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. 马尔科夫网络模型下人脸图像超分辨率算法研究

  2. 这是基于马尔科夫网络模型下的完整研究，包括完整的算法和基本代码，已经亲自验证通过，非常适合做图像超分研究

  3. 所属分类：C

    • 发布日期：2013-05-27
    • 文件大小：4194304
    • 提供者：yaokuanmatthew

  1. Android+上百实例源码分析以及开源分析+集合打包2

  2. 23.从android中调用web service的源码 详细见代码（简单） 24、从网络上获取图片 主要通过InputStream，FileOutputStream，HttpURLConnection实现。 25、动画效果 translate、scale、alpha、rotate 切换Activity动画 控件位置调整 用四个4个TextView 实现了不同的动画效果 26、抖动窗口 通过Animation类 实现 编辑框的抖动 27、QQ的登录界面 源代码 主要是UI设计，在布局文件中实现

  3. 所属分类：Android

  1. 学术报告—人脸超分+BING方法

  2. 此PPT介绍了人脸超分的三种方法：NE、NFL和结构化人脸超分，以及目前比较流行的程明明的一般物体检测的BING方法，供大家参考一下。。

  3. 所属分类：讲义

    • 发布日期：2015-09-22
    • 文件大小：5242880
    • 提供者：dandan_397

  1. 结构化人脸超分：Structured Face Hallucination

  2. 这是一篇我做的关于人脸超分的文章阅读汇报，希望和同样研究此方向的童鞋们一起交流讨论。

  3. 所属分类：讲义

    • 发布日期：2015-09-22
    • 文件大小：2097152
    • 提供者：dandan_397

  1. 稀疏和冗余在图像处理的应用

  2. 目前， 稀疏表示的应用范围基本为自然信号形成的图像、音频以及文本等， 对于非自然信号或数据的应用尚未有文献涉及。在应用方面， 可大体划分为两类： 　　基于重构的应用 　　此类应 用 有 图 像 去 噪、 压 缩 与 超 分 辨 、S A R 成像 、 缺失图像重构 以及音频修复 等。这些应用主要将目标的特征用若干参数来表示， 这些特征构成稀疏向量， 利用稀疏表示方法得到稀疏向量， 根据数学模型进行数据或图像重构。在这些应用中， 观测数据一般含有噪声。 基于分类的应用 这类应用的本质是模式识别

  3. 所属分类：机器学习

    • 发布日期：2018-03-30
    • 文件大小：22020096
    • 提供者：qq_24599599

  1. DFDNet [人脸幻构] [人脸超分] [ECCV2020] 论文翻译

  2. DFDNet [人脸幻构] [人脸超分] [ECCV2020] 论文的全文翻译，用的DeepL作为翻译工具。整体上看上去还是蛮通顺的，基本有一些基础的，看这个翻译读一遍就能看明白论文了。

  3. 所属分类：深度学习

    • 发布日期：2020-09-25
    • 文件大小：7340032
    • 提供者：weixin_38443388