logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

裁剪opencv库到2Mb

本文描述了如何对opencv进行裁剪已达到最小化,不限于使用模块编译,去除第三方库依赖,改变编译选项,限制导出符号等。

文章图片
#opencv
百度云下载不限速方式集合

  因为百度云限速严重,因此很多时候都是在寻找相应的工具去破解百度云,这里整理一下自己一般用的一些工具的方法。(有些方式有些时候会被官方和谐,因此多试几种)文章目录1、使用第三方工具pandownload2、使用油猴脚本配合IDM(internet download manager)下载3、雷云&(IDM|迅雷)4、BaiduPCS-Go(跨平台)5、速盘1、使用第三方工具pand

#百度云
数据结构与算法之归并排序及其改进(多路归并,可视化)

归并排序概念及步骤​归并排序:归并排序是利用分治思想进行排序的算法。​步骤:​1、分解——将序列进行多次递归的分解,分解为多个小序列,最终的结果为每个小序列仅仅含有1个元素​2、合并——将相邻的小序列进行排序合并之后多次递归为最终的有序序列。演示图​因为我们排序的元素本身为线性顺序表,每个元素可以看作单个的个体因此相关的分解操作就不需要进行直接进行合并排序即可,演示图以

#算法
数据机构之二叉树

二叉树一、二叉树的定义和分类1、二叉树的定义  二叉树是一种特定的树,每个结点最多有两棵子树,并且左右子树不能交换位置。  这意味着下面几棵树是完全不同的树。2、几种特殊的二叉树满二叉树  高度为h并且结点数为2^h-1的树为满二叉树,即每个层都有最大结点数。  因此满二叉树的叶子结点都在最底下一层。并且若按层按顺序为结点编号对于结点i,如果有双亲,必为(向下取整)(i/2),如果有孩子,左孩子必

#数据结构
pytorch常用的学习率设置方式

文章目录1、LambdaLR自定义学习率调整方式2、StepLR分阶段更新学习率3、MultiStepLR顶点分阶段更新学习率4、ExponentialLR指数衰减更新学习率5、CosineAnnealingLR余弦更新学习率5、ReduceLROnPlateau自适应调整学习率6、CyclicLR循环学习率7、自定义学习率8、完整的测试程序1、LambdaLR自定义学习率调整方式torch...

#pytorch
注意力机制之《CBAM: Convolutional Block Attention Module》论文阅读

  论文地址:CBAM: Convolutional Block Attention Module  代码地址:github文章目录1. 简介2. 结构2.1 CBAM结构2.1.1 Channel-Wise Attention2.1.2 Spatial Attention Module2.2 代码实现3. 实验结果3.1 实验设置1. 简介  本文提出了一个CBAM注意力机制模块,和SE...

语义分割之《CCNet: Criss-Cross Attention for Semantic Segmentation》论文阅读笔记

  论文地址:CCNet: Criss-Cross Attention for Semantic Segmentation  代码地址:CCNet github文章目录一、简介二、结构1、CCNet结构2、Criss-Cross Attention3、Recurrent Criss-Cross Attention4、代码三、结果一、简介  CCNet是2018年11月发布的一篇语义分割方面...

#深度学习
语义分割之《Pyramid Scene Parsing Network》论文阅读笔记

文章目录一、简介二、所面对的问题及其解决方向三、结构1、Pyramid Pooling Module2、网络结构3、Deep Supervision for ResNet-Based FCN四、实验1、实验设置2、ImageNet Scene Parsing Challenge 20163、PASCAL VOC 20124、Cityscapes一、简介  PSPNet官方地址  PSPNet...

#深度学习
ISP中的Demosaic技术:从传统算法到深度学习算法:

摘要:Demosaic技术是图像信号处理(ISP)中的关键环节,用于从拜耳阵列单通道数据恢复全彩图像。本文系统梳理了传统算法与深度学习方法:传统方法基于手工设计先验,包括插值、边缘判别、频域分离等技术,计算高效且硬件友好;深度学习方法通过端到端训练实现去马赛克与去噪等任务的联合优化,显著提升复杂场景重建质量。研究从空间域统计和频域确定性角度分析技术原理,并探讨客观(MSE/PSNR)与主观视觉相结

文章图片
#算法#深度学习
美颜算法:从传统算法到深度学习算法

本文介绍了美颜算法从传统方法到深度学习的演进过程,重点分析了传统美颜算法的技术原理和实现方法。传统算法基于计算摄影学和数字图像处理理论,主要包括双边滤波和引导滤波两种核心方法,通过空间自适应的各向异性平滑实现"磨皮保边"效果。双边滤波同时考虑空间距离和颜色相似度,能有效平滑皮肤同时保留五官边缘,但计算复杂度较高;引导滤波基于局部线性模型,计算效率更高且保边效果优异,但单纯使用可能磨皮效果不足。实际

文章图片
#人工智能
    共 32 条
  • 1
  • 2
  • 3
  • 4
  • 请选择