12 2018 档案
摘要：黎剑晖. 基于多特征多尺度字典学习的超分辨率重构算法[D]. 华南理工大学, 2014. 点击打开 潘宗序, 禹晶, 肖创柏, et al. 基于多尺度非局部约束的单幅图像超分辨率算法[J]. 自动化学报, 2014, 40(10). 点击打开
阅读全文
摘要：近义词、一词多义 GPT、ELMO、Bert
阅读全文
摘要：关联规则、频繁项集、支持度、置信度 关联规则挖掘： 一起购买的商品 支持度（support） 支持度会随着物品增多而减小。因为是同时购买的比率。 置信度（Confidence） 频繁且强规则，有一定意义。 Apriori算法 太复杂。 先寻找频繁项集（大于所设置阈值），这时剔除掉不频繁的了。 构建下
阅读全文
摘要：卷积 作用： 降低一点点维度 通过不同的卷积核提取不同的特征 卷积核：提取特征 一个卷积核提取一种特征 假设3*3的卷积核，每个卷积核9个参数 卷积核内的参数由训练所得。固定的 权值共享：每一次滑窗所使用的卷积核都是相同的。 卷积主要是用来提取特征，降维的作用不是很明显。 卷积核：3×3，5×5，7
阅读全文
摘要：Fast RCNN更准一些、其损失函数比YOLO简单。 YOLO更快 YOLO(You Only Look Once) 简介： 测试过程： 训练过程: 坐标、含有、不含、类别预测 目标检测的效果准确率 mAP：值1-100,m是mean。 YOLO v2 YOLO v2: https://arxiv
阅读全文
摘要：FASTTEXT（Facebook开源技术） 二分类任务，监督学习。 自然语言 NLP自然语言处理 步骤： 语料Corpus：好评和差评 分词Words Segmentation：基于HMM构建dict tree 构建词向量Construct Vector： 构建词向量Construct Vecto
阅读全文
摘要：SUPERRESOLUTION GRAPHICAL USER INTERFACE DOCUMENTATION Contents 1.- How to use this application. 2.- What is Super-Resolution? 3.- Motion Estimation a
阅读全文
摘要：预测评分，线性回归模型。推荐预测评分高的。 基于商品的协同过滤： 基于用户的协同过滤： 相似度衡量：欧式距离、皮尔逊系数、余弦相似度。 由评分，没看过的是？，预测评分来推荐。 结合内容参数，来预测评分： 线性回归模型 建立损失函数，引入正则化项防止过拟合。对所有用户的损失函数加起来。 梯度下降法优化
阅读全文
摘要：ImagePy http://www.imagepy.org/ 分水岭,山脊线 断的连线 距离变换，降水
阅读全文
摘要：超分辨率算法代码 POCS算法，凸集投影法。 pocs.m，没有调用的代码，没看懂。。只有这个函数。。抱歉。 【其他】貌似这个里面有，可以试一下，没下载过 凸集投影法（POCS）超分辨重建算法MATLAB实现 https://download.csdn.net/download/styyzxjq20
阅读全文
摘要：文件路径： main.m： monarch： 耗时： psnr由28.4249->30.1206，提升了1.6957。
阅读全文
摘要：文件路径： 滤波算法main.m： 记录：有些忘了，貌似是想对比滤波+插值和插值+滤波？ [PSNR_ori, MSE_ori] = psnr(rima, ima_ori);[PSNR_nlm, MSE_nlm] = psnr(fima, ima_ori); 分别计算的是单纯降采样后又插值的psnr
阅读全文
摘要：PCA主成分分析 PCA降维。基于方差降维，属于无监督学习。无需数据标签。 使方差（数据离散量）最大，变换后数据分开。更易于分类。 可以对隐私数据PCA，数据加密。 基变换 投影->内积 基变换 正交的基，两个向量垂直（内积为0，线性无关） 先将基化成各维度下的单位向量。 一般把数据写成列向量的形式
阅读全文
摘要：随机概率重建-MAP算法 随机概率重建：利用贝叶斯理论作为框架，理想图像的先验知识作为约束条件进行图像重建。常用的随机概率超分辨率重建包括最大后验概率估计法(MAP)和极大似然估计法(ML)。 MAP算法最早由Schultz和Stevenson引入，针对运动估计过程的病态性，利用Huber-Mark
阅读全文
