注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. neural-networks-master.zip

  2. python神经网络学习代码，基于深度学习的图像超分辨率技术研究 Research on Image Super-Resolution Technology Based on Deep Learning 图像的超分辨率重建技术指的是将给定的低分辨率图像通过特定的算法恢复成相应的高分辨率图像。随着人工智能的崛起和深度学习的不算发展，基于深度学习的超分辨率重建技术也越来越多的被人关注和研究。本文主要介绍两种基于深度学习的超分辨率重建技术SRCNN(超分辨率卷积神经网络)和SRGAN(超分辨率生成对

  3. 所属分类：Python

    • 发布日期：2019-08-06
    • 文件大小：12kb
    • 提供者：qq_19434023

  1. 图像处理超分辨率重建测试集Set5-234倍

  2. 图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

  3. 所属分类：机器学习

    • 发布日期：2020-01-06
    • 文件大小：2mb
    • 提供者：hr582068265

  1. srfbn1-源码

  2. 图像超分辨率反馈网络 更新：我们建议的门控多反馈网络（GMFN）将出现在BMVC2019中。 “通过两个时间步长，每个时间步长都包含7个RDB，与包括RDN的最新图像SR方法（其中包含16个RDB）相比，提出的GMFN实现了更好的重建性能。” 该存储库是我们建议的SRFBN的Pytorch代码。 该代码由和基于开发，并在具有Ubuntu 16.04 / 18.04环境（Python 3.6 / 3/7，PyTorch 0.4.0 / 1.0.0 / 1.0.1，CUDA 8.0 / 9

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：114mb
    • 提供者：weixin_42128963

  1. 解码：这是DECODE实现的原始仓库（由github.comTuragaLabDECODE镜像）-源码

  2. 解码 DECODE是用于单分子定位显微镜（SMLM）的基于Python和的深度学习工具。 它在各种成像模式和条件下具有很高的精度。 在公开的软件基准测试比赛中，在比较检测精度和定位误差时，它在12个数据集中的12个数据集上的所有其他，通常会有很大的差距。 DECODE可使活细胞SMLM数据在3秒钟内减少曝光，并以超高标记密度对微管成像。 DECODE通过训练DEep COntext Dependent（DECODE）神经网络来工作，以亚像素分辨率检测和定位发射器。 值得注意的是，DECODE

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：317kb
    • 提供者：weixin_42101056

  1. 神经增强：使用深度学习的图像超分辨率-源码

  2. 神经增强 示例1 —旧站：以24位高清，CC-BY-SA siv-athens。 如果可以使用CSI实验室的技术提高照片的分辨率，该怎么办？ 由于深度学习和#NeuralEnhance ，现在可以训练神经网络以2倍甚至4倍放大图像。 通过增加神经元数量或使用类似于低分辨率图像的数据集进行训练，您将获得更好的结果。 抓住？ 神经网络根据来自示例图像的训练使细节产生幻觉。 它无法像高清图像那样完全重建您的照片。 这只有在好莱坞才有可能-但是将深度学习用作“ Creative AI”就可以了

  3. 所属分类：其它

  1. LGFN-源码

  2. 用于视频超分辨率的本地-全球融合网络 该存储库是关于视频超分辨率的本地全局Fusioin网络（LGFN）。 介绍 我们提议的视频超高分辨率本地-全球融合网络（LGFN）致力于有效解决将低分辨率（LR）视频恢复为高分辨率（HR）视频的问题。 通过特征提取模块从输入帧中提取特征。 然后，我们通过堆叠的可变形卷积（DC）与减少的多次膨胀卷积单元（DMDCU）对齐相邻帧与参考帧，以预测更准确的参数。 之后，分别通过局部融合模块和全局融合模块融合特征。 输出整合在一起并发送到重建模块中，以恢复高分辨率视频

  3. 所属分类：其它