firefox2100 / firefox2100.github.io Goto Github PK
View Code? Open in Web Editor NEWPersonal blog
Personal blog
https://firefox2100.github.io/proxmark3/2020/10/12/Proxmark3/
最近看见各个讨论群内各种和Proxmark3有关的问题比较多,所以专门写一篇有关问题的整理以备日后参考。
https://firefox2100.github.io/p.e.m.p.w.s2020/03/05/RANSAC/
在进行其他方面的学习之前,我准备先仔细了解一下RANSAC算法,虽然这一算法在整个项目里一般只占很小的一个比重,而且很多开源的库里(比如OpenCV)都带有这一算法,或整合了这一算法,但是它的**和方法可以被用在很多地方。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/13/SIFT(2)/
上一篇文章中,我们讨论了卷积和初始化GSS(高斯尺度空间)的操作和含义,在这片文章中,我们将继续学习SIFT特征的知识。 Credit: 本次学习中所引用的研究来自: 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文
https://firefox2100.github.io/encryption/im/2020/03/17/pidgin/
在这篇文章里,我将介绍一种很传统的即时通信方式,它能够允许我们不借助QQ,WeChat这样的由一家公司运营并管理的聊天工具,实现功能全面的即时通信,同时有很强的加密保护。
https://firefox2100.github.io/songs/2020/05/21/Heavens_Divide/
Heavens Divide 是”Metal Gear Solid Peace Walker“的主题曲,在原作中由Donna Burke演唱。这是我很早以前翻译的版本,略有改动之后发布。
https://firefox2100.github.io/nethunter/2021/02/03/NetHunter_1/
接近半年前我因为手机坏了,所以彻底重置成了未解锁的氧OS。经历了一段时间没有安装NetHunter之后,感觉还是有一些不太方便,于是决定重新安装回来,写一篇文章以备日后查看。 重要提示:因为本文中用到的东西(内核,ROM等等)会不断更新,这篇文章仅在写成时有效,在某一部分用到的东西更新之后可能会导致其他的错误。请确认最新的版本和本文的修改/发布时间,如果遇到问题欢迎讨论。我不对阅读和跟随本教程所造成的任何损失负责。
https://firefox2100.github.io/proxmark3/2022/03/17/Amiibo_1/
这篇文章每段都附有英文翻译,一般情况下这个博客我只会用中文写,但是这个问题无论在中文还是英文论坛上的记录都不足,所以我决定同时用英文记录以供参考。我在之前的一篇文章中就记录了模拟Amiibo的方法,但是在最近的测试中发现了之前方法存在的不足,和新的方法,在此作以整理。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/14/SIFT(3)/
上一篇文章中,我们讨论了构建高斯差分尺度空间的基本操作,在这片文章中,我们将继续学习SIFT特征的知识。 Credit: 本次学习中所引用的研究来自: 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文
https://firefox2100.github.io/p.e.m.p.w.s2020/02/17/CBWH(1)/
在之前的文章里,我们学习了SIFT描述法和利用SIFT进行特征点匹配的方法,在之后的这一系列文章里,我将开始学习CBWH方法,这一方法相较于SIFT,国内的资料较少,我会尽量从多个来源收集合适的研究,来更清楚的认识这一算法。 Credit: 本文中所引用的研究来自: J. Ning, Robust mean-shift tracking with corrected background-weighted histogram, DOI: 10.1049/iet-cvi.2009.0075 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文 Kernel-Based Object Tracking, DOI: 10.1109/TPAMI.2003.1195991 成伟,柴毅 《均值漂移算法在视频目标跟踪中的应用》,硕士学位论文
https://firefox2100.github.io/archery/2020/11/30/Compound_Bow_1/
练习复合弓射箭已经有一段时间了,现在写一篇东西总结一下之前射箭过程中遇到的问题,积累的经验,以备之后参考。 在这篇文章中我将总结复合弓基本的结构,原理和配件方面的知识。
https://firefox2100.github.io/sample/2019/05/25/sample3/
This is excerpt.
https://firefox2100.github.io/kernel/2020/03/09/Linux_3DS/
Credit 项目原作者:Sergi Granell: xerpi 所有这里使用的源码,以及固件,均来自他创建并维护的GitHub仓库。 交叉编译工具链以及库来自GBATEMP和toolchains.bootlin.com。同时感谢一位大佬提供的服务器,很大的加速了我对内核的测试和编译!
