05 2019 档案

摘要:论文: 140512苏联核潜艇核事故调查报告 苏联核潜艇事故大事记 核潜艇舱室空气污染分析及卫生学评价 反恐利器—基于SAWs/μGC的痕量物质微分析系统 潜艇舱室气体成分集中监测技术 潜艇大气环境监测技术发展概况 官曝中国AIP潜艇曾遭遇气体泄漏事故 士官专家十余秒迅速处置 潜艇舱室空气环境质量评 阅读全文
posted @ 2019-05-30 18:02 ostartech 阅读(385) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2019-05-30 16:36 ostartech 阅读(172) 评论(0) 推荐(0) 编辑
摘要:1.百病生于气,止于音 从战国到清代的历史文献中,记载了大量有关论述和临床实例,可以说我国是音乐治疗最古老的发源地之一。 吕氏春秋•适音》中载:“故乐之务,在于和心;和心在于行适”。 王安石《临川先生文集.礼乐论》中载:“礼者,天下之中经;乐者,天下之中和;礼乐者,先王所以养人之神,正人气而归正性也 阅读全文
posted @ 2019-05-29 18:28 ostartech 阅读(2887) 评论(0) 推荐(0) 编辑
摘要:Efficient Coarse-to-Fine Non-Local Module for the Detection of Small Objects 何恺明提出了非局部神经网络(Non-local Neural Networks),非局部通用网络结构,超越CNN。 non-local指的就是感受 阅读全文
posted @ 2019-05-28 18:17 ostartech 阅读(2733) 评论(0) 推荐(0) 编辑
摘要:1、A Coarse-to-Fine Subpixel Registration Method to Recover Local Perspective Deformation in the Application of Image Super-Resolution,2012 2、Deep Colo 阅读全文
posted @ 2019-05-28 18:03 ostartech 阅读(1704) 评论(0) 推荐(0) 编辑
摘要:基于深度残差网络的JPEG图像超分辨率 JPEG Image Super-Resolution via Deep Residual Network PDF https://www.researchgate.net/publication/326203235_JPEG_Image_Super-Reso 阅读全文
posted @ 2019-05-28 15:24 ostartech 阅读(442) 评论(0) 推荐(0) 编辑
摘要:基于深度学习的图像超分辨率方法 总结 - 木瓜子的博客 - CSDN博客 https://blog.csdn.net/loadqian/article/details/80622704 阅读全文
posted @ 2019-05-27 21:34 ostartech 阅读(648) 评论(0) 推荐(0) 编辑
摘要:1、Channel Attention and Multi-level Features Fusion for Single Image Super-Resolution ,2018 [arXiv] https://arxiv.org/pdf/1810.06935v1.pdf 人工智能图像超分辨率单 阅读全文
posted @ 2019-05-27 20:38 ostartech 阅读(5439) 评论(0) 推荐(0) 编辑
摘要:参数方程走一圈 2pi->0(--i) 代码目录下,文件夹video用来存bmp图像。后再生成视频。 转的角度: for t=-pi/2:pi/200:3/2*pi; 图片转成视频:(仅备份) 阅读全文
posted @ 2019-05-21 10:18 ostartech 阅读(327) 评论(0) 推荐(0) 编辑
摘要:拍摄一系列低动态范围图像并合成高动态范围图像的技术得到了快速的发展,被称为高动态范围成像(high dynamic range imaging,简称HDRI)技术HDRI技术目前已被广泛应用于电影、摄影、计算机图形学和摄影测量等领域。从一系列不同曝光值下成像的低动态范围(low dynamic ra 阅读全文
posted @ 2019-05-20 17:25 ostartech 阅读(353) 评论(0) 推荐(0) 编辑
摘要:属于模糊控制领域 前件隶属函数(Antecedent Membership Functions) 基于模糊近似的强化学习方法研究 - 豆丁网 https://www.docin.com/p-1302279946.html 模糊控制核心是模糊规则,模糊控制中的只是表示、模糊规则和推理均建立在人的成熟经 阅读全文
posted @ 2019-05-16 22:08 ostartech 阅读(366) 评论(0) 推荐(0) 编辑
摘要:1、超分辨率 非均匀插值 Farsiu S, Robinson D, Milanfar P. Robust shift and add approach to superresolution[J]. 2003. 2、先拍照后对焦算法中 相对位移消除:shift 移动-叠加 光场重聚焦 【转载自】 [ 阅读全文
posted @ 2019-05-14 17:31 ostartech 阅读(713) 评论(0) 推荐(0) 编辑
摘要:一、QT基类: QObject 二、QT中常用的库 QT中的类根据功能划分在不同的库中,在用户属性.pro文件中可以看到。 三、Qt基本对话框的使用 常用5类: 通过类名可以直接调用类的静态成员函数。 文件对话框(QFileDialog), 其中的常用函数 getOpenFileName,用于获取打 阅读全文
