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. MFC打字训练娱乐程序完善版

  2. 本程序使用MFC编写，功能有：弹出对话框，进行相关设置，并可以用ini文件进行设置保存，可以设置字体颜色，难度，字典选择，字体格式，其中难度设置随着选择的增大而减小。另外也可以自己添加字典文件，但是请按照原版格式进行，并且每一行的长度要求小于30字节，最后一行记得键回车。本程序旨在锻炼英文打字，也带有学习英语的目的。其中不足还望留言。

  3. 所属分类：C++

    • 发布日期：2010-02-18
    • 文件大小：762880
    • 提供者：sea_spray

  1. ksvd算法（matlab）稀疏表示中训练字典

  2. 稀疏表示中用来训练字典的ksvd算法，有demo

  3. 所属分类：其它

    • 发布日期：2010-10-29
    • 文件大小：5242880
    • 提供者：dayueer

  1. 最优方向法（method of optimal directions，MOD）

  2. 内部包含使用mod算法进行数据字典建立 同时还有应用到目标检测中 定量分析检测性能的代码可供使用 还有专门的测试举例

  3. 所属分类：其它

    • 发布日期：2012-03-06
    • 文件大小：166912
    • 提供者：flowfish1008

  1. KSVD 稀疏字典训练

  2. k-SVD 字典训练 matlab源代码

  3. 所属分类：软件测试

    • 发布日期：2013-04-24
    • 文件大小：6144
    • 提供者：linbilan1122

  1. 字典数 例题 模版

  2. 这是字典数的算法模版及例题讲解,里面的有详细例题及相关的题目可供训练

  3. 所属分类：C/C++

    • 发布日期：2014-06-03
    • 文件大小：34816
    • 提供者：u011643500

  1. ksvd稀疏表示字典训练代码

  2. ksvd算法进行字典训练，程序中用到omp算法，需下载omp程序共同使用

  3. 所属分类：其它

    • 发布日期：2014-07-27
    • 文件大小：13312
    • 提供者：lhbmfh

  1. 2010年职称英语理工类C级词汇专项训练

  2. 以上资源是为2010年职称英语类c级词汇专项训练的题目。在职称英语考试中，第一部分就是同义词单项选择题，虽然所占的分数不过，而且是可以查字典的。但是查字典需要消耗不少时间，因而通过熟记单词可以减少这一部分时间的消耗。虽然是10年的题目，但是下来看看，也是有好处的，可以增强自身的单词识别的能力。

  3. 所属分类：其它

  1. 局部保持“字典对”学习算法及其应用.pdf

  2. 字典学习（DL）方法近年来被广泛应用于解决各种计算机视觉领域的问题。现有的大部分字典学习算法均旨在学习一个综合型字典来表示输入信号，并使表示系数或表示误差具有一定的判别能力。这些字典学习算法大都需要对稀疏表示系数采用l0或者l1范数的约束，所以学习过程比较耗时。解析型字典学习的提出较为有效地解决了字典学习算法效率低的问题。在分类识别任务中，联合学习一个综合型字典和一个解析型字典正在成为一个热门的研究趋势，这不仅很大程度上降低了学习过程中的计算复杂度，而且在分类识别性能上也能有一定的提升。本文借鉴

  3. 所属分类：互联网

    • 发布日期：2020-08-27
    • 文件大小：5242880
    • 提供者：weixin_38747087

  1. bert中文预训练模型，字典，有相关参数json等完整资源

  2. bert中文预训练模型，字典，有相关参数json等完整资源，可以直接通过bert的from_pretrained函数加载,可以直接拿来用，pytorch，tensorflow版本的都有，非常方便

  3. 所属分类：互联网

    • 发布日期：2020-10-27
    • 文件大小：381681664
    • 提供者：A199445

  1. python字典快速保存于读取的方法

  2. 在使用python编程过程中，我们往往需要借助字典来提高编程效率。同时为了调试方便，我们希望将某些变量保存为中间文件。 例如，在协同过滤算法中，相似性的训练结果可以保存为中间文件，方便调试。python对字典的保存与读取可以借助于json方便的实现。 #保存 dict_name = {1:{1:2,3:4},2:{3:4,4:5}} f = open('temp.txt','w') f.write(str(dict_name)) f.close() #读取 f = open('temp.txt

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：34816
    • 提供者：weixin_38686153

  1. pytorch 状态字典:state_dict使用详解

  2. pytorch 中的 state_dict 是一个简单的python的字典对象,将每一层与它的对应参数建立映射关系.(如model的每一层的weights及偏置等等) (注意,只有那些参数可以训练的layer才会被保存到模型的state_dict中,如卷积层,线性层等等) 优化器对象Optimizer也有一个state_dict,它包含了优化器的状态以及被使用的超参数(如lr, momentum,weight_decay等) 备注： 1) state_dict是在定义了model或optimiz

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：54272
    • 提供者：weixin_38609720

  1. 在线健壮的字典学习

  2. 在线词典学习对于在计算机视觉中处理大规模动态数据特别有用。 然而，它面临着合并健壮功能而不是平方数据拟合项的主要困难，以处理训练数据中的异常值。 在本文中，我们提出了一个新的在线框架，该框架允许在健壮的字典学习中使用l（1）稀疏数据拟合术语，从而显着增强了这一重要技术的可用性和实用性。 已经进行了广泛的实验以验证我们的新框架。

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：758784
    • 提供者：weixin_38708361