摘要：训练神经网络的过程，就是在求未知参数（权重）。让网络搭建起来，得到理想的结果。 分类-监督学习。 反向传播求权重：每一层在算偏导数。局部梯度，链式法则。 激活函数： sigmoid仅中间段趋势良好 对复杂的神经网络（累计），会出现梯度消失、梯度爆炸 训练网络是为了求权重； 反向传播方法，更新权重；
阅读全文
摘要：图像复原是一个病态(或非适定)问题的求逆过程，且在这个过程中为受噪声的影响，为了更好的处理这种情况，需要采用平滑约束法。 其思想为：设置dc使得dtcx为期望图像的平滑性测度，也可称为空域活动性测度， 测度越大(越不平滑)，复原图像的概率越小，这样使得复原结果的高频分量得到有效的抑制。 为了能够保留
阅读全文
摘要：ASCII码 ——>编号——>字库中点阵图编码——>打印 汉字在计算机中以点阵图形式存储。 点阵图： 汉字：32×32阵列排列，背景0，汉字1。编码。 行32，列32。32*32/8=128个字节。 8×8点阵图 不同字体 黑体32×32字库
阅读全文
摘要：集成学习 个体学习器1 个体学习器2 个体学习器3 ——> 结合模块 ——>输出（更好的） ... 个体学习器n 通常，类似求平均值，比最差的能好一些，但是会比最好的差。 集成可能提升性能、不起作用、甚至起负作用。 集成要提高准确率！ 每一个个体学习器之间存在差异 一定要有差异性，有差异性才能提升。
阅读全文
摘要：多帧SR算法是一种通过LR之间存在很小变化的LR 图，并通过特定算法最终获得一幅HR图。
阅读全文
摘要：首先出现的超分辨率复原技术是频域方法。局限于全局平移运动和线性空间不变降质模 型,而且包含空域先验知识的能力有限。 后来出现了多种空域方法：比频域方法具有更大的灵活性和更广的适用范围.在空域方法中,目前 研究较多的是凸集投影和最大后验概率估计器。 如非均匀空域样本内插法、迭代反投影法、 集合理论复原
阅读全文
摘要：诞生于1989圣诞节，阿姆斯特丹。Guido van Rossum（吉多·范罗苏姆）。 Python Python：解释型、面向对象、动态数据类型 的 高级程序设计语言。 解释型语言：运行的时候将程序翻译成机器语言。（编译器） 机器语言：用二进制代码表示的 计算机能直接识别和执行的 一种机器指令集合
阅读全文
摘要：有监督、二分类 流程： 模型评估： 主要看召回率 贝叶斯算法： 条件概率 全概率公式 贝叶斯公式 朴素贝叶斯公式： 例子： 每个特征概率、分类概率 朴素贝叶斯算法流程： 【其他资料】 贝叶斯推断及其互联网应用（二）：过滤垃圾邮件 - csguo - 博客园 https://www.cnblogs.c
阅读全文
摘要：分布式：分而治之、业务拆分 集群：并行处理 、分工后，很多人并行提供相同的服务
阅读全文
摘要：深度学习(Deep Learning，DL)技术始于2006年Hinton等人在Science发表的文章”Reducing the Dimensionality of Data with Neural Networks”， 正式在学界井喷是在2012年”Alexnet”提出后。 近些年来，DL被广泛
阅读全文
摘要：前言 自动驾驶、手势控制、美颜相机 发展： 50-60s 看 70-90s 看懂 90s-2012 识别 2012++理解 传统方法 直线检测、形状检测 ADAS（Advanced Driver Assistant System）高级智能驾驶系统 见：ADAS系统-ADAS|车道偏离预警|前车碰撞预
阅读全文
摘要：【资料】 浅谈二维和三维图像数据 - wozhengtao的博客 - CSDN博客 https://blog.csdn.net/wozhengtao/article/details/51430398 转载自-三维点云数据集 https://www.douban.com/note/632704028/
阅读全文
摘要：numpy，matplotlib，sklearn，pandas,scipy五个库pycharm开发工具
阅读全文
摘要：无监督-无标签 聚类，难点在于评估和调参。 k-means最简单实用 基本概念 K值：数据聚成多少类。 质心：各个维度算平均数。Centroid 相似度量：距离来算（欧式距离——直线距离，余弦距离） 样本之间的距离要先做标准化。（例如先都画到0-1之间） 优化，样本离质心间距离求和。（Ci是质心，x
阅读全文
摘要：TCP传输可靠性是：TCP协议里自己做了设计来保证可靠性。 IP报文本身是不可靠的 UDP也是 TCP做了很多复杂的协议设计，来保证可靠性。 TCP UDP 顺序的问题，后发的报可能先到。（IP报本身不可靠导致的，而TCP有序列号解决了此问题） 用序列号解决 seq ack 接收到的包顺序发生了变化
阅读全文
