1. 递归神经网络在传统神经网络中，模型不会关注上一时刻的处理会有什么信息可以用于下一时刻，每一次都只会关注当前时刻的处理。举个例子来说，我们想对一部影片中每一刻出现的事件进行分类，如果我们知道电影前面的事件信息，那么对当前时刻事件的分类就会非常容易。实际上，传统神经网络没有记忆功能，所以它对每一刻出现的事件进行分类时不会用到影片已经出现的信息，那么有什么方法可以让神经网络能够记住这些信息呢？..

1. 介绍在我们开始之前，先对必要的背景知识做一些简单的铺垫。LUT 是 Lookup Table 的缩写，在图像处理方面，LUT 可以用来完成类似滤镜的效果，其原理本质上就是一个映射关系，输入颜色 (r, g, b)，通过 LUT 去查找，得到一个新的颜色 (R, G, B)，则完成了一次映射操作。LUT 又分为 1D LUT 和 3D LUT，1D LUT 是指 R, G, B 三个分量互相不

运动补偿和运动估计总结

1. 背景训练集全是16x16，32x32之类的小图，达到上千万张，训练时发现数据加载很慢很慢很慢！！！看了下CPU 内存 GPU使用情况，发现CPU使用率都跑到90%去了，GPU使用率却较低2. 解决方法2.1 预处理提速尽量减少每次读取数据时的预处理操作，可以考虑把一些固定的操作，例如 resize ，事先处理好保存下来，训练的时候直接拿来用Linux上将预处理搬到GPU上加速：NVIDIA/

tensorflow在保存权重模型时多使用tf.train.Saver().save 函数进行权重保存，保存的ckpt文件无法直接打开，不利于将模型权重导入到其他框架使用（如Caffe、Keras等）。好在tensorflow提供了相关函数 tf.train.NewCheckpointReader 可以对ckpt文件进行权重查看，因此可以通过该函数进行数据导出。import tensorfl...

最近在做打标签的工作，为了与大家参考学习，总结了在windows的环境下，基于anaconda的图像标注工具labellmg的一种使用方法！labelImg 下载链接: https://pan.baidu.com/s/1Re6OZzQ8pF9yA2c_X2QNuw 提取码: iprs1. 运行labellmg文件出现如下界面：2. 生成标签下边就可以开始打标签了，以织物疵点的标注为例...

1. 背景点播、直播行业的蓬勃发展，使用户生产视频(UGC)逐渐替代了专家生产和平台生产的方式，成为了主流。由于广大用户不可能全都具备专业素质和专业器材，其产出的视频往往质量较差，最明显的特征就是存在抖动。减少视频抖动有很多方法，包括使用专业摄影辅助器材，如三脚架使用带有物理防抖功能的镜头，如iphone使用带有实时防抖功能的软件使用Premiere，AfterEff...

论文地址：Channel Pruning for Accelerating Very Deep Neural Network代码地址：https://github.com/yihui-he/channel-pruning1. 卷积通道剪枝论文的主要思想是，通过最小化裁剪后特征图和裁剪前特征图之间的误差，尽可能的减少卷积核的通道数。图1图1中B、W和C分别为输入特征图、卷积核和输出特征...

1. BM3D 算法简介BM3D是2007年TIP的文章，题目是Image denoising by sparse 3D transform-domain collaborative ltering，论文、项目的地址是http://www.cs.tut.fi/~foi/GCF-BM3D/，提供matlab代码。处理灰度图的BM3D以及它的变体CBM3D（彩色图）、VBM3D（时域）是图像去噪...

通过文本提示词来编辑生成的图片，比如改变图像中人物的表情、背景或其他元素。也可以借助 ControlNet插件更加精准地控制图像的生成细节，实现个性化定制。