推荐
专栏
教程
课程
飞鹅
本次共找到570条
图像分辨率
相关的信息
Wesley13
•
3年前
JavPlayer:AI破坏马赛克,大量马赛克破坏版影片流出
这是最近几个月业界讨论比较火的话题,发酵到现在,终于可以给大家总结下最近的马赛克破坏版影片到底是怎么回事?马赛克破坏版,简单讲就是利用AI技术,在打有马赛克影片的马赛克基础上进行修复操作,来实现去除马赛克,还原图像本质,不是大数据匹配模型,而是在原基础修复,详细的原理后面会讲!这样的技术,概念和之前的换脸以及换身体的AI技术很类似。马赛克
李志宽
•
3年前
伤仲永?看完能少走很多弯路!一个高中生的自学编程经历。
我有很大的研究技术的热情,今年18。从初中开始,就已经种下了自由控制电脑这种欲望的种子。到了高一,我第一次从信息技术课本上看到编程二字,并且书上带走一个vb写的画二次函数图像的小例子,但是家里没有电脑,我也没大重视。从高一暑假开始,我拥有了一台电脑。我想学习编程,但是电脑没联网,于是我经常从别人家里下载资料软件,回家研究。每次都下载一堆的东西,包括网上的教程
Chase620
•
3年前
CSS3动画之逐帧动画
CSS3动画开发指南第二弹,剥丝抽茧为你解析逐帧动画,同时放送从实战经验中总结出来的逐帧动画使用技巧。什么是逐帧动画要了解CSS3逐帧动画,首先要明确什么是逐帧动画。看一下维基百科中的定义:定格动画,又名逐帧动画,是一种动画技术,其原理即将每帧不同的图像连续播放,从而产生动画效果。简而言之,实现逐帧动画需要两个条件:(1)相关联
Stella981
•
3年前
Jetson TX1开发笔记(六):V4L2+OpenCV3.1以MJPG格式读取USB摄像头图像并实时显示
转载请注明作者和出处:http://blog.csdn.net/c406495762(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fblog.csdn.net%2Fc406495762)嵌入式平台(Target):JestonTX1OpenCV:
Wesley13
•
3年前
PDF编辑器加入超链接怎么操作
想要在网站上下载的PDF文件中添加一些超链的话,该如何去操作呢?想要知道一个轻快省事,又不会耽误太多时间的办法吗?那就和我一起来看一下吧!迅捷PDF编辑器。这款迅捷PDF编辑器能给用户提供完整的PDF编辑功能,不单只能够对PDF文件当中的文本部分进行修改,更可以针对图像、样式、多媒体内容进行编辑。用户可以在任何PDF文件页面当中,随意修改、删除或者插入页
Stella981
•
3年前
Efficient Online Segmentation for Sparse 3D Laser Scans
在基于激光的自动驾驶或者移动机器人的应用中,在移动场景中提取单个对象的能力是十分重要的。因为这样的系统需要在动态的感知环境中感知到周围发生变化或者移动的对象,在感知系统中,将图像或者点云数据预处理成单个物体是进行进一步分析的第一个步骤。在这篇文章中就提出了一种十分高效的分割方法。首先是将扫描到的点云移除平面处理,然后移除平面后一定范围内的点云数据分割成不
Stella981
•
3年前
Android OpenCV(十六):椒盐噪声
椒盐噪声椒盐噪声也称为脉冲噪声,是图像中经常见到的一种噪声,它是一种随机出现的白点或者黑点,可能是亮的区域有黑色像素或是在暗的区域有白色像素(或是两者皆有)。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值,饱和的感应器导致像素值为最大值。椒盐噪声是指两种噪声:盐噪
Stella981
•
3年前
Soft
郑重声明:原文参见标题,如有侵权,请联系作者,将会撤销发布!Abstract:我们提出了一种新的方法,通过端到端的训练策略来学习深度架构中的可压缩表征。我们的方法是基于量化和熵的软(连续)松弛,我们在整个训练过程中对它们的离散对应体进行了退火。我们在两个具有挑战性的应用中展示了这种方法:图像压缩和神经网络压缩。虽然这些任务通常是用不同的方法来处理的
helloworld_38131402
•
2年前
流体力学深度学习建模技术研究进展
流体力学深度学习建模技术研究进展王怡星、韩仁坤、刘子扬、张扬、陈刚摘要:深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,
天翼云开发者社区
•
4个月前
CBAM注意力模型介绍
近年来,注意力机制在各项深度学习任务中表现出色。研究表明,人类视觉感知过程中,注意力机制发挥了积极的效果,可以帮助人们高效和自适应的处理视觉信息并聚焦于显著的画面区域,从而能够做出最准确的判断。因此,通过模拟视觉注意力机制,在网络结构中加入注意力模块,使模型可以更加关注待分类图像中的关键信息,抑制不相关的特征信息,促使模型对重要的特征区域更加敏感,从而有效提升相关任务的性能。本文简要介绍一种经典的混合注意力模型CBAM。
1
•••
55
56
57