自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(1427)
  • 资源 (42)
  • 收藏
  • 关注

转载 WiFi新伙伴802.11AY来了,你必知的3件事

转自:https://baijiahao.baidu.com/s?id=1615713457503805791&wfr=spider&for=pc本月早些时候,Wi-Fi联盟宣布下一代Wi-Fi标准将被称为“Wi-Fi 6”,它就是之前我们提到过的802.11ax。而事实上还有一位“新伙伴”也即将加入到802.11的大家庭,它就是802.11ay了。那么关于802.11ay的身世,你知道吗?802.11ay何许“人”也?与我们熟知的802.11n(工作在2.4GHz和5G

2022-03-17 10:06:59 1518

转载 图解NCHW与NHWC数据格式

图解NCHW与NHWC数据格式_田海立@CSDN-CSDN博客_nchw流行的深度学习框架中有不同的数据格式,典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式,最后以RGB图像为例来加深NHWC和NCHW数据存储格式的理解。一、基本概念深度学习框架中,数据一般是4D,用NCHW或NHWC表达,其中:N - BatchC - ChannelH - HeightW - Width二、逻辑表达假定N = 2,C = 16,H = 5,.

2022-02-21 14:58:02 1454

转载 pytorch计算FLOPs

转自:pytorch计算FLOPs - 简书1. 引言其实模型的参数量好算,但浮点运算数并不好确定,我们一般也就根据参数量直接估计计算量了。但是像卷积之类的运算,它的参数量比较小,但是运算量非常大,它是一种计算密集型的操作。反观全连接结构,它的参数量非常多,但运算量并没有显得那么大。 此外,机器学习还有很多结构没有参数但存在计算,例如最大池化和Dropout等。因此,PyTorch-OpCounter 这种能直接统计 FLOPs 的工具还是非常有吸引力的。 PyTorch-OpCounter G

2021-12-21 14:28:36 4506 1

转载 用Photoshop批量修改图片的分辨率和尺寸大小

转自:https://jingyan.baidu.com/article/ff411625b1b91a12e482370c.html假设你有很多很多张图片需要调整分辨率和尺寸大小,再假设要求每张图片的宽度为8cm,分辨率为300像素/英寸。以方便用于印刷制品的排版设计。我们需要借助Photoshop的“动作”脚本,将处理图片分辨率和尺寸大小的关键步骤进行录制,然后进行批量处理。工具/原料 Photoshop 需要图处理的图片 首先,记录动作 需要修改的图片放在同一个文件夹下

2021-12-12 19:12:48 12817

转载 Flask部署YOLOv5

转自:Flask部署YOLOv5 - 知乎YOLOv5的flask部署 - 迷途小书童的Note的个人空间 - OSCHINA - 中文开源技术交流社区Flask是一种用python实现轻量级的web服务,也称为微服务,其灵活性较强而且效率高,在深度学习方面,也常常用来部署B/S模型。下面以yolov5s模型为例,介绍基于Flask的封装和部署过程。封装YOLOv5编写yolov5.py,封装yolov5推理过程class YOLOv5(object): # 参数设置 _

2021-12-11 20:05:10 6596 1

转载 Python+uiautomator2手机UI自动化测试实战 --1. 环境搭建

转自:https://blog.csdn.net/ricky_yangrui/article/details/81414870一.简介uiautomator2是一个python库,用于Android的UI自动化测试,其底层基于Google uiautomator,Google提供的uiautomator库可以获取屏幕上任意一个APP的任意一个控件属性,并对其进行任意操作二.安装1. 安装uiautomator2pip install --upgrade --pre uiautomator

2021-12-02 14:38:10 935

转载 主流Webrtc流媒体服务器之Kurento Media Server

webrtc kurento 服务端:https://blog.csdn.net/RJ0024/article/details/116499473https://doc-kurento-zh.readthedocs.io/zh/latest/user/about.htmlhttps://github.com/Kurento/kurento-media-server一、 什么是Kurento Media ServerKurento Media Server(KMS)是一个多媒体服务器软件包,.

