转速估计算法simulink仿真模型，模型参考自适应（MRAS）原理、分析及模型搭建说明： 永磁同步电机无感FOC模型参考自适应（MRAS）转速估计算法：https://blog.csdn.net/qq_28149763/article/details/137650453?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22137650453%22%2C%22source%22%3A%22qq_28149763%22%7D

HarmonyOS自定义日历代码

基于Matlab的答题卡识别阅卷系统 1.可以识别答题卡的各个部分，如学号，准考证号，客观题答案，主观题分数等 2.用户可以在Excel中自行设置标准答案，并对客观题进行批改，并显示分数和按题号顺序显示客观题填涂答案。 3.并加上客观题分数，计算出总分。显示到交互界面中。学号，准考证号写可以显示，如果答题卡未填涂学号和准考证号，将提示警告信息。 4.可以将学号，准考证号，客观题分数，主观题分数，自主选择批改科目类型，总分写入Excel中。 5.利用APP designer编辑的可交互界面，代码几乎每一行都有注释，简单易懂，可以运行。

LR(0)自底向上语法分析 详细介绍自底向上语法分析的处理过程以及相应的问题解决方法

NARX非线性自回归外生模型电池时间序列预测模型（Matlab完整源码和数据） 多输入，单输入都有，单步、多步都有。 NARX非线性自回归外生模型电池时间序列预测模型（Matlab完整源码和数据） 多输入，单输入都有，单步、多步都有。