使用Momenergy Functors进行激光成像检测和测距

该程序模拟了包含四个散射点的转台目标成像过程，采用解线频调制方法。随着技术的进步，这种仿真方法在雷达成像领域具有重要的应用前景。

贡献者梅丽莎·陈（Melissa Chen）、高乐中（Lezhong Gao）、凯文·夸奇（Kevin Quach）、韦拜·斯里瓦斯塔瓦（Vaibhav Srivastava）使用区域增长聚类算法对3D点进行聚类，以过滤出具有宽度和深度的聚类。在360度全景图上，利用深度神经网络的预测框对聚类点进行投影，并选择最可能的框进行跟踪。

我提出了一组速率方程，用于模拟量子点激光器的性能。在这个新模型中，我考虑了均匀和非均匀展宽对性能的影响。

此仓库提供基于 ALS 的倒伏树检测算法的源代码。通过 mainfindFallenTrees.m 中的 findFallenTrees() 函数使用该算法。请查阅函数文档，以了解有关函数输入、输出和用法的更详细描述。注意：在运行函数之前，必须先调用脚本 startup.m，因为它将所有必需的文件路径添加到 MATLAB 路径中。算法流程：1. 读入和预处理数据2. 基于关联组件分析的分类过滤点云（可选）3. 使用基于迭代 Hough 变换的线检测检测倒伏树4. 使用卷积神经网络去除虚假倒伏树段（可选）步骤 2 和 4 可以使用用户自定义的分类器，这些分类器是使用 connected_component_training（步骤 2）和 final_classifier_training（步骤 4）文件夹中找到的函数进行训练的。

Android应用程序使用深度学习进行目标检测是一个关于利用OpenCV和神经网络开发应用程序的项目，特别是TinyYOLOv3目标检测。该项目已经启动，提供了一个基本版本的应用程序。应用程序通过智能手机摄像头进行目标检测，用户只需按下一个按钮即可。要编译项目，用户需要在手机内部存储中创建一个名为\"dnns\"的文件夹，并下载必要的\"yolov3-tiny.cfg\"和\"yolov3-tiny.weights\"文件到该文件夹中。整个Android Studio项目可以在mainactivity.java中找到函数的实现。

利用simhash算法分析Excel中不同行的文本，并生成相似度矩阵。

这是一个边缘检测的GUI界面，建议使用MATLAB 7.6以上版本打开，以免出现兼容性问题。

机器视觉在各个领域广泛应用，处理受环境噪声等影响的图像至关重要。介绍的Matlab代码能有效进行Canny边缘检测，是图形处理中的关键工具。

利用Spark和Shark技术，可以有效地转换大数据，这些技术在intel内部的讲义中详细介绍。