基于AODNet的图像雾度去除 在Pytorch中使用AODNet去除单图像雾霾 在ICCV 2017上实施Boyi Li的论文 。 内容 相依性 Python 3.6或更高版本 火炬== 1.7.1 枕头== 5.1.0 numpy的= = 1.14.3 matplotlib == 2.2.2 用法 使用方法:下载整个项目并运行inference.py 文件夹./saved_models:保存经过训练的模型的位置,文件为.pth格式。 ./data/gt文件夹: groundtruth(无雾图像)。 文件夹./data/hazy:训练数据的相应模糊图像。 文件夹./test_images:出现在原始纸张中的一些测试图像。 data.py:用于加载训练数据的函数。 train.py:使用保存在文件夹./data/中的训练数据从头开始训练新的AODNet。 model.py:A
2021-11-28 19:36:17 11.62MB Python
1
使用此代码模拟基本的微观结构演变。 这是一个相当古老的代码。 将很快在 2D 和 3D 中发布更新的代码。 此版本使用环绕边界条件,与新代码相比,计算速度稍慢。 但是,我正在对较新的版本进行一些更改。 所以,当心新版本.. :)
2021-11-25 21:21:53 1.09MB matlab
1
路由是把信息从源穿过网络传递到目的的行为,在路上,至少遇到一个中间节点。路由通常与桥接来对比,在粗心的人看来,它们似乎完成的是同样的事。它们的主要区别在于桥接发生在OSI参考协议的第二层(链接层),而路由发生在第三层(网络层)。这一区别使二者在传递信息的过程中使用不同的信息,从而以不同的方式来完成其任务。
2021-11-24 21:54:09 14.95MB Router
1
分享了湍流优化算法Turbulent Flow of Water-based Optimization源代码及其原文,亲测有效,更多算法可进入空间查看
基于MCNN的_HSI_分类 文件 MCNN-CP:使用混合卷积和协方差合并的高光谱图像分类(TGARS 2021) MCNN-PS和Oct-MCNN-PS:使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类(已提交TGARS) 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器,32 GB RAM和NVIDIA GTX1650图形卡,Python 3.6,tensorflow_gpu-1.14.0,Keras-2.2.4,CUDA 10.0, cuDNN 7.6。 请在运行此代码之前安装相关的库: pip install -r requirements.txt 2.下载日期集: IP:, UH: 上: SA:和 并将它们放入数据目录。 3.下载模型(加载模型): 代码:caor 并将它们放到models目录中。 4.下载pretrai
2021-11-24 09:05:35 8KB Python
1
基于 Hyperledger-Fabric-Access-Control 欢迎来到。 该项目旨在调解来自中央系统的访问控制流,增强可审计性和访问控制策略执行。 它阻止非法访问,因为系统管理员无法篡改访问日志(如果适用)。 纸 该项目产生了一篇科学论文,目前可在 arXiv 获得: : 先决条件 确保安装了以下工具: NodeJS ^10.15(用 10.18.1 测试) 码头工人(最新) Docker-compose(最新) 安装步骤 安装和 。 注意:使用curl -sSL https://bit.ly/2ysbOFE | bash -s -- 2.0.0 1.4.4 0.4.18安装 Fabric v2.0 curl -sSL https://bit.ly/2ysbOFE | bash -s -- 2.0.0 1.4.4 0.4.18 curl -sSL https://
2021-11-23 20:07:17 711KB HTML
1
基于物理的渲染 通过路径跟踪以物理方式渲染3D场景。 光与表面的相互作用通过双向反射分布函数(BRDF)进行评估。 —硕士论文2013/14 加速结构:BVH 无堆栈遍历。 每个叶节点1或2个面。 存在在构建过程中使用空间分割的代码,但似乎有问题。 不应该使用。 要求 操作系统: Linux 虽然也应该可以在其他平台上构建和运行它。 我只是从未尝试过。 硬件:具有OpenCL 1.1和OpenGL 3.1功能的GPU 仅在NVIDIA上进行过测试。 库/标题 freeglut3-dev libboost-dev libdevil-dev libglew开发 libglm开发 libqt5core5a libxi-dev libxmu-dev 标题 NVIDIA和OpenCL 如果在使NVIDIA硬件与OpenCL配合使用时遇到问题(根据我的经验,这很可能),这是一些解
2021-11-23 11:39:16 3.17MB c-plus-plus master-thesis gpu global-illumination
1
《Physically Based Rendering: From Theory to Implementation》第三版的配套源代码。
2021-11-23 09:39:35 1.42MB PBR
1
A Cognition Based Attention Model for Sentiment Analysis.zip
2021-11-22 09:08:47 175KB NLP eye-tracking
1
一个基于DHT的简单P2P文件系统
2021-11-22 04:29:44 9KB Java
1