posted @ 2019-05-13 20:35 ostartech 阅读(658) 评论(0) 推荐(1) 编辑
摘要:加尔各答印度统计研究所,作者: Pulak Purkait (pulak_r@isical.ac.in) 2013 年 http://www.codeforge.cn/article/239282/ 阅读全文
posted @ 2019-05-11 11:31 ostartech 阅读(228) 评论(0) 推荐(0) 编辑
摘要:结合上升采样upsample和卷积操作。Sub-piexl convolution。 Efficient Sub-pixel-convolutional-layers。 LR network,即低分辨卷积网络。在upsample的过程中对图像就进行了卷积。 HR network,高分辨卷积网络,一般 阅读全文
posted @ 2019-05-10 15:34 ostartech 阅读(834) 评论(0) 推荐(0) 编辑
摘要:介绍深度学历基础理论、模型和应用。(738页)。 第一部分 应用数学与机器学习基础,包括深度学习需要用到的线性代数、概率与信息论、数值计算、机器学习等内容。 第二部分 深度网络:现代实践,包括深度前馈网络、深度学习中的正则化、深度模型中的优化、卷积网络、循环和递归网络、实践方法、在计算机视觉、语音识 阅读全文
posted @ 2019-05-10 15:21 ostartech 阅读(3167) 评论(0) 推荐(1) 编辑
摘要:机翻 《基于新型模糊类型识别的盲超分辨率图像重建》 阅读全文
posted @ 2019-05-09 18:14 ostartech 阅读(501) 评论(0) 推荐(0) 编辑
摘要:1、SRCNN、FSRCNN (Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014) (Accelerating the Super-Resolution Convolutional Neural Ne 阅读全文
posted @ 2019-05-09 16:26 ostartech 阅读(894) 评论(0) 推荐(1) 编辑
摘要:1、插值 阅读全文
posted @ 2019-05-09 16:25 ostartech 阅读(332) 评论(0) 推荐(0) 编辑
摘要:抽奖活动,一定要事先问好。。 本来店家说的是抽三次送手办,结果抽奖奖品不给。。 好气。 2019.05.03下午西安梦乡动漫展。 阅读全文
posted @ 2019-05-09 10:33 ostartech 阅读(344) 评论(0) 推荐(1) 编辑
摘要:代码是作者页面上下载的matlab版。香港中文大学汤晓鸥教授。Learning a Deep Convolutional Network for Image Super-Resolution。 http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html demo_ 阅读全文
posted @ 2019-05-07 19:32 ostartech 阅读(4976) 评论(0) 推荐(0) 编辑
摘要:算法时间效率 -见 https://www.cnblogs.com/wxl845235800/p/10826957.html 1、SRCNN 《Learning a Deep Convolutional Network for Image Super-Resolution》中 SRCNN参数设置及效 阅读全文
posted @ 2019-05-07 19:00 ostartech 阅读(539) 评论(0) 推荐(0) 编辑
摘要:1、SRCNN-0.39s SRCNN处理速度。 论文:Learning a Deep Convolutional Network forImage Super-Resolution 中,4.2节。 我们将我们的SRCNN与最先进的SR方法:Yang等人的SC(稀疏编码)方法进行了比较.[26],基 阅读全文
posted @ 2019-05-07 17:42 ostartech 阅读(622) 评论(0) 推荐(0) 编辑
摘要:1、SRCNN 页面 里面有论文,matlab和caffe代码。 Tensorflow https://github.com/tegg89/SRCNN-Tensorflow 2、ESPCN 论文链接:https://arxiv.org/abs/1609.05158 全文翻译:http://www.j 阅读全文
posted @ 2019-05-07 15:57 ostartech 阅读(376) 评论(0) 推荐(0) 编辑
摘要:两个流程:训练字典+重建。 相关:L1、L2范数 L1使权值稀疏。L2防过拟合。 L1范数可以使权值稀疏,方便特征提取。 L2范数可以防止过拟合,提升模型的泛化能力。 L1和L2正则先验分别服从的分布:L1是拉普拉斯分布,L2是高斯分布。 L0 范数是 ||x||0 = xi (xi不等于0)代表非 阅读全文
posted @ 2019-05-07 12:21 ostartech 阅读(1171) 评论(0) 推荐(0) 编辑
摘要:常用的是:奇数×奇数。 奇数锚点刚好在中间。奇数核拥有天然的绝对中心点,能更好地获取中心信息。 奇数卷积模板保护位置信息:锚点刚好在中间,方便以模块中心为标准进行滑动卷积,避免了位置信息发生偏移。 在像素领域,偶数卷积模板没有一个“绝对的物理中心”。 边缘提取,Roberts算子是偶数的卷积模板。R 阅读全文
posted @ 2019-05-07 12:02 ostartech 阅读(998) 评论(0) 推荐(1) 编辑

点击右上角即可分享
微信分享提示