https://firefox2100.github.io/raspberry%20pi/2020/07/09/Pwnagotchi/
这周一偶然发现Pwnagotchi更新了,于是在更新我的镜像和配置的同时,我也尝试为我的设备加入了更多的功能,断断续续的折腾了几天,终于完成了,在这里记录一下过程,因为**国内这方面资料极少,所以起一个备忘的作用。同时因为我成功在这个项目上同时使用了UPS Lite,DS1302 RTC模块和Waveshare 2.13 inch e-paper显示屏,根据我在论坛上搜索的结果,有很少的人尝试过这种配置,但是没有人发出完整的配置教程和配置方法,所以作以记录,供有类似需要的人参考。
https://firefox2100.github.io/communication/2020/06/18/Data_Check/
在最近开始研究RFID之后,数据校验成为了必须仔细研究的一个题目。所以借此机会整理一下不同的数据校验方法,以备后来参考。
https://firefox2100.github.io/notes/Huorong-Intro.html
最近在知乎上看到一个问题,问的是,火绒的用户体验到底怎么样,该不该卸?刚好有时间,就这个问题发表一点我自己的看法,若有错误,还望指正。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/22/SVM/
在之前的文章里,我们已经进行了SIFT,CBWH和卡尔曼滤波的基础知识的学习。在这篇文章中,我们将进行SVM的简单梳理,因为SVM的有关内容应用非常广泛,且在我们要实现的算法中并不是主要部分,所以不深入探究。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/19/CBWH(3)/
在之前的文章里,我们学习了均值漂移的基本方法,在这篇文章里,我们从BWH方法入手,继续学习CBWH方法。 Credit: 本文中所引用的研究来自: J. Ning, Robust mean-shift tracking with corrected background-weighted histogram, DOI: 10.1049/iet-cvi.2009.0075 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文 Kernel-Based Object Tracking, DOI: 10.1109/TPAMI.2003.1195991 成伟,柴毅 《均值漂移算法在视频目标跟踪中的应用》,硕士学位论文
https://firefox2100.github.io/sdr/2020/08/23/LimeSDR_1/
刚刚拿到LimeSDR,在自己从零开始慢慢研究的同时,我也决定把我学习的过程和内容记录下来,以备之后参考。
https://firefox2100.github.io/p.e.m.p.w.s2020/03/02/SURF(2)/
在这篇文章中我们将继续讨论SURF方法和SIFT方法之间的差异,和它们对比起来的优缺点。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/11/P.E.M.P.W.S.-Intro/
P.E.M.P.W.S. 项目简介
https://firefox2100.github.io/p.e.m.p.w.s2020/02/12/SIFT(1)/
因为最近刚好有时间,把之前的项目整理了一下,整合成了P.E.M.P.W.S.项目。考虑到项目的实用性,准备给上面加上目标追踪的功能。在经过一番寻找之后,发现这一方面公开的研究比我想象中的要少许多,所以只能自己从头来。我找到了一篇论文,并且准备尝试复现论文中描述的算法,作为一个入门。这一系列博客,也方便我整理这一段时间的所学。博客将不定时更新,跟进我的学习进度。因为是第一次做图像追踪和机器视觉方面的内容,若有错误,还望指正。 Credit: 本次学习中所引用的研究来自: 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文
https://firefox2100.github.io/p.e.m.p.w.s2020/02/18/CBWH(2)/
在之前的文章里,我们学习了CBWH方法的一些基础知识,在这篇文章里,我们将继续学习CBWH方法。 Credit: 本文中所引用的研究来自: J. Ning, Robust mean-shift tracking with corrected background-weighted histogram, DOI: 10.1049/iet-cvi.2009.0075 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文 Kernel-Based Object Tracking, DOI: 10.1109/TPAMI.2003.1195991 成伟,柴毅 《均值漂移算法在视频目标跟踪中的应用》,硕士学位论文
https://firefox2100.github.io/notes/2020/02/09/At-the-beginning/
今天上午,在半个小时的研究和折腾(中间还重来了两次)之后,我终于成功的在GitHub上建立了自己的第一个博客。这篇博文,也是我第一篇博文,不说别的,就简单的谈一下这个博客的目的,维护,还有之后的一些打算吧。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/28/SURF(1)/
在之前,我们了解过了SIFT算法。另一个与SIFT几乎同样常用的方法是SURF方法。在这篇文章中,我们将简要了解SURF方法,并且通过分析它和SIFT方法的优缺点,来决定我们之后在什么解决方案中使用哪种方法。
https://firefox2100.github.io/p.e.m.p.w.sSIFT(1).html
因为最近刚好有时间,把之前的项目整理了一下,整合成了P.E.M.P.W.S.项目。考虑到项目的实用性,准备给上面加上目标追踪的功能。在经过一番寻找之后,发现这一方面公开的研究比我想象中的要少许多,所以只能自己从头来。我找到了一篇论文,并且准备尝试复现论文中描述的算法,作为一个入门。这一系列博客,也方便我整理这一段时间的所学。博客将不定时更新,跟进我的学习进度。因为是第一次做图像追踪和机器视觉方面的内容,若有错误,还望指正。 Credit: 本次学习中所引用的研究来自: 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文
https://firefox2100.github.io/p.e.m.p.w.s2020/02/23/SCK/
在之前的文章中,我们已经了解了SCK算法的基础知识。在这篇文章中,我们将通过完整构建算法的方式,来对SCK进行进一步的学习。 Credit: 本文中所引用的研究来自: 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文
https://firefox2100.github.io/p.e.m.p.w.s2020/02/16/SIFT(4)/
在上一篇文章中,我们讲到了寻找并过滤极值点,在本次的学习中,我们将继续关注SIFT特征点提取,重点关注怎样从特征点生成可以匹配的描述子。
https://firefox2100.github.io/jekyll/2020/07/02/Jekyll/
我在GitHub Pages上部署博客已经有一段时间了。经历了一段时间的使用和对其他平台的测试,我还是决定暂时继续使用这一方案。现在来总结一下建立的方法和我这么选择的原因。
https://firefox2100.github.io/p.e.m.p.w.s2020/02/21/Kalman-filtering/
在之前的文章里,我们完成了SIFT和CBWH方法的基本学习。在之后的这一系列文章中,我们将进行卡尔曼滤波的学习。 Credit: 本文中所引用的研究来自: 王芳芳,陈华 《动态背景下的视频目标跟踪》,硕士学位论文 以及源自互联网的大量信息与课程整理。
https://firefox2100.github.io/notes/2020/02/27/freedom/
总是写一些技术类文章,总是看算法也是比较累的,也违背了我建立这个博客的目的。当初在建这个博客的时候,就是为了能够想到什么就写什么,不用管分类,也不用觉得会有人看所以刻意怎么去写,这里就当成我记录自己学习,想法,以及一些值得写下来的事的地方吧。
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.