2021-11-30 17:25:11 1268

转载 Pytorch中计算自己模型的FLOPs | thop.profile() 方法 | yolov5s 网络模型参数量、计算量统计

转自:Pytorch中计算自己模型的FLOPs | thop.profile() 方法 | yolov5s 网络模型参数量、计算量统计_墨理学AI-CSDN博客Pytorch: 用thop计算pytorch模型的FLOPs - 简书安装thoppip install thop基础用法以查看resnet50的FLOPs为例from torchvision.models import resnet50from thop import profilemodel = r

2021-11-16 20:52:38 7216 1

转载 细粒度图像识别

转自:https://nicehuster.github.io/2019/06/12/fine-grain/一般而言,图像识别分为两种:传统图像识别和细粒度图像识别。前者指的是对一些大的类别比如汽车、动物、植物等大的类别进行分类,这是属于粗粒度的图像识别。而后者则是在某个类别下做进一步分类。比如在狗的类别下区分狗的品种是哈士奇、柯基、萨摩还是阿拉斯加等等,这是属于细粒度图像识别。数据集在细粒度图像识别领域,经典的基准数据集包括:鸟类数据集CUB200-2011,11788张图像,200个细粒

2021-10-29 15:26:57 7156

转载 BRISK特征点描述算法详解

转自:BRISK特征点描述算法详解_AstoncPou的博客-CSDN博客_brisk特征点BRISK特征点描述算法详解简介BRISK算法是2011年ICCV上《BRISK:Binary Robust Invariant Scalable Keypoints》文章中,提出来的一种特征提取算法,也是一种二进制的特征描述算子。它具有较好的旋转不变性、尺度不变性,较好的鲁棒性等。在图像配准应用中,速度比较:SIFT<SURF<BRISK<FREAK<ORB,在对有较大模糊的图

2021-10-29 09:42:55 1091

原创 unity BlendShap (BS)实现捏脸

转自:https://www.yidianzixun.com/article/0X1w0b6S?s=&appid=BS(BlendShap)unity BlendShap 实现捏脸https://blog.csdn.net/u014361280/article/details/103929611https://blog.csdn.net/f_957995490/article/details/107863732

2021-10-29 09:40:52 2555

转载 本地PC连接远程服务器上的Tensorboard

转自:本地PC连接远程服务器上的Tensorboard - 知乎tensorboard --logdir logs --bind_all在远程服务器上执行如下命令启动tensorboard的服务之后:tensorboard --logdir logs无法在本地PC上打开tensorboard的网页:http://server_ip:6006执行tensorboard --logdir logs命令有如下提示:liguanlin@opt48:/mnt/liguanlin/cod

2021-10-25 19:11:18 606

转载 三维实时重建BundleFusion

转自:计算机视觉方向简介 | 深度相机室内实时稠密三维重建 - 知乎室内场景的稠密三维重建目前是一个非常热的研究领域,其目的是使用消费级相机(本文特指深度相机)对室内场景进行扫描,自动生成一个精确完整的三维模型,这里所说的室内可以是一个区域,一个房间,甚至是一整栋房屋。此外,该领域注重(一般是GPU上)实时重建,也就是一边扫描就可以一边查看当前重建的结果。如下所示。主要的应用包括室内的增强现实游戏、机器人室内导航、AR家具展示等。什么原理?在介绍原理前,先简单了解一下历史发展。1

2021-09-24 09:55:22 6308 5

转载 一文弄懂 Gitflow、Github flow、Gitlab flow 的工作流

转自:一文弄懂 Gitflow、Github flow、Gitlab flow 的工作流 - 云+社区 - 腾讯云Git Flow 的正确使用姿势 - 简书Git 作为一个源码管理系统,不可避免涉及到多人协作。协作必须有一个规范的工作流程,让大家有效地合作,使得项目井井有条地发展下去。”工作流程”在英语里,叫做”workflow”或者”flow”,原意是水流,比喻项目像水流那样,顺畅、自然地向前流动,不会发生冲击、对撞、甚至漩涡。本文介绍三种广泛使用的工作流程:Git flow

2021-09-16 14:08:27 584

转载 涵盖 10 种舞蹈类型!谷歌开源基于 AIST++ 的 3D 舞蹈生成模型

转自:https://blog.csdn.net/csdnopensource/article/details/120309297?spm=1000.2115.3001.5927舞蹈作为一种表演艺术,需要由受过专业训练的舞者在音乐的伴奏下有节奏地完成一系列高难度动作,对舞者肢体的协调性和舞蹈动作的表现力要求极高,对机器学习模型来说则更具有挑战性,因为这项运动需要高度复杂的连续运动能力,同时还要捕捉动作和伴奏之间的非线性关系。9 月 13 日,软件工程师 Shan Yang 及科学家 Angjoo

