⠀ 后处理视频还是要在上传之前减小视频大小? 看看我们的。 像该项目一样,从中获利,还是只是想回头? 请考虑或! 需要支持,咨询或有任何其他与业务有关的问题? 随时。 CameraView CameraView是一个文档齐全的高级库,可轻松捕获照片和视频,解决大多数常见问题和需求,并在需要时仍具有灵活性。 api ' com.otaliastudios:cameraview:2.7.0 ' 快速可靠 手势支持 实时过滤器 由Camera1或Camera2驱动的引擎 框架处理支持 水印和动画叠加层 OpenGL驱动的预览 使用takePicture和takeVideo拍摄高质量的内容 使用takePictureSnapshot和takeVideoSnapshot拍摄超快速快照 智能调整大小:创建任意大小的CameraView 控制HDR,闪光灯,变焦,白平衡,曝光度,位置,网格图等 RAW图片支持 轻巧的 降至API级别15 经过测试 ⠀ ⠀ 支持 如果您喜欢该项目,从中获利,或者只是想感谢您,请考虑通过GitHub Sponsors计划为提供赞助!
2022-07-28 14:55:43 6.03MB android opengl camera picture
1
QPSK发射机接受随机二进制串行数据。 将流转换为 2 位并行(偶数和奇数) 根据调制需要将传入的单极转换为双极。 生成 QPSK 调制数据。
2022-07-21 19:41:01 10KB matlab
1
import rospy import actionlib from control_msgs.msg import FollowJointTrajectoryAction, FollowJointTrajectoryGoal from trajectory_msgs.msg import JointTrajectory, JointTrajectoryPoint class TrajectoryDemo(): def __init__(self): rospy.init_node('trajectory_demo') # 是否需要回到初始化的位置 reset = rospy.get_param('~reset', False) # 机械臂中joint的命名 arm_joints = ['joint1', 'joint2', 'joint3',
2022-07-14 11:01:50 3KB ros
1
HDLabBBS 是一套基于 ASP.NET Web 技术设计开发的论坛系 统,它是一个经过完善设计,适用于WindowsNT+.Net环境的高效.-HDLabBBS NET是一套基于Web技术的设计和开发的论坛,经过完美的设计后,适用于Windows NT的高效网络环境。
2022-07-09 09:08:58 1.54MB HDLabBBS ASP.NETWeb WindowsNT+
linux 下CAN总线驱动源码,该程序已验经过,成功运在2510上.-linux CAN bus driver source code, the post-mortem after the procedure has been successfully transported in 2510 on.
2022-07-09 09:08:49 3KB linux CAN总线驱动源码
记一次调试YOLOv5+DeepSort车辆跟踪项目的经过.doc
2022-07-08 18:07:56 18.23MB 技术资料
库卡不经过程序号选择的外部自动.pdf,这是一份不错的文件
2022-06-19 09:05:11 32KB 文档
在二值化之后,例如通过边缘检测器,霍夫变换可用于检测图像中的圆形形状。 通常,执行此操作的函数需要指定圆的半径。 函数 circle_hough 允许指定半径范围,因此不需要提前确切知道半径。 它可能比针对不同半径重复调用标准函数要快。 可以通过在 3D 累加器阵列中找到峰值来检测多个圆。 为此提供了一个函数 circle_houghpeaks。 这两个函数的演示包含在脚本 circle_houghdemo 中。 该 zip 文件包括在整数网格上高效且准确地实现圆逼近,无间隙。
2022-06-15 10:47:29 89KB matlab
1
AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法:决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试,并获得了更高的分数。 最小的训练误差为%1.8,在7次迭代中进行了梯度增强。 函数调用为adaboost(X_train,Y_train,inversions_t,Classifier_type),有两种类型的分类器,“ Gradient_Boost”和“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组(stump,stump_weights,errors,D_weights) 您可以使用predict(stumps,stump_weights,X_test)对训练集进行预测。 这将返回该X_test的标签数组
2022-06-09 17:13:26 2KB Python
1
违章处理残炮追查报告(事件经过、原因分析、事件责任划分及处理决定、防范措施).docx
2022-06-07 13:06:03 16KB 文档资料