通过学习功能金字塔来培训ImageNet和PASCAL VOC2012 该代码由提供（也提供了）。 中山大学（SYSU） 目录 介绍 该存储库通过学习功能金字塔（LFP）包含和上的培训和测试代码。 LFP最初用于人体姿势机器，在论文“学习用于人体姿势估计的特征金字塔”（ ）中进行了描述。 我们将其扩展到语义图像分割。 结果 细分可视化： （a）输入图像； （二）细分结果。 （a）图像和事实真相； （b）学习特征金字塔的三图； （c）原始ResNet的三图。 在PASCAL VOC2011细分排行榜上，它达到了81.0％的mIoU，比其基准DeepLabV2（79.6％）有了显着提高。 影像网 训练脚本： cd pyramid/ImageNet/ python imagenet-resnet.py --gpu 0,1,2,3,4,5,6,7 --data_form

金字塔固定资产管理系统包括资产增加、变更、报废、毁损、折旧、借出、 归还、分配使用部门、使用部门变更、管理人员设定、资产在部门间调换、 各种报表打印、组合查询等。对于每一件固定资产都可以查询出该资产从购入、入帐、投入使用、使用部门、折旧情况、以至退出使用的全部信息都可以有详尽地记录。动态查询功能可以保证管理人员在第一时间掌握全面的信息资料，资产成批打印，修改，删除，折旧可以减少大量重复劳动并保证了数据的准确 性。自动报表编制打印迅速准确，可以节约大量手工编制报表的时间。金字塔固定资产管理系统将原来分散的管理信息集中起来，组合成为一个具有整体功能的管理平台。

金字塔固定资产管理软件破解版金字塔固定资产管理软件破解版金字塔固定资产管理软件破解版金字塔固定资产管理软件破解版

为解决现有去雾算法中存在的透射率过估计、天空区域颜色失真、实时性差等问题,提出了一种基于金字塔模型的快速高效实时视频去雾算法。采用金字塔向下采样获取缩小后的图像,引入伪去雾图像与暗原色置信度作为修正因子,获取缩小图像的粗透射率;然后将缩小图像还原至初始尺寸,利用联合双边滤波对纹理进行细化;最后结合大气光散射模型及帧间视频去雾理论复原降质视频。实验结果表明,该算法的去雾效果彻底,可对多种场景进行有效去雾。相比其他算法,本算法的峰值信噪比和平均结构相似性分别提高了20.153%和14.056%,且处理快速、运行稳定,可用于实时视频去雾。

C++ /GDAL 影像金字塔创建工具，可以通过读取影像数据，快速创建影像金字塔

Matlab代码金字塔深度拉普拉斯金字塔网络，可实现快速，准确的超分辨率（CVPR 2017） ， ， ， 和 IEEE计算机视觉和模式识别会议，CVPR 2017 目录 介绍 拉普拉斯金字塔超分辨率网络（LapSRN）是一个渐进式超分辨率模型，可在从粗到细的拉普拉斯金字塔框架内对低分辨率图像进行超分辨率。 我们的方法是快速的，并且在针对4x和8x SR的五个基准数据集上实现了最先进的性能。 有关更多详细信息和评估结果，请查看我们的和。 引文 如果您发现对您的研究有用的代码和数据集，请引用： @inproceedings{LapSRN, author = {Lai, Wei-Sheng and Huang, Jia-Bin and Ahuja, Narendra and Yang, Ming-Hsuan}, title = {Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution}, booktitle = {IEEE Conferene on Computer Vision and Pattern

PyTorch中的级联金字塔网络（CPN） 这是CPN的PyTorch重新实现。 参考：

使用金字塔分解和迭代细化，计算OF。 包括一个演示和一篇彻底解释该方法的论文。

可控制的金字塔 可控金字塔的PyTorch实现 需要来自pytorch_fft。

可以实现金字塔加速处理模板匹配，vs2015+opencv3.30.