03 2019 档案
摘要：此时无法检索最新提交。 GitHub页面上提示： Cannot retrieve the latest commit at this time. 还没更新的意思，等他更新就好了。 更新后：
阅读全文
摘要：1、注册，用户名一定要起好，别随便起。 2、登录后，新建一个仓库repositories。new一个。 命名为用户名.github.io。如果发现不一样进Settings修改，rename。 3、仓库只要命名规范后，就可以直接使用 用户名.github.io 访问个人页面了。 4、进Settings
阅读全文
摘要：Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural 大概翻译了很多： Real-Time Single Image and Video Super-Re
阅读全文
摘要：原来仅处理了Y通道，输出的灰度图像。 Super-Resolution/ESPCN at master · wangxuewen99/Super-Resolution · GitHub https://github.com/wangxuewen99/Super-Resolution/tree/mas
阅读全文
摘要：已启动生成: 项目: matcaffe, 配置: Release x64 12> MatlabPreBuild.cmd : Create output directories for matlab scripts.12> caffe_.cpp12>..\..\matlab\+caffe\privat
阅读全文
摘要：配置caffe后在matlab中测试报错。 未定义变量 "caffe" 或类 "caffe.reset_all"。 我的原因是：caffe在matlab接口处没配置好。 配置MatlabSupport 见caffe安装配置、matlab接口 - ostartech - 博客园 https://www
阅读全文
摘要：一、CommonSettings.props caffe下载后解压。源代码文件夹caffe-master，到该文件夹下的windows文件夹下，将CommonSettings.props.example文件复制到该目录下并重命名为CommonSettings.props。 修改内容，true、fal
阅读全文
摘要：论文：Image Super-Resolution by Neural Texture Transfer 论文链接：https://arxiv.org/abs/1903.00834 项目地址：https://github.com/ZZUTK/SRNTT SRNTT Adobe 研究院与田纳西大学的研
阅读全文
摘要：Base64是一种编码方式。 非加密 chcp->936 编码流程： 位数不够后面补0，例中补了2个0。 末尾加=表示结束符。 GB2312，有些敏感词不能显示。 GBK，是GB2312升级版。可以显示敏感词。 通常用utf-8。 Base64编码表： 【其他博客】 什么是Base64？ - And
阅读全文
摘要：工具：VS+EasyX +素材图 EasyX首页 - EasyX Library for C++ https://www.easyx.cn/ 下载安装即可。
阅读全文
摘要：多用于图像检索、分类 3.2.1.4 视觉单词模型 视觉词袋（BoVW，Bag of Visual Words）模型，是“词袋”（BoW，Bag of Words）模型从自然语言处理与分析领域向图像处理与分析领域的一次自然推广。对于任意一幅图像，BoVW模型提取该图像中的基本元素，并统计该图像中这些
阅读全文
摘要：算法采用的是字典学习ScSR方法。 图1： 图2： 图3： 图5：
阅读全文
摘要：天干含义 在《史记》、《汉书》中均有部分记载，大体含义是： 甲是拆的意思，指万物剖符甲而出也。 乙是轧的意思，指万物出生，抽轧而出。 丙是炳的意思，指万物炳然著见。 丁是强的意思，指万物丁壮。 戊是茂的意思，指万物茂盛。 己是纪的意思，指万物有形可纪识。 庚是更的意思，指万物收敛有实。 辛是新的意思
阅读全文
摘要：学习深度CNN去噪先验用于图像恢复(Learning Deep CNN Denoiser Prior for Image Restoration)-Kai Zhang 代码：https://github.com/cszn/IRCNN 机翻： 基于模型的优化方法和区别的学习方法已经解决各种逆问题的两种
阅读全文
摘要：C++大学基础教程（第五版） Small C++ How to Program，Fifth Edition，H.M.Deitel,P.J.Deitel 第一章 计算机、互联网和万维网简介 第二章 C++编程入门 第三章 类和对象介绍 3.1 简介 3.2 类、对象、成员函数和数据成员 类相当于设计图