2021-09-16 14:05:58 326

转载 Jenkins详细教程

转自:https://www.jianshu.com/p/5f671aca2b5a一、jenkins是什么? Jenkins是一个开源的、提供友好操作界面的持续集成(CI)工具,起源于Hudson(Hudson是商用的),主要用于持续、自动的构建/测试软件项目、监控外部任务的运行(这个比较抽象,暂且写上,不做解释)。Jenkins用Java语言编写,可在Tomcat等流行的servlet容器中运行,也可独立运行。通常与版本管理工具(SCM)、构建工具结合使用。常用的版本控制工具有SVN...

2021-09-09 17:13:05 153

转载 损失函数和正则化

参考:https://www.cnblogs.com/LXP-Never/p/10918704.htmlhttps://blog.csdn.net/Heitao5200/article/details/83030465https://zhuanlan.zhihu.com/p/35893078https://zhuanlan.zhihu.com/p/36794078作为损失函数L1范数损失函数  L1范数损失函数,也被称之为平均绝对值误差(MAE)。总的来说,它把目标值y(n)y(n.

2021-08-21 15:43:04 1647

转载 笔记︱几款多模态向量检索引擎:Faiss 、milvus、Proxima、vearch、Jina等

转自:https://zhuanlan.zhihu.com/p/364923722引用文章[7]的开篇,来表示什么是: 向量化搜索人工智能算法可以对物理世界的人/物/场景所产生各种非结构化数据(如语音、图片、视频,语言文字、行为等)进行抽象,变成多维的向量。这些向量如同数学空间中的坐标,标识着各个实体和实体关系。我们一般将非结构化数据变成向量的过程称为 Embedding,而非结构化检索则是对这些生成的向量进行检索,从而找到相应实体的过程。非结构化检索本质是向量检索技术,其主要的应用领

2021-08-18 15:38:25 6659

转载 解决camera1 onPreviewFrame()会阻塞UI线程

转自:https://blog.csdn.net/qq_31939617/article/details/86360335https://www.huaweicloud.com/zhishi/arc-13664997.html 注意,onPreviewFrame()方法跟Camera.open()是运行于同一个线程,所以为了防止onPreviewFrame()会阻塞UI线程,将Camera.open()放置在子线程中运行。 1,void setPreviewCallback (Camera...

2021-08-18 10:54:24 1045

转载 一文看尽深度学习中的15种损失函数

转自:https://zhuanlan.zhihu.com/p/377799012在机器学习中,损失函数是代价函数的一部分,而代价函数则是目标函数的一种类型[1]。Loss function,即损失函数:用于定义单个训练样本与真实值之间的误差;Cost function,即代价函数:用于定义单个批次/整个训练集样本与真实值之间的误差;Objective function,即目标函数:泛指任意可以被优化的函数。损失函数是用于衡量模型所作出的预测离真实值(Ground Truth)之间的偏离

2021-08-15 17:36:56 1462

转载 更逼真的抠图技术!Realistic Lighting on Different Backgrounds

更逼真的抠图技术https://augmentedperception.github.io/total_relighting/https://jishuin.proginn.com/p/763bfbd597f5实时分割算法(人像分割)https://github.com/lizhengwei1992/Semantic_Human_Matting昨天分享了一个给人脸抠图,重新打光的视频,让最终的效果更加逼真。具体链接:给背景替换加“亿”点真实感,保留真实感的光照效果 | siggra

2021-08-15 16:08:49 411

转载 查找论文对应开源代码的神器(Papers with Code)

转自:https://blog.csdn.net/lzw17750614592/article/details/86443142最近发现一个神奇的网站,这个网站在看论文找代码的时候提供很大的便利,分享给大家。Reddit用户rstoj做了一个网站,将ArXiv上的最新机器学习论文与GitHub上的代码(TensorFlow/PyTorch/MXNet /等)对应起来。你可以按标题关键词查询,也可以按流行程度、GitHub星星数排列“热门研究”。这个网站能让你跟上ML社区流行的最新动态。网站地址:

