基于解析方法的SAT求解器 HSE算法和软件设计离散数学课程中的家庭作业项目。 基于解析工具。 任务描述 给定2-CNF中的布尔公式，请使用解析方法确定是否可满足要求。 2-CNF的子句可以是以下两种形式之一：α\ /β或α->β，其中α和β是文字（p或〜p，其中p是变量）。 CNF以常用符号表示，例如：（p-> q）/ \（〜r \ / s）/ \（〜q-> p） 例 $ python hw_ply.py input > (p -> q) /\ (~r \/ s) /\ (~q -> p) Resolution: (~p\/q)/\(~r\/s)/\(q\/p)/\(None\/q) Sat

SRGAN-PyTorch 该资源库包含在纸上的非官方pyTorch实施SRGAN也SRResNet的，CVPR17。 我们密切关注原始SRGAN和SRResNet的网络结构，培训策略和培训设置。 我们还CVPR16将子像素卷积层实现为。 也分享了对该存储库的贡献。 许可和引文 所有代码和其他材料（包括但不限于表格）仅用于学术研究目的，不提供任何担保。 任何商业用途都需要我们的同意。 如果我们的工作对您的研究有所帮助，或者您在研究中使用了代码的任何部分，请适当确认： @InProceedings{ledigsrgan17,    author = {Christian Ledig and Lucas Theis and Ferenc Huszár and Jose Caballero and Andrew Cunningham and Alejandro Acosta and

LIIF 该存储库包含以下论文中介绍的LIIF的正式实现： ，，CVPR 2021（口服） 带有视频的项目页面位于 。 引文 如果您发现我们的工作对您的研究有用，请引用： @article{chen2020learning, title={Learning Continuous Image Representation with Local Implicit Image Function}, author={Chen, Yinbo and Liu, Sifei and Wang, Xiaolong}, journal={arXiv preprint arXiv:2012.09161}, year={2020} } 环境 的Python 3 火炬1.6.0 TensorboardX yaml，numpy，tqdm，imageio 快速开始 下载DIV2K预训练模

HRNet-High-Resolution Representations for Labeling Pixels and Regions.pdf

TJU-DHD数据集（物体检测和行人检测） 这是“ ”的官方网站，这是一个新建的用于目标检测和行人检测的高分辨率数据集。 115k +图像和700k +实例 场景：交通和校园，任务：物体检测和行人检测 高分辨率：图像分辨率至少为1624x1200像素，物体高度从11像素到4152像素。 多样性：外观，比例，照度，季节和天气差异很大 行人检测的跨场景评估和同场景评估 如果您对行人检测感兴趣，请参阅或。 目录 2.1 2.2 3.1 3.2 4.1 4.2 4.3 TJU-DHD行人 引文 测试集评估 接触 1.简介 在自动驾驶汽车和视频监控的感知模块中，车辆，行人和骑行者是最重要和最有趣的对象。 但是，检测这种重要物体（尤其是小物体）的最新性能远远不能满足实际系统的需求。 大规模，丰富多样的高分辨率车辆和行人数据集在开发更好的目标检测方法以满足需求方面起着重要作用。 从网站收集的

Image-Super-Resolution, 在Keras中，超分辨率CNN的实现 Keras 2 中的图像超分辨率利用深度卷积网络实现Keras中图像超分辨率CNN的实现。还包含上述模型的模型，称为扩展超分辨率，Denoiseing自动编码器SRCNN优于上述模型。设置支持带有Theano和Tensorflo

超级采样抗锯齿全屏幕及相机效果着色器Unity游戏素材资源

8FSK信号的频率分辨率，能否看到载频处的尖峰

固态继电器 PyTorch实施具有梯度引导的保留结构超分辨率（CVPR 2020）[ ] [ ] 如果您发现我们的工作对您的研究有用，请考虑引用： @inproceedings{ma2020structure, title={Structure-Preserving Super Resolution with Gradient Guidance}, author={Ma, Cheng and Rao, Yongming and Cheng, Yean and Chen, Ce and Lu, Jiwen and Zhou, Jie}, booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)}, year={2020} } 依存关系 P

光谱匹配Matlab代码多分辨率光谱图匹配 该函数执行图匹配算法，该方法在VictorGonzálezNavarro和Antonio Ortega撰写的“通过多分辨率方法进行光谱图匹配”中进行了解释。 如果您使用该代码，请提供以下引用。 V.González和A. Ortega，“多分辨率光谱图匹配”，2019年IEEE国际图像处理会议（ICIP），台湾台北，2019年，第2319-2323页。 论文链接： 要使用此代码，您需要下载并安装以下库：绘制图形。 我们已经在Matlab 2017上成功运行了此代码。 如果图形数据可用并已加载，则该算法可以直接在“ MAIN.m”文件中运行。 如果没有数据，则可以使用“ generate_graph.m”文件生成一对图形。 其余文件为次要功能，必须与“ MAIN.m”文件放在相同的文件夹中。 我们在本文中用于比较的其他图形匹配算法在“其他SGM算法”文档中。