阅读全文
摘要：一个类中，private数据成员（数据隐藏），只能被该类的成员函数（以及友元）操纵。 因此，调用类的pubic成员函数来请求。 类常常提供public成员函数，允许类的客户设置（set）或者获取（get）private数据成员。 命名规范，set,get开头 设置数据成员courseName的成员函
阅读全文
摘要：OOAD（object-oriented analysis and design）面向对象分析和设计 UML（Unified Modeling Language）统一建模语言。可以清晰表达任何OOAD过程结果的图形化语言 OMG（Object Management Group）对象管理小组 UML图
阅读全文
摘要：要注意\0问题。 在下面++，而不是在while中++。 --j。但是也不对，会把\0结束符弄到前面。 改为：
阅读全文
摘要：#include <stdio.h> 栈空间是1024*1024，一兆1M，其中包含了进入main函数之前的1万左右空间。全空间是足的。速度：栈>全局>堆 测试运算时间。100万次读入。 unsigned long time=GetTickCount(); 指针方法：
阅读全文
摘要：反汇编： 用指针快，int类型读入和char类型读入不一样。int比char要快。
阅读全文
摘要：三个不同的估计框架。 MLE最大似然估计：根据训练数据，选取最优模型，预测。观测值D，training data；先验为P（θ）。 MAP最大后验估计：后验概率。 Bayesian贝叶斯估计：综合模型。权重叠加。 Coin Toss Problem 扔硬币问题 硬币不均匀，P（H正面）=θ 若所投硬
阅读全文
摘要：在带宽严重受限的情况下，使用超分辨率技术能够改善其原本较差的视觉质量（即超分辨率技术在同等质量下节省传输带宽）。 微信团队分享：视频图像的超分辨率技术原理和应用场景 - 云+社区 - 腾讯云 https://cloud.tencent.com/developer/article/1198407 没太
阅读全文
摘要：1、2019.3.13，三星电子QLED 8K电视。 三星全新QLED TV采用了特别开发的量子点8K处理器(Quantum Processor 8K)，通过8K人工智能增强技术(8K AI Upscaling)提升画质和音效双重表现，为消费者带来具备沉浸感的逼真视觉效果和震撼的听觉体验，开启了超高
阅读全文
摘要：简记：cin=键盘，cout=屏幕。 >>和<<指向代表数据流动方向。<<是流插入运算符，右操作数（运算符右边的值）会被插入到输出流中。 首先要包含：#include <iostream> using std::cin; using std::cout; using std::endl; 流操作元s
阅读全文
摘要：输入输出要用到这个. 标准C++库的所有的标识符都是在一个名为std的命名空间中定义的，或者说标准头文件(如iostream)中函数、类、对象和类模板是在命名空间 std中定义的。std是standard(标准)的缩写，表示这是存放标准库的有关内容的命名空间。 二元作用域分辨运算符:: using
阅读全文
摘要：1、基于深度协作表达的人脸图像超分辨率算法研究与应用_百度学术 采用一种深度协作表达算法框架，构造深度的多线性模型 分段拟合高低分辨率图像块之间的非线性关系，本文算法简洁高效，提供了一种新的深度学习模型，实验表明本文算法相比传统基于表达的算法和基于卷积神经网络的人脸超分辨率算法具有更好的主客观重建质
阅读全文
摘要：深度学习与传统方法结合的超分辨率：Kai Zhang 1、 (CVPR, 2019) Deep Plug-and-Play Super-Resolution for Arbitrary https://github.com/cszn/DPSR 2、 (CVPR, 2017) Learning Dee
阅读全文
摘要：Win32窗口程序 GDI绘图基本原理 三缓冲原理， 定义了两个设备，两个图片。 初始化。 然后拆解步骤调用。 在mdc中高频率的绘图。在内存中。 加入bdc->mdc步骤: 人不会动 mdc中放的是空位图，bdc里是图、 从左上角（0，0）开始绘图，绘制（64，142）宽，高 从bdc的（0，0）
阅读全文
摘要：1、power方法： 2、左移方法 3、右移方法： 判断某位是否为1，用与。
阅读全文
摘要：加1，减1，判断1。 或运算是加法的意思。 去掉1，与，取反。 人说的第6位，计算机中第五位。
阅读全文
摘要：结构体打包数据 封装，加上，不能再直接操作了。只能通过函数去操作。 如果 会空4个字节，所以是加2。才能改第二个。
