细节增强的matlab代码循环除雾：增强的CycleGAN，用于单图像除雾
该存储库是我们针对的项目。
发表在CVPR
2018
Workshop。
如果对您的研究有所帮助，请引用我们的论文。
@inproceedings{engin2018cycle,
title={Cycle-Dehaze:
Enhanced
CycleGAN
for
Single
Image
Dehazing},
author={Engin,
Deniz
and
Gen{
\c
{c}},
An{
\i
}l
and
Ekenel,
Haz{
\i
}m
Kemal},
booktitle={The
IEEE
Conference
on
Computer
Vision
and
Pattern
Recognition
(CVPR)
Workshops},
year={2018}
}
模型架构
先决条件
TensorFlow
1.4.1或更高版本
的Python
3
的MATLAB
我们的代码已在带有Titan
X
GPU的Ubuntu
16.04环境下进行了测试。
演示版
测试Track
1的模型：室内
sh
de
2022-03-24 21:41:20
180.24MB
1
去噪声代码matlab
双线性除雾网络
这是使用成分损失进行除雾的双线性网络的matlab代码。
训练数据准备我们使用NYU2数据集。
从网站“”下载它们。
使用“
gnerate_hazy_img_noise.m”生成朦胧的噪声图像。
使用“
gnerate_hazy_img_nyu.m”生成模糊无噪声的图像。
然后使用“
generate_train.m”制作训练数据。
注意“文件夹”，“模糊”和“深度”分别用于清晰的地面真实图像，模糊图像和深度图。
将它们更改为您自己的路径。
培训使用train.m开始培训。
损失函数vl_nnhazerobustloss.m
--->本文使用的L2范数损失。
vl_nnhazesquareloss_non_noise.m
--->本文中用于无噪声训练的L2范数损失。
测试使用“
demo_test.m”查看经过训练的模型的去雾和去噪结果。
2022-03-11 12:42:28
66.95MB
1
针对低信噪比信号的去噪问题，提出了一种基于经验模态分解的小波阈值去噪方法，并与小波变换去噪法的效果相比较。试验结果证明，当信号的信噪比较小时，基于经验模态分解的小波阈值去噪效果是相当有效和稳定的，为研究环境脉动下结构的输出信号去噪处理提供了新的手段。
2022-03-09 15:44:23
404KB
1
bbRobotEsp32
一个使用PID算法和MPU6050传感器控制其倾斜度的自平衡机器人，除螺钉外，所有非电子零件均在3d打印机上打印。
学分
该机器人是由JJRobots根据B机器人EVO2的STL创建的： ，除轮胎外的所有部件均印刷在PLA中，我对组件的基础进行了小幅改动，以便能够旋入ESP32和MPU6050和保险杠。
用TPU印刷，TPU是可抓地的柔性细丝。
而且我使用了。
原始代码使用的板上有两个微控制器，用于通过Wi-Fi进行通信的esp12-e和用于Arduino Zero的ATSAMD21G18，负责处理来自传感器的信号并进行控制。 所使用的代码是ESP32的改编版，其中已修改了电动机驱动器的定时器，并且通信，处理和控制已合并为一个微控制器： 。
包含有关机器人，控制和开发的信息的对于了解机器人的原理和操作非常有用。
角度传感器
使用的传感器是MPU6050
2022-03-05 10:38:44
6.39MB
1
在matlab中直接运行程序，将会显示包含谐波的时域、频域图，设计一个滤波器，滤除谐波，得到滤除谐波后的图形。
2022-02-25 14:06:24
1KB
1