Ростислав Цехмистро

В CmakeList нужно прописать target_include_directories

target_include_directories(testCL3 PUBLIC ${SFML_INCLUDE_DIRS})

На сборку это не повлияет, но ошибки связанные с импортом должны пропасть

htmlbook.ru/content/tablichnaya-verstka
Ну или использовать flex, но там заморочки будут

.then(() => {
    if () {

    } else {
      throw "You Error!";
    }
})
.catch();

На компьютерной инженерии учать писать ПО, как и на компьютерных науках.
Нет професии чтобы чистить и чинить ноутбуки (компьютеры), но есть професия инженера-электронщика на которой учат чинить разную электротехнику и электронику.

Можно использовать Boost (https://www.boost.org/) или как показано ниже.

#include <iostream>

template <typename T>
void print_elements(T* array, int x, int y){
    std::cout << '[';
    for(;x<y;x++)
        std::cout << array[x] << '  '; 
    std::cout << ']\n';
}

int arr[] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
print_elements(&arr[0], 2, 4);

Для начала нужно выбрать алгоритм работы и основу для данной задачи. Такая задача может быть реализована с помощью opencv или же с помощью сверточных нейронных сетей (CNN object detection). Если выбор лежит в сторону нейронных сетей то лучше использовать готовые струткруры детекторов (например YoLo). Также желательно найти готовый датасет уже размеченых фото, например mrl.cs.vsb.cz/eyedataset, или разметить картинки самому https://towardsdatascience.com/collecting-data-for...
В датасете уже пристутствуют размеченые данные и координаты блоков. При непосредственной работе с обученой сетью и ее внедрению в систему нужно будет принимать с выхода сети тензор (вектор) с размечеными областями и вектор классов, но для задачи определения одного типа обьектов (глаза) вектор классов Вам не понадобится