摘要拉普拉斯金字塔是一种多尺度融合方法。虽然基于金字塔的融合算法能很好地融合图像，但随着分解层数的增加，存在边缘退化、细节丢失和图像平滑等缺点，不利于医学诊断和分析。因此文章提出了一种基于拉普拉斯金字塔和卷积神经网络重建的医学图像融合算法，结合局部梯度能量策略，可以大大提高边缘质量。论文地址：Multimodal medical image fusion via laplacian pyramid

摘要现有的基于深度学习的图像修复方法在修复区域的边界，容易生成扭曲的结构和模糊的图像。文章提出了一种新的基于深度学习的方法，不仅可以生成新的图像结构，还能够很好地利用周围的图像特征作为参考，从而做出更好的预测。该模型是一个前馈全卷积神经网络，可以处理包含多个缺失区域的图像，且在修复图像的时候，输入的图像大小没有限制。在人脸图像、自然图像、纹理图像等测试集上，都产生了比现在已有的方法更好的效果。文章

ATAC-seq、ChIP-seq 和 DNase-seq 是基因组识别中重要的DNA编码元素，这些元素在分析覆盖轨迹的模拟信号中表现为峰值。本文提出了一个基于深度学习的峰值调⽤框架 LanceOtron，使用深度学习图像识别的方法来识别峰值形状，来进行富集测量。...

摘要Yolov5是一个基于pytorch的在在COCO数据集上进行预训练的目标检测体系结构和模型，是目前一个比较常用的目标检测模型，在现在很多实际项目中，有很好的效果，实用性较强，有模型尺寸小、部署成本低、灵活度高和检测速度快的特点。网络结构Focus：首先将多个slice结果Concat起来，然后将其送入CBL模块中（6.0版本以后替换成6×6卷积层）。CSP1_X：借鉴CSPNet网络结构，该

摘要拉普拉斯金字塔是一种多尺度融合方法。虽然基于金字塔的融合算法能很好地融合图像，但随着分解层数的增加，存在边缘退化、细节丢失和图像平滑等缺点，不利于医学诊断和分析。因此文章提出了一种基于拉普拉斯金字塔和卷积神经网络重建的医学图像融合算法，结合局部梯度能量策略，可以大大提高边缘质量。论文地址：Multimodal medical image fusion via laplacian pyramid

摘要Detection Transformer（DETR）是Facebook AI的研究者提出的Transformer的视觉版本，用于目标检测和全景分割。这是第一个将Transformer成功整合为检测pipeline中心构建块的目标检测框架。论文地址：End-to-End Object Detection with Transformers源代码：DETR论文结构第一部分主要介绍了为了解决以前的

1.人工获取要求：需要能运行游戏，或者有游戏相关的文件打开文字相关文件1.有一些游戏可以直接打开txt文件，或者相关的数据包，用二进制文本编辑软件打开。二进制文本编辑器打开文本2.借助工具（1）HAT，ppsspp工具（2）MisakaHookFinder使用方法：使用hook，无视游戏文本字体，直接读内存拿文本（3）agthV5.4：自动提取游戏文本，配合CP2TRAN可与翻译软件联合实现自动翻

前言承接上一篇阅读笔记，本周阅读了CLIP的论文《Learning Transferable Visual Models From Natural Language 》。论文地址：《Learning Transferable Visual Models From Natural Language 》代码：https://github.com/openai/CLIP摘要在构建计算机视觉模型时，只是为