Python OpenCV 相机标定、世界坐标转像素坐标（包括未矫正图像和矫正图像）、像素坐标（矫正图像）转世界坐标、求解单应性矩阵、坐标单应性变换相关代码。

使用 Python OpenCV 绘图相关 API 学习笔记，补充一些官网教程中没有的细节，画个篮球场作为实例训练。

02325《计算机系统结构》自考复习概念题：5~8 章选择、填空、简答

import pdb;pdb.set_trace()predictions, features = get_predictions(config, dataloader, model, return_features=True)clustering_stats = hungarian_evaluate(head, predictions, dataset.classes,compute_confu

本文仅根据模型的预测过程，即从输入图像到输出结果（图像预处理、模型推理、后处理），来展现不同任务下的网络结构，OBB 任务暂不包含。

NC-Net 是特征点检测与匹配的早期深度方法，许多论文有提及，直接看代码并结合论文记录一下方法。

学习资料：TensorRT 源码示例。

视频理解实际是做视频动作分类，类似图像分类，输入为视频（图像序列），输出为类别。数据集类别数视频数平均时长链接UCF-101101133207.21sPaperDownloadHMDB-515168492~5sPaperDownloadSports-1M48711331585m36sPaperDownload40030624510sPaperDownloadSmth-Smth1742208474s

异常行为相关公开数据集及其 Baseline 调研

1. 前言代码地址论文地址  图像对齐方法大致分为两类：（1）参数化方法（非像素级对齐）  通常做法是将一对图像输入网络，最后通过一个全连接层得到一个8维的特征向量，对应图像4个顶点的偏移量，从而得到一个单应性矩阵作为对齐变换，详情参考图像对齐深度学习算法调研。（2）非参数化方法（像素级对齐）  通常做法是将源图 IsI_sIs​ 和目标图 ItI_tIt​ 先提取特征得到 FsF_sFs​ 与F