CVPR2010

视频监控里头，背景建模一直挺关键的。CVPR2010 年那会儿，出来个叫SILTP的算法，算是老前辈 LBP 的升级版。专门光照变化大、背景动态多的情况，挺适合实际监控场景用。 SILTP 的空间增强挺有意思，它不光看一个点的像素值，而是顺带把周围一圈也考虑上。这样一来，哪怕光线变了，算法也不容易被干扰，误检少了不少。 局部三元模式也是个亮点。LBP 是 0 和 1 的死板操作，SILTP 中间还多了个“不确定”状态，等于多给图像纹理留了点弹性，能力强多了，效果看得见。 还有自适应阈值，根据邻域自己调，这就让它在复杂场景下也能稳定运行，不像老算法容易崩。再加上背景更新策略，新来的静态物体也能慢

该MATLAB代码先保存并运行了LSTM姿态机，这是CVPR'18中的一项研究。回购包括该论文的源代码，作者包括罗岳、王周霞等。代码已在64位Linux（Ubuntu 14.04 LTS）上测试，并要求安装MATLAB（R2015a）和至少2.4.8版本的OpenCV。使用了CUDA8.0 + cuDNNv5在GTX TitanX上测试通过。

如果你正在做轻量级数据库开发，**SQLite**绝对是一个不错的选择。它小巧灵活，可以直接嵌入到应用程序中，省去了搭建和维护大型客户端-服务器数据库的麻烦。比如，开发桌面应用、嵌入式系统，或者小型的 Web 应用时，SQLite 都能稳定可靠的数据库支持，而且配置也挺。书中详细了如何使用 SQLite，帮你一步一步开发一个数据库驱动的应用程序，保证项目既高效又不复杂。 SQLite 的另一个优势是，数据库本身比较小，性能也相对较好，不会占用过多的系统资源。这对于需要嵌入式系统支持的小项目来说，有优势。虽然它不如 MySQL、Oracle 这些重量级的数据库那么强大，但对于大多数日常开发来说，

乔治·帕夫拉科斯（Georgios Pavlakos），周晓薇，科斯塔斯·达尼利迪斯（Kostas Daniilidis）提出了用于3D人体姿势估计的“序数深度监督”方法。这里提供了相应论文的代码链接，用于在CVPR 2018中实现的序数姿态3D深度监视。使用说明包括命令行调用ConvNet模型和MATLAB脚本（存储于matlab文件夹），用于可视化和评估。确保预先安装MATLAB和hdf5库，并按照指南下载模型和数据集。

PoseTrack-CVPR2017提供了用于联合多人姿势估计和跟踪的MATLAB源代码。作者包括乌马尔·伊克巴尔（Umar Iqbal）、安东·米兰（Anton Milan）和尤尔根·加尔（Jurgen Gall）。该代码已在带有MATLAB（2016a）的Ubuntu 16.04（64位）上进行了测试。安装需要C++11、CUDA >= 7.5、MATLAB、HDF5 1.8和CMake。详细的安装说明可以在项目的GitHub存储库中找到。

压缩感知图像MATLAB代码[IEEE计算机视觉和模式识别会议（CVPR），2016]（），第449-458页。项目页面：介绍：ReconNet是一种非迭代且极其快速的算法，可从压缩感测（CS）随机测量中重建图像。在中，我们展示了在各种测量速率下，相对于最新的迭代CS重建算法，重建结果（在PSNR和时间复杂度方面）均得到了显着改善。提供的代码有助于重现中介绍的某些结果。引文（BibTex）：如果您正在使用此代码，请引用以下论文。@InProceedings{Kulkarni_2016_CVPR，作者= {Kulkarni，Kuldeep和Lohit，Suhas和Turaga，Pavan和Ker

这个存储库包含FastAP度量学习算法在CVPR 2019年会上的Matlab实现，适用于ResNet-18和ResNet-50模型。数据集包括斯坦福在线产品和店内衣服，以及北大车辆数据集。我们提供经过训练的模型和实验记录，以支持结果的复现。

这是我们在CVPR18中提出的MKCFup方法的实现，用C++中的DSST代替了fDSST以提升速度。我们在一台装有Intel Core i7-7700 3.60GHz CPU和8GB RAM的PC上运行了该实现。在OTB2013数据集的Release-x64模式下，平均帧率达到175，结果保存在./res路径下。使用OpenMP支持确保在项目中添加了必要的文件，并在发布模式下运行您的项目。

提供2010年全国乡镇界线数据，采用shp矢量格式，包含乡镇名称和所属省份信息，可直接使用。

将潮汐分析和预报程序与Matlab 7.6.0及更高版本的文件浏览器相结合。