为了在红外与可见光图像融合中充分利用中间层提取的信息,防止信息过度丢失,提出一种新的基于卷积自编码器和残差块的图像融合方法。该方法采用由编码器、融合层和解码器三部分组成的网络结构。将残差网络引入编码器中,将红外与可见光图像分别送入编码器后,通过卷积层和残差块来获取图像的特征图;将得到的特征图采用改进的基于L1-norm的相似度融合策略进行融合,并将其整合为一个包含源图像显著特征的特征图;重新设计损失函数,利用解码器对融合后的图像进行重构。实验结果表明,与其他融合方法相比,该方法有效地提取并保留了源图像的深层信息,融合结果在主观和客观评价中都有着一定的优势。

这是一款可由用户灵活自定义规格定义项和编码规则的自动编码系统，支持16段规格定义项(8段特项和8段自定义项)和10段信息的编码（如：大类+小类+特项规格+自定义规格+供应商代码），适用于所有行业的所有物料编码，为未来的物联网和“共享智造”提供规范入口。 其中包含五大管理模块： 1. 用户管理（含权限管理） 2. 编码规则管理（可根据各行业产品特点自由设计） 3. 客商信息管理 4. 特项管理（用于封闭式防呆编码） 5. 编码管理（重复性识别与自动编码） 每个模块都支持查询（有精确和模糊搜索）、新增、修改、删除功能，操作非常简单！ 用户名和密码都是：admin

编码规范

自動控 設計

北京市房屋租赁合同自行成交版BF——2020—— 0603北京市建设委员会，北京市工商行政管理局，二 〇二零年五月修订

这是稀疏自编码器编程的大致过程，便于初学者掌握它的基本步骤，具体代码会后续传上。尽请期待。

CS294A Lecture notes Sparse autoencoder，Andrew Ng，Stanford University

使用matlab实现了两层堆栈去噪自编码器/SDAE网络。没有使用deep learninng的任何工具箱，对于理解网络架构和训练过程很有帮助

实现堆叠降噪自编码器功能，以tensorflow中的mnist数据集为例，python2.7

稀疏自编码器的MATLAB代码实现，按照UFLDL教程给出的教程进行补充编写。