实现兴趣点检测；实现类SIFT局部特征描述；实现简单匹配算法 包含完整代码与作业说明文档 使用python语言

用于极化sar的特征分解，其中包括常见cloude、freeman等分解

此函数计算特征的 Fisher 分数或判别系数。 它可以用于两类特征选择场景。

肌电rmsmatlab 心电图信号特征提取 该代码使用MATLAB编写脚本，可以从信号中提取20多个特征。 ％（1）平均绝对值/绝对值的积分（IAV） ％（2）RMS值 ％（3）差异 ％（4）标准偏差 ％（5）尿毒症 ％（6）偏斜 ％（7）威廉·安培利特 ％（8）转数 ％（9）零交叉 ％（10）波形长度 ％（11）平均值 ％（12）中间频率 ％（13）产生噪声比的信号 ％（14）绝对偏差 ％（15）绝对偏差中位数 ％（16）简单平方积分 ％（17）平均幅度变化 ％（18）绝对标准偏差值 ％（19）订单 ％（20）最高百分比 ％（21）时间瞬间3 ％（22）时间瞬间5 ％（23）自动回归系数 通过编辑文件名，工作表和范围一可以直接将值保存在excel文件中！

研究@ Magic Leap（CVPR 2020，口腔） SuperGlue推理和评估演示脚本 介绍 SuperGlue是在Magic Leap完成的2020 CVPR研究项目。 SuperGlue网络是一个图形神经网络，结合了最佳匹配层，该层经过训练可以对两组稀疏图像特征进行匹配。 此存储库包含PyTorch代码和预训练权重，用于在关键点和描述符之上运行SuperGlue匹配网络。 给定一对图像，您可以使用此存储库在整个图像对中提取匹配特征。 SuperGlue充当“中端”，在单个端到端体系结构中执行上下文聚合，匹配和过滤。 有关更多详细信息，请参见： 全文：PDF： 。 作者： Pa

jakteristics：从python计算点云几何特征

sensor_feature_extraction sensor_feature_extraction 从可穿戴惯性传感器数据中计算 100 多个特征。 这些特征是统计的、基于信号处理的和生物力学的。 步态周期事件检测还计算几个与步数/步幅相关的指标。

基于多特征的动态关键帧提取，张萌，张洪刚，关键帧提取是视频检索中一个基本的环节。进行关键帧提取的主要目的是从一个视频序列中提取出一部分能够图像帧序列，来降低对视频

ML5特征提取器 该示例应用程序是使用库创建的。 ml5.js是在Web浏览器中的Web机器学习。 它基于众所周知的唯一构建。 安装 git@github.com:yong-asial/ml5-feature-extractor.git cd ml5-feature-extractor npm install 预习 cd ml5-feature-extractor npm run dev 程序如何运作 程序（DOM）已完全加载。 它将加载核心模型（MobileNet）。 现在，程序可以加载现有的自定义模型或训练新的分类了。 加载自定义模型 点击load按钮。 然后它将加载位于model目录中的自定义模型。 这是一种自定义模型，用于检测您是否戴着口罩。 单击Start Detecting! 按钮-您可以尝试戴或不戴口罩使自己面对相机，并观察Result标签。 训练新分类 在输入框Cl

FFP（特征频率曲线）是用于系统发育分析和文本比较的无对齐比较工具。 它可以应用于核苷酸序列，完整的基因组，蛋白质组，甚至可以用于文本比较。