2021-08-09 10:44:52 820

转载 Linux系统制作Ubuntu18.04启动盘

转自:https://blog.csdn.net/xiaoma_2018/article/details/85059930首先进入 Ubuntu 官网下载 Ubuntu18.04 ios 镜像包,下载的镜像包为:ubuntu-18.04.1-desktop-amd64.iso下载链接:https://www.ubuntu.com/download/desktop插入U盘,在Linux系统中打开终端,查看 U 盘信息:# sudo fdisk -l然后卸载掉 U 盘:# su

2021-08-06 18:25:05 482

转载 图像超分辨率算法:CVPR2020

转自:https://www.cnblogs.com/wujianming-110117/p/13119017.html图像超分辨率算法:CVPR2020Unpaired Image Super-Resolution using Pseudo-Supervision论文地址:http://openaccess.thecvf.com/content_CVPR_2020/papers/Maeda_Unpaired_Image_Super-Resolution_Using_Pseudo-Super

2021-07-17 22:37:51 812

转载 ASRT语音识别项目

转自:https://www.zhihu.com/question/23473262/answer/812989806作者:zahet链接:https://www.zhihu.com/question/23473262/answer/812989806来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。开源的语音识别首先推荐的当然就是ASRT语音识别项目这是一个基于中文的语音识别开源项目,GitHub地址为:nl8590687/ASRT_SpeechRec.

2021-07-17 21:40:25 1648

转载 android设备外接多个usb摄像头

转自:https://youshaohua.com/post/android-device-external-multiple-USB-camera背景鲜有人用手机外接usb摄像头。修车师傅使用迷你型usb摄像头当作内窥镜修车。医生查看患者内脏时用的内窥镜。钥匙掉马桶里,用个带钩子防水的usb摄像头找(开玩笑),等等。Android Device External Multiple USB Web Cameras(English Version)前段时间因为痴迷于做一件事,特地研究android

2021-07-11 21:51:23 5071 2

转载 Android Profiler

转自:https://developer.android.com/studio/profile/android-profiler?hl=zh-cn

2021-07-05 20:44:28 91

转载 scrcpy——Android投屏神器(使用教程)

转自:https://blog.csdn.net/was172/article/details/99705855个人博客YouForever同步发布。scrcpy简介注意:拼写是scrcpy,非Python爬虫框架Scrapy。简单地来说,scrcpy就是通过adb调试的方式来将手机屏幕投到电脑上,并可以通过电脑控制您的Android设备。它可以通过USB连接,也可以通过Wifi连接(类似于隔空投屏),而且不需要任何root权限,不需要在手机里安装任何程序。scrcpy同时适用于GNU / L

2021-06-27 09:41:04 1254

转载 Git,GitHub与GitLab有什么区别

转自:https://zhuanlan.zhihu.com/p/124085062Git(读音为/gɪt/。)是一个开源的分布式版本控制系统,可以有效、高速地处理从很小到非常大的项目版本管理。Git 是 [Linus Torvalds](林纳斯·本纳第克特·托瓦兹_百度百科Torvalds/9336769) 为了帮助管理 Linux 内核开发而开发的一个开放源码的版本控制软件。Torvalds 开始着手开发 Git 是为了作为一种过渡方案来替代 BitKeGit官网Git产生背景:同生活中.

2021-06-27 09:37:58 230

转载 理解virt res shr之间的关系 - linux

转自:https://www.orchome.com/298想必在linux上写过程序的同学都有分析进程占用多少内存的经历,或者被问到这样的问题——你的程序在运行时占用了多少内存(物理内存)?通常我们可以通过top命令查看进程占用了多少内存。这里我们可以看到VIRT、RES和SHR三个重要的指标,他们分别代表什么意思呢?这是本文需要跟大家一起探讨的问题。当然如果更加深入一点,你可能会问进程所占用的那些物理内存都用在了哪些地方?这时候top命令可能不能给到你你所想要的答案了,不过我们可以分析proc文件系

2021-06-17 22:03:26 370

转载 10分钟看懂Docker和K8S

转自:https://zhuanlan.zhihu.com/p/532600982010年,几个搞IT的年轻人,在美国旧金山成立了一家名叫“dotCloud”的公司。这家公司主要提供基于PaaS的云计算技术服务。具体来说,是和LXC有关的容器技术。LXC,就是Linux容器虚拟技术(Linux container)后来,dotCloud公司将自己的容器技术进行了简化和标准化,并命名为——Docker。Do...

