上传图片-php-and-mysql 使用 PHP 和 mysql 数据库上传图像并显示出来。 使用 Upload-image-php-and-mysql.sql 创建表 在第 9 行的 show.php 文件中连接 Mysql db。 你已准备好出发。
2021-12-04 14:28:49 4KB PHP
1
AnimeGAN生成对抗网络的一种简单的PyTorch实现,专注于动漫头像绘制。 随机生成的图像图像是从在143,000个动漫人物AnimeGAN上训练的DCGAN模型生成的,该游戏是Generative Adversarial Networks的简单PyTorch实现,着重于动漫头像。 随机生成的图像图像是从DCGAN模型中生成的,该模型在143,000个动漫角色脸上训练了100个历元。 图像插值操纵潜在代码,可以实现从第一行到最后一行的图像过渡。 原始图像图像不干净,可以观察到一些离群值,这会降低生成图像的质量。 用法
2021-12-04 10:57:18 16.05MB Python Image Processing
1
matlab加密代码文本到图像加密MATLAB encryption.m: 一种使用字符串的ascii码作为像素颜色将字符串加密成图像的函数。 DEcryption.m: 另一个将图片解密为原始字符串的功能。
2021-12-03 22:49:35 1KB 系统开源
1
Details Title: Digital Image Processing, 4th Edition Author: Rafael C. Gonzalez, Richard E. Woods Length: 1192 pages Edition: 4 Language: English Publisher: Pearson Publication Date: 2017-03-30 ISBN-10: 0133356728 ISBN-13: 9780133356724 Sales Rank: #680902 (See Top 100 Books) Categories Computers & Technology Engineering & Transportation Engineering Textbooks Description Introduce your students to image processing with the industry’s most prized text For 40 years, Image Processing has been the foundational text for the study of digital image processing. The book is suited for students at the college senior and first-year graduate level with prior background in mathematical analysis, vectors, matrices, probability, statistics, linear systems, and computer programming. As in all earlier editions, the focus of this edition of the book is on fundamentals. The 4th Edition, which celebrates the book’s 40th anniversary, is based on an extensive survey of faculty, students, and independent readers in 150 institutions from 30 countries. Their feedback led to expanded or new coverage of topics such as deep learning and deep neural networks, including convolutional neural nets, the scale-invariant feature transform (SIFT), maximally-stable extremal regions (MSERs), graph cuts, k-means clustering and superpixels, active contours (snakes and level sets), and exact histogram matching. ?Major improvements were made in reorganizing the material on image transforms into a more cohesive presentation, and in the discussion of spatial kernels and spatial filtering. ?Major revisions and additions were made to examples and homework exercises throughout the book. For the first time, we added MATLAB projects at the end of every chapter, and compiled support packages for you and your teacher containing, solutions, image databases, and sample code. The support materials for this title can be found at www.ImageProcessingPlace.com
2021-12-03 22:33:35 85.78MB CV 计算机视觉 图像处理 ImageProcessing
1
Paperback: 256 pages Publisher: Packt Publishing - ebooks Account; 2nd Revised edition edition (November 30, 2015) Language: English ISBN-10: 1785889834 ISBN-13: 978-1785889837
2021-12-03 21:38:51 3.7MB Image Processing ImageJ
1
DE差分进化算法,适应值和迭代次数之间的函数图展示,有测试代码,希望对你有用
2021-12-03 20:12:56 4KB DE image fusion
1
“伪造”一词是主观的。 根据使用它的上下文,图像可能会成为赝品。 为娱乐而编辑的图像或某人拍了一张糟糕的照片但经过修改以使其看起来更好,即使它已从原始捕获中更改,也不能被视为伪造。 在当前场景中,由于普遍使用强大的图像编辑工具,因此识别图像真实性的需求显着增加。 确定数字图像是真实的还是被篡改是一项重大挑战。 在数字图像中找到操纵痕迹是一项艰巨的任务。 现在,这些篡改痕迹可以通过称为旋转、缩放、JPEG 压缩、高斯噪声等称为攻击的各种操作来完成。 为了测试数字图像的原创性,技术得到了创新。 近年来,在这一研究领域中提出了不同的技术来检测上述攻击。 本文详细概述了用于检测图像伪造的各种方法和方法。
2021-12-03 11:56:45 661KB Digital Image Forensic; Image
1
图像哈希 感知哈希是多媒体文件的指纹,它是从其内容的各种功能派生而来的。 与依赖于输入中的小变化导致输出中的急剧变化的雪崩效应的密码散列函数不同,如果特征相似,则感知散列彼此“接近”。 与诸如MD5和SHA1的加密哈希函数相比,感知哈希是一个不同的概念。 使用加密哈希时,哈希值是随机的。 用于生成哈希的数据的行为类似于随机种子,因此相同的数据将生成相同的结果,但是不同的数据将生成不同的结果。 比较两个SHA1哈希值实际上仅告诉您两件事。 如果哈希不同,则数据也不同。 如果哈希相同,则数据可能相同。 相反,可以比较感知哈希值-使您感觉到两个数据集之间的相似性。 这段代码的启发/基于: 要求 PHP 7.1或更高版本 或扩展 (可选)安装扩展程序,以进行更快的指纹比较 安装 该软件包尚未达到稳定版本,在0.x版本之间可能会向后兼容。 如果您打算在生产中使用此版本,请确保将其锁定!
2021-12-03 11:35:34 13KB image hash image-hash perceptual-hashes
1
PyTorch中用于图像分类的深度主动学习工具包 这是用编写的用于图像分类的深度主动学习的代码库。 我想强调的是,该工具包只是最初由Prateek Munjal等人通过电子邮件与我共享的工具包的轻量级衍生产品。 论文“使用神经网络实现鲁棒和可再现的主动学习”的作者,请。 介绍 该存储库的目标是为深度主动学习提供一个简单而灵活的代码库。 它旨在支持快速实施和评估研究思路。 我们还提供了大量基准结果(即将推出)。 该代码库当前仅支持单机单gpu培训。 我们将很快将其扩展到由PyTorch分布式软件包提供支持的单机多GPU培训。 使用工具箱 有关简要的安装说明和基本用法示例,请参见 。 支持的主动学习方法 不确定性抽样 最不信任 最低保证金 最大熵 深度贝叶斯主动学习(DBAL)[1] 贝叶斯主动学习的分歧(BALD)[1] 多样性抽样 核心组(贪婪)[2] 变式对抗主动学习(VAAL)
1
ImageJ / Fiji Roi一键式工具 提供附加工具栏ROI工具以及预定义的自定义ROI形状的工具集。 使用1-Click ROI,单击图像可生成以单击点为中心的预定义ROI。 如果选择了该选项,则将生成的ROI添加到Roi管理器,为所选区域运行命令run Measure ,如果使用了堆栈,则显示下一个图像。 在最新版本中,保持按下鼠标左键可以预览roi并在其中移动。 点击释放后,广告即会被“验证”。 安装 在斐济,只需激活ROI一键式工具更新站点。 了解如何。 在ImageJ中,将文件“ Roi 1-Click Tools.ijm”复制到文件夹ImageJ \ macros \ toolsets中。 要显示工具栏,请单击ImageJ工具栏右侧的>> ,然后选择ROI一键式工具条目。 注意:为获得最佳功能,宏工具集要求ImageJ> = 1.52r。 配置 双击任何ROI一
2021-12-02 16:38:17 2.23MB image-annotation imagej fiji roi
1