solution to all the even questions in Digital Image Processing 3rd ed
2021-10-19 15:04:39 1.29MB Digital Image Processing
1
哈工大最新《自然语言处理数据增强方法》综述论文,155页pdf阐述复述、噪声和抽样三大数据增强方法 数据增强(DA)是一种有效的策略,可以缓解深度学习技术可能失败的数据稀缺情况。它在计算机视觉中得到了广泛的应用,然后被引入到自然语言处理中,并在许多任务中取得了改进。DA方法的重点之一是提高训练数据的多样性,从而帮助模型更好地泛化到未见测试数据。在本研究中,我们根据扩充数据的多样性,将数据增强方法分为三大类,即复述、噪声和抽样。本文从以上几个方面对数据挖掘方法进行了详细的分析。此外,我们还介绍了它们在自然语言处理任务中的应用以及面临的挑战。 引言 数据增强(Data Augmentation,简称DA),是指根据现有数据,合成新数据的一类方法。毕竟数据才是真正的效果天花板,有了更多数据后可以提升效果、增强模型泛化能力、提高鲁棒性等。然而由于NLP任务天生的难度,类似CV的裁剪方法可能会改变语义,既要保证数据质量又要保证多样性,使得大家在做数据增强时十分谨慎。 作者根据生成样本的多样性程度,将DA方法分为了以下三种: Paraphrasing:对句子中的词、短语、句子结构做一些更改,保留原始的语义 Noising:在保证label不变的同时,增加一些离散或连续的噪声,对语义的影响不大 Sampling:旨在根据目前的数据分布选取新的样本,会生成更多样的数据
2021-10-18 22:10:51 2.24MB 自然语言处理
1
cg法matlab代码 Image-processing-test 研究方向:图像篡改检测。 2020-5-25 项目1: 压缩文件中里面有101张图片,50张原始图片,50张经过中值或均值滤波的图片, 还有一张是两者拼接出来的图片。 1)试试能不能把原始图片找出来。 2)用第一问的算法来定位拼接图片的篡改区域。 可以用任何一种语言来实现,要有算法的解释 paper 1: 项目2: 1)“ucid00001.tif”、“ucid00002.tif’,……ucid00050.tif'作为原始图像,创建对比度增强的图像。(附文件式(11)) 2)执行附件第3节的取证算法,区分原始图像和增强图像。祝你好运。 paper 2: 项目3: 附件是重采样检测的先驱工作。尝试尽可能多地实现它,并找出在附加数据集中对哪些图像进行了重新采样(50幅原始图像和50幅重新采样)。 为了使任务更容易,您不需要估计Alpha。您可以直接使用(25)中的Alpha*。对于数据集,缩放因子在1.1和2之间,不旋转。 paper 3: 项目4: 随附50张.tif图像,这些图像之前已进行JPEG压缩。 将它们与uci
2021-10-18 20:52:34 17.85MB 系统开源
1
Depix是用于从像素化屏幕快照中恢复密码的工具。 Depix Depix是用于从像素化屏幕快照中恢复密码的工具。 此实现适用于使用线性框滤镜创建的像素化图像。 在本文中,我将介绍有关像素化和类似研究的背景信息。 示例python depix.py -p images / testimages / testimage3_pixels.png -s images / searchimages / debruinseq_notepad_Windows10_closeAndSpaced.png -o output.png用法将屏幕快照中的像素化块切成一个矩形。 贴上De B
2021-10-18 15:30:29 788KB Python Image Processing
1
ESRGAN:增强的超分辨率生成对抗网络 用于图像超分辨率的Pipeine任务基于经常引用的论文(Wang Xintao等人),于2018年发布。 简而言之,图像超分辨率(SR)技术可从观察到的较低分辨率(LR)图像重建高分辨率(HR)图像或序列,例如将720p图像放大为1080p。 解决此任务的常用方法之一是使用能够从LR图像中恢复HR图像的深度卷积神经网络。 而ESRGAN(增强型SRGAN)就是其中之一。 ESRGAN的要点: 基于SRResNet的架构,带有残存残存块; 上下文,感性和对抗性损失的混合体。 使用上下文损失和感知损失来进行适当的图像放大,而对抗损失则使用鉴别器网络将神经网络推向自然图像流形,该鉴别器网络经过训练以区分超分辨图像和原始照片级逼真的图像。 技术领域 作为深度学习任务的管道运行者的Catalyst 。 这个新的,发展Swift的。 可以大大减少样板代
1
THE CONTEXT OF PARALLEL PROCESSING The field of digital computer architecture has grown explosively in the past two decades. Through a steady stream of experimental research, tool-building efforts, and theoretical studies, the design of an instruction-set architecture, once considered an art, has been transformed into one of the most quantitative branches of computer technology. At the same time, better understanding of various forms of concurrency, from standard pipelining to massive parallelism, and invention of architectural structures to support a reasonably efficient and user-friendly programming model for such systems, has allowed hardware performance to continue its exponential growth. This trend is expected to continue in the near future. This explosive growth, linked with the expectation that performance will continue its exponential rise with each new generation of hardware and that (in stark contrast to software) computer hardware will function correctly as soon as it comes off the assembly line, has its down side. It has led to unprecedented hardware complexity and almost intolerable dev- opment costs. The challenge facing current and future computer designers is to institute simplicity where we now have complexity; to use fundamental theories being developed in this area to gain performance and ease-of-use benefits from simpler circuits; to understand the interplay between technological capabilities and limitations, on the one hand, and design decisions based on user and application requirements on the other.
2021-10-17 22:50:16 3.43MB parallel
1
Digital Signal Processing
2021-10-17 21:46:15 174KB Digital Signal Processing
1
基于processing实现的数据可视化,用户做出的测试结果保存在表格中,程序可读取数据并绘制出图像,与鼠标进行交互,鼠标放上去时显示具体分数。增加了平均值与标准差,把浮动直接加于平均值上绘制
2021-10-17 20:25:11 224KB processing 卡特尔 数据可视化
1
一个用processing写得小程序,相互学习,请指教
2021-10-17 04:32:19 2KB processing 贪食蛇
1
[Alan.V.Oppenheim].Discrete.Time.Signal.Processing.Solutions.Manual.2nd.Ed.[Prentice.Hall].1999
2021-10-16 23:20:55 7.56MB DSP
1