Advertisement

该文件Fast-CDR.zip。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
FastCDR 是一款 C++ 库，它提供了两种序列化机制。其中一种是标准的 CDR 序列化机制，另一种则是一种更快速的实现，该实现对标准进行了改进。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • fast-reid-master.zip 文件
    优质
    fast-reid-master.zip文件是FastReID项目的源代码压缩包。该项目致力于提供高效的人 reinference（重识别）算法和模型，适用于大规模图像与视频分析任务。 由于作者代码更新较快，在这里保存一下2020年6月20日的版本。
     
  • renren-fast-vue-master（zip文件）
    优质
    renren-fast-vue-master 是一个基于 Vue.js 的前端项目模板，用于快速开发企业级应用。该模板集成了多种实用插件和框架，支持前后端分离架构，旨在提升开发效率。 renren-fast 是一个轻量级的 Spring Boot 快速开发平台，能快速开发项目并交付。它具备完善的 XSS 防范及脚本过滤功能，彻底杜绝 XSS 攻击，并实现前后端分离，通过 token 进行数据交互。
     
  • 关于fast-lio的bag文件
    优质
    本简介涉及FAST-LIO系统相关的ROS bag数据文件。这些文件记录了激光雷达和IMU传感器的数据，用于测试与评估FAST-LIO实时同步定位及建图性能。 这是一个用于Fast_lio定位与构图算法的数据包。
     
  • Photoshop-Export-Layers-to-Files-Fast: 使用该脚本可将图层快速导出为独立的JPG或PNG文件，...
    优质
    Photoshop-Export-Layers-to-Files-Fast是一个高效的脚本工具，能迅速将PS文档中的各个图层分别保存成单独的JPG或PNG格式图像文件，极大提高工作效率。 使用此脚本可以快速将Photoshop文档中的图层导出为单个文件，速度远超Adobe内置的选项。尽管目前它不支持所有格式，但可以根据需求轻松添加更多格式。欢迎贡献自己的力量来增强它的功能。如果您经常使用该脚本并希望其早日实现更多特性，请考虑提供一些资金支持。 此脚本最初是为了回应某个问题而创建的。请注意下载全部所需文件，并了解我们未与Adobe有任何关联；有关Adobe产品或脚本的问题请直接向他们咨询，我们将不承担任何风险和责任。使用该脚本时需自行负责数据丢失或PSD损坏的风险，请务必做好备份。 以下是主要特点： - 支持的导出格式：PNG（8位和24位），JPEG - 可处理分组图层中的嵌套图层 - 能够选择导出所有图层或者仅导出可见图层 - 显示当前进度，允许随时取消操作
     
  • Fast Report 4.13.1 破解版中文版
    优质
    《Fast Report 4.13.1》是一款功能强大的报表设计工具，提供全面的数据处理和可视化能力。此中文破解版本免去了昂贵的授权费用，让使用者能够轻松创建专业的报表和报告，适合需要高效数据管理的企业和个人使用。 完美支持中文，不会出现乱码问题，并且导出PDF格式也能够完整显示中文内容。该软件适用于BCB6.0, Delphi7, Delphi2007, Delphi2010, C++Builder2010以及XE、XE4等版本。
     
  • Fast-CDR_1.zip
    优质
    Fast-CDR_1.zip 是一个包含了用于快速构建和部署通信系统关键组件的代码及资源的压缩文件包。 FastCDR是一个C++库，提供了两种序列化机制。一种是标准的CDR序列化机制，另一种则是对标准进行了改进的更快的实现方式。
     
  • Fast-PPF-MASTER
    优质
    简介：Fast-PPF-MASTER是一种高效、精确的点云配准算法，利用局部几何特征进行快速匹配，适用于大规模场景重建和三维注册任务。 Fast-PPF（快速点对匹配）使用了以下技术：c++、Point Cloud Library (PCL 1.7)、Eigen library 3.0 和 cmake 2.8。
     
  • Fast Stone Capture
    优质
    FastStone Capture是一款功能强大且易于使用的屏幕截图和动画录制工具，支持多种格式输出及编辑功能。 长截图软件非常好用，它是汉化版的，并且是绿色、已破解版本。
     
  • 基于Fast-RCNN的模型架构：Fast-RCNN
    优质
    本研究探讨了Fast-RCNN模型架构，该架构结合区域建议网络与深度卷积神经网络，大幅提升了目标检测效率与精度，在计算机视觉领域具有重要应用价值。 基于Fast-RCNN的模型结构：Fast-RCNN是一种改进的目标检测方法，在原有的Region Proposal Network（RPN）基础上进行了优化，提高了目标检测的速度与准确性。该模型能够同时进行候选区域生成以及边界框回归、分类预测任务，有效解决了传统两阶段目标检测算法中存在的速度慢和精度低的问题。 重写时没有提及任何联系方式或网址信息，并且保持了原文的核心内容不变。