  1. 具有总变化正则化和阶跃字典学习的嘈杂图像放大

  2. 嘈杂的低分辨率（LR）图像始终是在实际应用中获得的，但是许多现有的图像放大算法无法从嘈杂的LR图像中获得良好的效果。我们提出了两步图像放大算法来解决这个问题。该算法既具有基于正则化的方法又具有基于学习的方法的优点。第一步基于总变化（TV）正则化，第二步基于稀疏表示。第一步，我们在TV正则化模型上添加一个约束以放大LR图像，同时抑制其中的噪声。在第二步中，我们提出了一种阶次变化的字典训练算法来训练以纹理细节为主的字典。实验结果表明，在噪声不严重的情况下，该算法的性能优于其他许多算法。所提出的算法还

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：2097152
    • 提供者：weixin_38555350

  1. DFDNet:通过深度多尺度分量字典进行盲脸修复（ECCV 2020）-源码

  2. 注意：此分支包含所有还原结果，包括512×512面部区域和通过将增强的面部放入原始输入的最终结果。只能生成面部结果的旧版本放在 我们提出的方法概述。它主要包括两个部分：（a）从大量具有不同姿势和表情的高质量图像离线生成多尺度分量字典。采用K均值可以在不同的特征尺度上为每个分量（即左/右眼，鼻子和嘴巴）生成K个聚类。 （b）恢复过程和字典特征转移（DFT）块，用于逐步提供参考详细信息。在此，DFT-i块采用Scale-i组件字典作为同一功能级别的参考。 （a）离线生成多尺度组件字典。 （b）我

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：18874368
    • 提供者：weixin_42138408

  1. 采用交替K-奇异值分解字典训练的图像超分辨率算法

  2. 采用交替K-奇异值分解字典训练的图像超分辨率算法

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_38607479

  1. 基于稀疏表示和多成分字典学习的超分辨率重建

  2. 针对目前基于稀疏表示模型的图像超分辨率重建方法对于边缘、纹理等细节信息保持能力有限、易产生视觉伪影的问题，提出了基于稀疏表示和多成分字典学习的超分辨率重建算法。在字典训练阶段，所提算法在利用图像形态分量分析方法构造纹理和结构字典的基础上，为了有效地提取低分辨率图像特征细节信息，对图像结构分量采用一阶二阶导数进行特征提取，对纹理分量采用 Ｇａｂｏｒ变换进行特征提取，并使用Ｌ１／２范数构造训练字典模型；而在重建阶段，为了消除重建图像块效应及模糊伪影，进一步提高重建图像的质量，采用全局约束和非局部相似

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：504832
    • 提供者：weixin_38535132

  1. 使用特定于类的字典学习进行稀疏表示和协作表示的人脸识别

  2. 近来，基于稀疏表示的分类（SRC）和基于协作表示的分类（CRC）已成功用于视觉识别，并表现出令人印象深刻的性能。 给定一个测试样本，SRC或CRC就训练样本制定其线性表示，然后为每个样本计算残留误差。 班级。 SRC或CRC假定来自每个类别的训练样本对相应类别中的字典做出同等贡献，即，字典由该类别中的训练样本组成。 但是，这导致较高的残留误差和不稳定性。 为了克服此限制，我们提出了特定于类的字典学习算法。 具体而言，通过引入字典学习的对偶形式，表示了基向量与原始图像特征之间的明确关系，这也增强了

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：2097152
    • 提供者：weixin_38562085

  1. 通过基于细节的字典学习增强摄影外观

  2. 许多边缘感知滤镜可以通过细节分解和增强来有效地增强图像的外观。 然而，由于一些可见的伪像，特别是噪声，光晕和不自然的对比度，它们通常无法产生照相增强的外观。 根本原因是在增强过程中对高质量外观的指导和约束不足。 因此，我们的想法是从许多高质量的补丁中训练出一个详细字典，以约束和控制整个外观的增强。 在本文中，我们提出了一种基于学习的图像外观增强方法，该方法包括两个主要阶段：字典训练和稀疏重建。 在训练阶段，我们构造了从一些高质量照片中提取的细节补丁训练集，然后通过迭代最小化l1范数能量函数来训练

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_38734008

  1. story-generation-eval:论文代码：“经过大量预训练的语言模型可以使讲故事的人变得更好吗？”-源码

  2. 这是CoNLL 2019论文的代码， 。 此回购包含用于下载生成的文本数据，计算其上的自动度量并在纸上绘制图的代码。 下载资料 下载并解压缩 （ ）以创建一个名为data的目录： cd story-generation-eval wget https://nlp.stanford.edu/data/gpt_analysis/data.zip unzip data.zip 关于模型生成的故事（未注释） 在data/stories_unannotated ，每个json文件都包含一个字典，其

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：556032
    • 提供者：weixin_42151373

  1. 基于字典学习的梯度重权非局部平均的强噪声图像去噪

  2. 为从强噪声图像中重构出原图像并减小误差，提出了一种基于梯度重权非局部平均的强噪声图像去噪算法。根据稀疏和冗余表示，基于K-SVD字典学习去噪算法可自适应从已知带噪图像中训练字典，但是字典固有的结构限制，导致强噪声图像去噪效果差。提出了基于字典学习的梯度重权非局部平均算法，该算法对图像结构赋予更紧约束，可以改善去噪性能。利用全变分法求解图像结构的梯度，给予图像边缘信息更高的权重，结合图像结构信息的相似性和稀疏性先验，求解优化后的逆问题。与传统字典去噪相比，所提出的算法对强噪声图像的去噪效果更好，并

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：6291456
    • 提供者：weixin_38630612
« 12 3 4 5 6 7 8 9 10 »