2021-06-16 13:51:48 141

转载 3D人体重建方法漫谈

转自:https://blog.csdn.net/Asimov_Liu/article/details/96442990

2021-06-06 16:47:38 1562

转载 在C++中使用openmp进行多线程编程

转自:https://blog.csdn.net/acaiwlj/article/details/49818965

2021-06-01 14:48:58 1863

转载 RNN/LSTM循环神经网络讲解

转自:https://zhuanlan.zhihu.com/p/123211148

2021-05-30 16:16:45 284

转载 FPN+PAN结构学习

转自:https://blog.csdn.net/qq_35054151/article/details/111461066

2021-05-30 10:43:47 2550

转载 数据增强:Mixup,Cutout,CutMix | Mosaic

转自:https://www.jianshu.com/p/639f9ecc1328

2021-05-30 10:00:15 998

转载 理解 Deformable Convolutional Networks

转自:https://zhuanlan.zhihu.com/p/52476083

2021-05-30 09:49:13 171

转载 小样本分割综述

转自:https://zhuanlan.zhihu.com/p/142899098声明一下,这篇文章是参考了其他的博客和论文写的,属于半原创1.介绍深度卷积神经网络在图像分类、目标检测、语义分割等许多视觉理解任务上都取得了重大突破。一个关键的原因是大规模数据集的可用性,比如ImageNet,这些数据集支持对深度模型的培训。然而,数据标记是昂贵的,特别是对于密集的预测任务,如语义分割和实例分割。此外,在对模型进行训练之后,很难将模型应用于新类的预测。与机器学习算法不同的是,人类只看到几个例子就能很

2021-05-25 23:01:03 1236

转载 《性能之巅》学习笔记之火焰图 其之一

转自:https://zhuanlan.zhihu.com/p/73385693https://blog.csdn.net/gatieme/article/details/78885908前言:在没有读《性能之巅》这本书之前,就听说过火焰图。当时学习同事用go写的项目代码,发现里边有个文件夹叫火焰图,觉得名字很好玩,就百度了一下,惊叹还有这种操作。不过当时并没有听过Brendan Gregg的大名,因为懒也没有深入学习。这次找到了Brendan Gregg的blog,也了解了一点动态追踪技术的知

2021-05-17 14:06:12 182

原创 推理前处理neon加速实现neon_mean_scale

转自:https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.1/deploy/android_demo/app/src/main/cpp/preprocess.cpp// fill tensor with mean and scale and trans layout: nhwc -> nchw, neon speed upvoid neon_mean_scale(const float *din, float *dout, int s

2021-05-16 15:02:05 559

学习opencv 包含源码

学习opencv 包含源码

2018-10-03

电视4:3和16:9

电视分辨率 电视4:3和16:9

2016-08-07

PPT时间轴大全

PPT时间轴大全

2016-03-17

MPEG相关规范

MPEG相关规范. zip

2016-01-03

H264/H265规范

H264/H265规范. zip

2016-01-03

mp4 解析查看工具

mp4 parse

2015-12-19

IDA Pro权威指南 part2

IDA Pro权威指南 part2

2014-07-27

IDA Pro 权威指南

IDA Pro 权威指南

2014-07-25

smali2.0.3 android反编译

转自:http://download.csdn.net/download/fflycn/7469529 java -jar baksmali-2.0.3.jar -x android.odex java -jar smali-2.0.3.jar out -o classes.dex /////////// android 合并apk和odex文件 前提:正确安装JDK和配置环境变量 需要这个apk所在的rom里面的一些jar文件, 都在/system/framework里面:core.jar, ext. jar, framework. jar, android.policy. jar, services. Jar。 当然,这五个是最基本的,有可能还不够,这种情况下面会讲到。 总共分四步: 1. 把下载好的smali-2.0.3.jar 和baksmali-2.0.3.jar ,还有rom里面抠出来的5个jar,放到工作目录,然后apk和odex也放到一起。 2. 分解odex文件为class文件。 将smali-2.0.3.jar 和baksmali-2.0.3.jar放在d:\odex文件夹下 命令:键入 d:回车 键入cd odex 回车 java -jar baksmali-2.0.3.jar -x a.odex \\a.odex喂odex文件的文件名在键入命令前务必正确安装JDK和配置环境变量 <a.odex>处是你要分解的odex文件的名字,命令完成之后,会生成一个out文件夹,里面就是所有的class文件。如果出现问题, 比如什么异常,缺少包什么的,就更到rom里面把出错信息里面要求的包拿出来,放到当前目录下。 3. 将class生成为classes.dex文件。 命令:java -Xmx512M -jar smali-2.0.3.jar out -o classes.dex 4. 把classes.dex放入apk里面。