阅读全文
摘要：数据和地址 变量绑定了一块内存，一块内存1-4个字节一个变量：多个地址所标记的内存段，多个地址！内存段的第一个地址叫首地址，一般简称为地址。 普通变量的定义 指针变量 int* p; 定义了一个指针变量，并不知道它指哪里，叫它野指针。并不是说不安全。但野指针很容易不安全。 解引用：操作指针 操作指针
阅读全文
摘要：有符号数，左移可能会破坏符号位。 右移时，要注意高位符号。 0X表示十六进制。十六进制每位数值由 0-f表示。所以0XC0 对应 二进制为 11000000B10进制与16进制间关系：1 -- 0X1 2 -- 0X2 3 -- 0X3 4 -- 0X45 -- 0X5 6 -- 0X6 7 --
阅读全文
摘要：基于分类字典学习的遥感图像超分辨率方法 - 豆丁网 https://www.docin.com/p-1633741566.html
阅读全文
摘要：%s，%c必须加sizeof（it）
阅读全文
摘要：看不懂。。， 把别人的链接放在这。 【转载自】 https://wenku.baidu.com/view/3d4894bb7c1cfad6195fa7e8.html https://blog.csdn.net/mingtian715/article/details/51243000 https://
阅读全文
摘要：一个汉字对应的两个byte，都是负数。都是字节首位为1。 GB2312和GBK每一个汉字由2个字节组成，这2个字节的ASCII码大小分别是：gb2312: high8 = 0xa1-->0xfe （161 - 254）low8 = 0xa1-->0xfe （161 - 254） gbk: high8
阅读全文
摘要：TV：Total Variation BTV：Bilateral Total Variation Osher等在1992 年提出了总变分（TV）超分辨率重建方法，该方法能够有效地去除噪声和消除模糊，但是在强噪声情况下，图像的平滑区域会产生阶梯效应，同时图像的纹理信息也不能很好地保留。Farsiu等在
阅读全文
摘要：素数：除了1和自身都不能整除。 因此，循环从二开始到结束，循环到尾数仍不能整除则是素数。 （第一种） 看其是否循环到尾部，i=n，两个相同。 （第二种）或者设定标志量，触发特定条件时使标志量为1。之后判断标志量的值便可以判断出状态。
阅读全文
摘要：char类型 栈空间，遇到-1结束循环。 int类型则遇到-1不会结束循环。 4个字节的int。 每个汉字由两个负数组成。 映射过去后，-68变成了：256-68=188。 int类型读过去变成了正数。 读到-1，不过是255，0xFF。 0xFF是8个1，不会退出循环，32个1，全是FF才退出循环
阅读全文
摘要：Young Deok Chun 等人提出了基于 BVLC 矩和 BDIP 矩的一种纹理分析方法。BVLC 能显示粗糙和光滑特性，BDIP 能够很好的提取波谷和边缘。它们直接在彩色空间上进行处理，能有效的结合颜色特征。 BDIP&BVLC BDIP（block difference of invers
阅读全文
摘要：正斜杠unix“/” linux,安卓，苹果都是 windows是两个反斜杠“\\”，但现在也兼容了可以使用正斜杠“/”
阅读全文
摘要：商业股票数据 线性回归 岭回归： 使用二范数： 适合少样本稀疏数据，保留每个样本属性。 分类和回归树： 信息增益 每次树分节点时，样本是有放回采样 xgboost：extreme极度，求导时残差有泰勒展开。 GBDT：极度梯度决策树，残差方向求导。 过拟合的原因： 正常情况，训练集和测试集都应下降
阅读全文
摘要：Hanamura 花村 Temple of Anubis 阿努比斯神殿 Volskaya Industries 沃斯卡娅工业区 Dorado 多拉多 Route 66 66号公路 Watchpoint: Gibraltar 观测站：直布罗陀 Hollywood 好莱坞 King's Row 国王大道
阅读全文
摘要：细粒度图像与超分辨率 FSRNet: End-to-End Learning Face Super-Resolution with Facial Priors(2018 CVPR SPOTLIGHT Presentation) 文章地址：https://arxiv.org/abs/1711.1070
阅读全文
摘要：SRCNN开山之作 IDN 信息蒸馏网络information distillation network(IDN) Fast and Accurate Single Image Super-Resolution via Information Distillation Network 结构简洁、实时
阅读全文