摘要：1、加载数据集 数据：划分训练集，验证集 2、选择模型 要根据具体的任务和数据类型（离散、连续）来选择恰当的模型 如KNN 3、训练模型 4、评估模型 用之前从未使用过的数据来测试模型，得到输出并与正确的判定结果对比。 5、参数微调 6、预测 TensorFlow Playground 网址：htt
阅读全文
摘要：感知机 单个神经元，只能二分类；需要多搭几个构成网络，来进行多分类。 y=w*x+b;权重和偏置 BP神经网络 预测值与真实值差异->损失函数->梯度下降方法优化参数 真实值one-hot编码 损失函数： 每次更新，朝着最优解方向走。学习率0-1。 前向传播得到预测值 激活函数： sigmod函数，
阅读全文
摘要：鞣酸 中文名称：鞣酸 中文别名：丹宁酸;单宁酸;没食子鞣酸;鞣质;落叶松栲胶;二倍酸；炭尼酸，柔酸 。 2017年10月27日，世界卫生组织国际癌症研究机构公布的致癌物清单初步整理参考，单宁酸和单宁在3类致癌物清单中。 效果 效果 为收敛剂，能沉淀蛋白质，与生物碱、甙及重金属等均能形成不溶性复合物。
阅读全文
摘要：熵 增益 以特征分类 随机特征选择-防止过拟合 决策树很容易过拟合 过拟合：
阅读全文
摘要：HMT（Hidden Markov Tree）隐马尔可夫树 【论文】 小波变换与HMT模型的图像插值算法-郭昌-中山大学学报(自然科学版)
阅读全文
摘要：【原文】图像超分辨率重建算法研究_百度文库 https://wenku.baidu.com/view/95989b79e87101f69f31955e.html 单幅图像超分辨率：就是恢复高频信息 单幅图像超分辨重建是指只有一幅低分辨率观测图像的情况下，结合图像的一些先验知识，恢复出图像获取时丢失的
阅读全文
摘要：算法发展及对比: 17年底,mask-R CNN YOLO YOLO最大的优势就是快 原论文中流程,可以检测出20类物体. 红色网格-张量,在这样一个1×30的张量中保存的数据 横纵坐标中心点缩放到0-1之间 每一个小网格矩形对应两个不同尺寸比例的物体:竖条,长条;单数是竖着的苗条框,偶数是横着的宽
阅读全文
摘要：要先将字编码成向量 要对之前的信息有记忆 相同的输入，写诗，可能有不同的输出。 可以发现，输入不止与当前输入有关，还和之前的输入有关。要有记忆！ 将隐藏层的激活值利用 循环神经网络 a0=0,初始值=0 上次输入的不同，记忆值不同，使得现在相同的输入可以得到不同的输出。 缺点：梯度爆炸和梯度消失 记
阅读全文
摘要：图像分割 8X8 颜色空间转换RGB->YCbCr 3个8X8的矩阵 离散余弦变换:（Discrete cosine transform），简称DCT。 DCT转换后的数组中第一个是一个直线数据，因此又被称为“直流数据”，简称DC，后面的数据被称为“交流数据”，简称AC 经过颜色空间的转换，每一个8
阅读全文
摘要：【转载自】 高质量的快速图像缩放——二次线性插值和三次卷积插值_百度文库 https://wenku.baidu.com/view/6fca7014cc7931b765ce15bd.html 图像缩放系列文章的源代码下载 - HouSisong的专栏 - CSDN博客 https://blog.cs
阅读全文
摘要：行星凌星法： 当系外行星围绕它们的恒星运行至恒星朝向地球的一面时，就发生了与“金星凌日”相似的现象，这种现象称为“凌星”。 凌星现象发生时，恒星的光芒因被遮挡而减弱。天文学家通过恒星的亮度变化可以确定系外行星的轨道倾角，进而确定它的质量。
阅读全文
摘要：NLM原文： 基于图像分割的非局部均值去噪算法 基于图像分割的非局部均值去噪算法_百度文库 https://wenku.baidu.com/view/6a51abdfcd22bcd126fff705cc17552706225e5a.html
阅读全文
摘要：LBP-Local Binary Pattern，局部二值模式。 灰度不变性 改进：圆形LBP、旋转不变性 MB-LBP特征，多尺度Multiscale Block LBP： 【转载自】 目标检测的图像特征提取之（二）LBP特征 - 莫小 - 博客园 https://www.cnblogs.com/
阅读全文
摘要：网址： IPOL Journal · Image Processing On Line https://www.ipol.im/ 分类： 搜索： 下载文献和源码： NLM算法:IPOL Journal · Non-Local Means Denoising http://www.ipol.im/pu
阅读全文