2014-07-08

android http server

转载 咪当我系欧巴 代码,原始链接在http://download.csdn.net/detail/hellogv/4047134

2014-06-26

git权威指南

git权威指南

2014-05-25

Android内核剖析 柯元旦

Android内核剖析 柯元旦

2014-05-15

Android软件安全与逆向分析

第2章 如何分析Android程序 (反编译APK文件、分析APK文件、修改Smali文件代码、重新编译APK文件并签名) 第3章 进入Android Dalvik虚拟机 (Dalvik虚拟机与Java虚拟机的区别、DEX文件反汇编工具、编写smali文件、 编译smali文件) 第4章 Android可执行文件 (Android程序的生成步骤、如何生成odex文件、dex文件的验证与优化工具dexopt的工作过程) 第5章 静态分析Android程序 ( 反编译apk程序、定位关键代码——使用IDA Pro进行破解的实例、恶意软件分析工具包——Androguard、使用dex2jar生成jar文件、使用jd-gui查看jar文件的源码、集成分析环境——santoku) 第6章 基于Android的ARM汇编语言基础——逆向原生 第7章 Android NDK程序逆向分析 第8章 动态调试Android程序 第9章 Android软件的破解技术 第10章 Android程序的反破解技术 第11章 Android系统攻击与防范 第12章 DroidKongFu变种病毒实例分析

2014-04-22

LINUX内核设计与实现

主要介绍linux的内核和内核相关的基础知识,比较少涉及到linux设备驱动。 主要介绍linux的内核和内核相关的基础知识,比较少涉及到linux设备驱动。 主要介绍linux的内核和内核相关的基础知识,比较少涉及到linux设备驱动。

2014-04-21

精通Linux 设备驱动程序开发

介绍常见的各种驱动程序和内核调试技术。

2014-04-21

《深入理解Android(卷1)》

深入介绍android基础服务进程(init、zygote、binder、)和重要的服务(audiofinger、surface、vold)

2014-04-18

《Android系统级深入开发---移植与调试》2

介绍怎样移植android系统到不同嵌入式平台,以android模拟器内核goldfish,高通MSM平台,德州仪器OMAP平台来例子介绍如何移植android系统。

2014-04-18

Android系统级深入开发---移植与调试

介绍怎样移植android系统到不同嵌入式平台,以android模拟器内核goldfish,高通MSM平台,德州仪器OMAP平台来例子介绍如何移植android系统。

2014-04-18

数据恢复工具

数据恢复工具,验证可数据

2014-04-06

Node.js基础开发指南_中文正版

Node.js基础开发指南_中文正版

2014-02-18

apk 反编译

apk 反编译 AndroidManifest.xml 反编译

2014-01-09

UART_bluetooth

UART_bluetooth

2014-01-07

Linux蓝牙协议栈的USB设备驱动

Linux蓝牙协议栈的USB设备驱动

2014-01-07

MIUI ROM 定制教程

MIUI ROM 定制教程

2014-01-02

MMC MTD驱动程序介绍

Linux内核MTD驱动程序与SD卡驱动程序

2013-12-13

BusHound_v6.0破解版

USB 驱动抓包工具

2013-11-29

usb camera 驱动源码

usb camera 驱动源码

2013-11-25

android 反编译

android 反编译工具

2013-11-19

Linux内核源代码情景分析上

对USB驱动有详细讲解的章节: 第8章: 设备驱动 8.9 通用串行外部总线USB:

2013-11-13

gstreamer on android

gstreamer on android,fluendo 公司开发

2013-08-21

android wifi display 介绍

android wifi display 介绍

2013-07-29

openmax and gstreamer介绍

openmax and gstreamer介绍

2013-06-28

OpenMAX IL介绍

Bellagio OpenMAX IL 框架的研究及应用

2013-06-28

smc tool for FSM

smc tool for FSM

2013-06-16

http live streaming protocol

http live streaming protocol http live streaming protocol

2013-05-31

qtwebkit 程序与javascript交互

qt webkit web native communicate

2013-05-21

DVD forger

good video stream analysis tool good video stream analysis tool

2013-05-09

starUML presentation

StarUML training UML

2013-05-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除