Cajviewer是中国期刊网的专用全文格式阅读器，支持多种文档格式、阅读和编辑功能更加方便齐全、对文献的管理功能增强，是一款集体积小、功能强大、占用资源少、使用方便等优点于一身的文献阅读软件

该软件包包含： 1、最近推出的自组织方向感知数据分区算法（SODA）； 2.离线数据分区演示； 3.离线素数和进化扩展的混合演示。 SODA 算法用于数据分区。 数据分区非常接近聚类，但最终结果将是形状不规则的数据云，而不是具有特定形状的集群。 参考： X.Gu，P.Angelov，D.Kangin，J.Principe，自组织方向感知数据分区算法，信息科学，第423卷，第80-95页，2018年。 如果此代码有帮助，请引用以上文章。 如对代码有任何疑问，请联系Plamen P. Angelov教授（p.angelov@lancaster.ac.uk）和顾晓伟博士（x.gu3@lancaster.ac.uk） 顾晓伟编程

《如何阅读一本书》初版于1940年，1972年大幅增订改写为新版。不论什么时候读，都不能不叹服作者对阅读用心之深，视野之广。 You are told about the various levels of reading and how to achieve them -- from elementary reading, through systematic skimming and inspectional reading, to speed reading, you learn how to pigeonhole a book, X-ray it, extract the auth

冲动matlab代码直接自纠 本repo是3DV 2018上论文“DSR: Direct Self-rectification for Uncalibrated Dual-lens Cameras”的MATLAB实现代码。 致谢 论文中报告的统计数据是由C++和opencv实现的，可能与matlab中的不一致。 与论文不同，我们使用了教授实现的SIFT特征匹配器，做了一些修改以支持MATLAB 2015B。 我们感谢 Fusiello 教授的代码。 如果您对本文还有任何疑问，可以xiaoruichao at gmail.com与我联系。 如果您发现我们的算法对您的工作有帮助，请考虑引用： @article{3DV2018DSRxiao, title={DSR: Direct Self-rectification for Uncalibrated Dual-lens Cameras}, author={Xiao, Ruichao and Sun, Wenxiu and Pang, Jiahao and Yan, Qiong and Ren, Jimmy}, journal={3DV},

Keras 自注意力 [| ] 处理顺序数据的注意力机制，考虑了每个时间戳的上下文。 安装 pip install keras-self-attention 用法 基本的 默认情况下，注意力层使用附加注意力并在计算相关性时考虑整个上下文。 以下代码创建了一个注意力层，它遵循第一部分中的方程（ attention_activation是e_{t, t'}的激活函数）： import keras from keras_self_attention import SeqSelfAttention model = keras . models . Sequential () model . add ( keras . layers . Embedding ( input_dim = 10000 , output_dim =

James Steven Supan的self-paced learning 追踪算法

Retinex深度自调整低光图像增强的切换视图 论文“ Retinex的切换视图：深度自规则微光图像增强”的代码。 该实现仅用于非商业用途。 要求 python 3.6.12 火炬1.6.0 火炬视觉0.7.0 CUDA 10.1 科尔尼亚0.4.1 测试 python test.py 您应该指定测试图像路径和输出路径。 火车 在下载训练数据集（SICE） python main.py 接触 如有任何疑问，请通过与天联系。

斯坦福自动驾驶汽车守则 进入DARPA大挑战的汽车的斯坦福密码 斯坦福自动驾驶汽车的软件基础架构 参见 最初在Sourceforge上找到

The Lottery Tickets Hypothesis for Supervised and Self-Supervised Pre-Training in Computer Vision Models

SelfSAGCN Self-Supervised Semantic Alignment for Graph Convolution Network