softmax-splatting
这是softmax splatting运算符的参考实现，已在使用PyTorch的用于视频帧插值的Softmax splatting [1]中提出。 Softmax喷溅是一种有积极性的方法，可用于区分前向翘曲。它使用平移不变重要性度量来消除多个源像素映射到同一目标像素的情况的歧义。如果您要利用我们的工作，请引用我们的论文[1]。
设置
softmax喷溅是使用CuPy在CUDA中实现的，这就是为什么CuPy是必需的依赖项的原因。可以使用pip install cupy安装它，也可以使用CuPy存储库中概述的提供的二进制程序包之一进行pip install cupy 。
提供的示例脚本正在使用OpenCV加载和显示图像，以及读取提供的光流文件。安装适用于Python的OpenCV一种简单方法是使用pip install opencv-contrib-pyth
2021-10-25 19:21:13
1.05MB
1
DeepSpeed: System Optimizations Enable Training Deep Learning Models with Over 100 Billion Parameters
2021-10-25 18:13:17
774KB
1
YOLO
尝试使用YOLO网络摄像头。
步骤1：下载并将其保存到model_data/ 。
第2步：运行video.py 。
步骤3：尽情享受！
2021-10-25 16:20:03
110KB
1
【深度学习】
适合于深度学习课程教案
@标特科技 版权所有，禁止商务用途。
#发展历史
神经网络>>深度学习(2006，Hinton等)
# 深度学习理论
> 自下而上的非监督学习
> 自顶向下的 _监督学习
> 激励函数
> 特征表达
# 典型模型
用于大数据分析：
> 稀疏自动编码器(SAE)
> 限制波尔兹曼机(RBM)
> 深信度网络(DBN)
用于图像分析[重点]：
> 卷积神经网络(CNN)
# 典型SDK
> Caffe
> TensorFlow
> MXNet
...
2021-10-25 16:09:19
9.42MB
该存储库包含用于训练最新技术的心脏分割网络的代码，如本文所述：。 修改后的U-Net架构在MICCAI 2017 赛中获得第三名。
作者：
克里斯蒂安·鲍姆加特纳（）
丽莎·科赫（）
如果您发现此代码对您的研究有所帮助，请引用以下文章：
@article{baumgartner2017exploration,
title={An Exploration of {2D} and {3D} Deep Learning Techniques for Cardiac {MR} Image Segmentation},
author={Baumgartner, Christian F and Koch, Lisa M and Pollefeys, Marc and Konukoglu, Ender},
journal={arXiv preprint arXiv:1709.044
2021-10-25 14:22:43
51KB
1
语义KITTI的API
此存储库包含帮助程序脚本，用于打开、可视化、处理和评估来自 SemanticKITTI 数据集的点云和标签的结果。
链接到原始数据集
链接到。
链接到 SemanticKITTI 基准。
链接到 SemanticKITTI MOS 基准（在 SemanticKITTI 网站添加 MOS 后可能会删除）。
序列 13 中的 3D 点云示例：
序列 13 中的 2D 球面投影示例：
用于语义场景完成的体素化点云示例：
数据组织
数据按以下格式组织：
/kitti/dataset/
└── sequences/
├── 00/
│ ├── poses.txt
│ ├── image_2/
│
2021-10-24 16:24:15
66KB
1
数据融合matlab代码很棒的遥感深度学习
在这个项目中，我们将开源一些用于遥感分析任务的基线代码，例如语义分割，场景分类，对象检测和图像字幕。我们还将收集一些可用于遥感图像研究和开发的公共数据集。分析。
公共遥感数据集
基线代码（语义分割/场景分类/对象检测/图像字幕）
OpenSoure代码
关于遥感的补充
公共遥感数据集
1，语义分割
6种城市土地覆盖物类别，光栅蒙版标签，4波段RGB-IR航拍图像（0.05m分辨率）和DSM，38个图像斑块
类别
指数
标签
颜色
1个
防渗表面
255、255、255
2个
建造
0、0、255
3
低植被
0、255、255
4
树
0、255、0
5
车
255、255、0
6
杂波/背景
255，0，0
下载
10种土地覆盖类别，从农作物到小型车辆，57张1x1km图像，3/16波段Worldview
3图像（0.3m-750m分辨率），Kaggle内核
10个土地覆盖类别，2017年高云Sentinel-2图像的时间堆栈（R，G，B，NIR，SWIR1，SWIR2;
10
m分辨率），带云罩，斯洛文尼亚官方土地使用土地覆盖层作为地面实
2021-10-23 21:13:20
286KB
1
梯度集中TensorFlow
这个Python套件在TensorFlow中实现了梯度集中，这是Yong等人建议的一种简单有效的针对深度神经网络的优化技术。 。 它既可以加速训练过程，又可以提高DNN的最终泛化性能。
安装
运行以下命令进行安装：
pip install gradient-centralization-tf
用法
为指定的优化器创建集中式渐变函数。
参数：
optimizer ：一个tf.keras.optimizers.Optimizer object 。 您正在使用的优化程序。
例子：
>> > opt = tf . keras . optimizers . Adam ( learning_rate = 0.1 )
>> > optimizer . get_gradients = gctf . centralized_gradients_for_optimize
2021-10-23 17:29:24
224KB
1