图像去噪是图像处理中的基本问题, 目标是从含噪
的观测图像估计出理想图像, 通常这是一个不适定的反
问题, 大量文献对该问题进行了深入的研究, 不过主要
针对的是加性高斯白噪声, 然而在光量子计数成像系统
中, 如 CCD 固态光电检测器阵列、天文成像、计算 X 射
线成像(CR) 、荧光共焦显微成像等等, 获取的图像往往
受到量子噪声的污染, 量子噪声服从泊松分布的统计法
则, 并非加性噪声, 且噪声强度与方差是信号依赖的, 统
计上, 亮度大的像素受到更多的干扰, 因此去除泊松噪
声是一个困难的任务.
2022-05-09 23:44:28
285KB
1
使用VB6.0开发的正则表达式验证小工具,体积超小只有72KB.
支持 全局搜索
支持 大小写敏感匹配
支持 替换功能
这个是工具, 正则表达式的匹配与开发使用的语言无关。
2022-05-09 19:39:58
72KB
1
学形势语言与自动机时的期中作业，用Python写的，注释多，还有程序说明和实验报告，欢迎学弟学妹们下载
2022-05-06 11:42:58
430KB
1
弱监督的CNN分割的正则损失（rloss）
（Caffe和Pytorch）
为了使用弱监督（例如，涂鸦）训练CNN进行语义分割，我们提出了规则化的损失框架。 损失包括两个部分，即涂抹时的部分交叉熵（pCE）损失和正则化损失（例如DenseCRF）。
如果您在此处使用代码，请引用以下论文。
“关于弱监督的CNN分割的规则损失” ，（ ，（ ，（ ，（ ） 在2018年9月于德国慕尼黑举行的欧洲计算机视觉会议（ECCV）上。
DenseCRF丢失
要包括CNN的DenseCRF损失，请添加以下损失层。 它有两个底部斑点，第一个是RGB图像，第二个是软分割分布。 我们需要为XY（bi_xy_std）和RGB（bi_rgb_std）指定高斯内核的带宽。
layer {
bottom: "image"
bottom: "segmentation"
propagate_
2022-05-06 00:09:41
8.35MB
1
使用MySQL+jsp+正则验证身份证、电话号码、邮箱格式是否正确，验证用户名是否被注册，验证密码是否正确，登录错误次数过多锁住账户一天。
2022-05-05 13:05:23
5.44MB
1
Deep AI 吴恩达深度学习课后检验题-02.改善深层神经网络：超参数调试、正则化以及优化
2022-05-04 21:06:42
55.95MB
1
正则化方法小结.pdf 内容丰富！
正则化方法小结.pdf 内容丰富！
正则化方法小结.pdf 内容丰富！
正则化方法小结.pdf 内容丰富！
正则化方法小结.pdf 内容丰富！
2022-05-04 21:06:32
1KB
1
前言
最近工作中遇到一个需求，需要在正则匹配页面中，所有可能存在的 form 表单的元素，可能有 input，action,select,textarea等等所有可能的元素，本文给出一个代码示例。感兴趣的朋友们可以参考学习。
实例代码如下
假设页面 1.html 的网页源代码是：
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<title>一个含有 form 表单的登录注册页面</title>
<style type="text/css">
*{padding:0;margin:0;font-size:12px;}
2022-05-04 00:29:43
62KB
1