RealSR ncnn Vulkan ncnn通过内核估计和噪声注入超分辨率实现真实世界的超分辨率。 realsr-ncnn-vulkan使用作为通用神经网络推理框架。 下载适用于Intel / AMD / Nvidia GPU的Windows / Linux / MacOS可执行文件 该软件包包括所需的所有二进制文件和模型。 它是可移植的,因此不需要CUDA或Caffe运行时环境:) 关于RealSR 通过内核估计和噪声注入实现真实世界的超分辨率(CVPRW 2020) 纪小中,曹云,泰英,王成杰,李吉林和黄飞跃 腾讯优途实验室 我们的解决方案在两个赛道上均获得了CVPR NTIRE 2020真实世界超高分辨率挑战赛的冠军。 用法 示例命令 realsr-ncnn-vulkan.exe -i input.jpg -o output.png -s 4 完整用法 Usage: re
2021-10-29 18:51:36 61.87MB amd gpu vulkan intel
1
引言 AK7604是一款音频处理器,支持高分辨率声源的播放, 专为汽车音响系统中的高分辨率音乐源而进行优化处理。 AK7604采用了AK7738的DSP内核,功能经过优化和精简,仅使用AK7604中必要的音频模块。AK7604是AK7602的后继产品, 适用于入门级或消费级的汽车音响/导航系统。 01 产品优点 用于汽车主机的音频处理器,支持汽车音响系统中高分辨率音乐源的播放 来自AK7738的DSP内核,音频I / O,A / D转换器和D / A转换器的部分规格 支持28位简单浮点运算,并行操作能力为2560步/ fs(48kHz采样时)音频处理参数可以轻松调整(例如,EQ,Bass,Compressor和Loudness可以通过带图形用户接口的开发工具直观地调整GUI) 集成了一个立体声ADC,三个立体声DAC和四个同步立体声SRC 集成了麦克风放大器和麦克风偏置电路,节省了电路板空间 接受来自数字设备的外部输
2021-10-29 17:37:09 175KB 文章 技术应用 汽车电子
1
qt获取多个屏幕的分辨率信息,循环检测屏幕,并将获取到的屏幕信息提取,分辨率,刷新率
2021-10-28 00:24:11 3KB qt 屏幕 分辨率
1
4.1 设置默认输出分辨率 在板级 dts 文件的 hdmi 节点里添加 rockchip,defaultmode = ,值可 以在 rockchip-hdmi.h 的 hdmi_video_infomation_code 中查到相应值。例如,设置默认分
2021-10-27 19:45:50 409KB RK3288 HDMI
1
合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。
1
针对小白,包运行。文件包含数据集,解压后放到D盘。在终端运行README中train或者test部分的内容。最好使用绝对路径,其中的参数num_works 8为进程数,一般电脑改为0即可。只需要4积分,四舍五入就是白送啊。包运行。有问题联系博主,看到私信会回复。
2021-10-26 17:06:02 74.6MB SRCNN SR 图像超分 超分辨率
1
介绍了四能级系统的受激辐射耗尽(STED)荧光显微镜的基本原理。按照时间顺序介绍了面包圈型耗尽光焦斑的实现方法。对于横向分辨率的改善,最初使用了光路偏移法,后来发展到均分相位板法,再到成熟的螺旋相位板法;另外还介绍了半波相位板法对轴向分辨率的改善。从宽带光源激发、连续光源激发、多色多通道、快速成像和双光子激发等方面综述了受激辐射耗尽荧光显微镜实验装置的逐步完善。最后展望了受激辐射耗尽荧光显微镜的发展前景。
2021-10-26 16:49:13 7.97MB 显微术 超分辨 受激辐射 分辨率
1
matlab人头检测的代码ArCO 免责声明 分发该程序是希望它会有用,但是没有任何保证; 甚至没有对适销性或特定用途适用性的暗示保证。 随意将此代码用于学术目的。 请使用下面提供的引用。 该代码的测试部分在Matlab 2009b上的Intel Xeon(R)CPU E5440 @ 2.83 GHz 8 GB RAM上,每个图像花费0.05秒。 该代码在计算上最昂贵的部分是学习阶段Y_train_light.m 表现 给定50x50的图像,此代码将执行基于补丁的头部姿势检测。 如果您有任何问题,请给我发电子邮件 数据 演示代码和图像提供 有一个完整的脚本可用于学习和测试ARCO: 下载数据。 Z_ARCO.m:这是主要脚本。 它能够在黎曼流形上学习和测试多类Logitboost分类器。 变量“ experiment”(在Z_ARCO.m中)包含存储此框架的所有预先计算的部分的路径。 为了显示该框架的一些定性结果,仅分类结果未计算。 如果要在完整的测试集上测试此框架,只需将变量“ test_dir”从“ ./QML4PoseHeads/test_demo”更改为“ ./QML4Pose
2021-10-26 15:50:21 23KB 系统开源
1
高分辨率ADC应用中的闭环增益误差和闭环带宽限制的考虑.docx
2021-10-26 15:01:38 150KB 技术方案