本文的作者是位于加拿大温哥华英属歌伦比亚大学计算机科学系的MATTHEW BROWN 和 DAVID G. LOWE原著，文章发表后风靡全球，成为该领域的重要里程碑。

水下图像通常表现出颜色失真和低对比度，这是由于光在传播过程中受到指数衰减的结果。此外，不同波长的颜色衰减速率不同，红色波长衰减最快。为了恢复水下图像，我们提出了一种红色通道的方法，即恢复与短波长的相关的颜色，这与水下图像的期望一致，从而恢复丢失的对比度。红色通道方法可以解释为暗通道方法的一种变体，暗通道方法用于处理暴露于雾霾时被大气降解的图像。实验结果表明，我们的技术可以优雅地处理人工照明区域，与其他最先进的方法相比，实现了自然的色彩校正和优异或等效的可视性改进。

Hypermill 5 Axis- Automatic Creat to Multi Blade toolpaths with Macro.mkv

基于J2EE在分布式环境下的底层结构的自动动态配置的应用,英文pdf

TensorFlowASR :high_voltage: Tensorflow 2中的几乎最先进的自动语音识别 TensorFlowASR实现了一些自动语音识别架构，例如DeepSpeech2，Jasper，RNN Transducer，ContextNet，Conformer等。这些模型可以转换为TFLite以减少用于部署的内存和计算量 :grinning_face_with_smiling_eyes: 什么是新的？ （ --timestamp日）支持的初始令牌级别时间戳，请参见带有标志--timestamp （2020年12月17日）支持的ContextNet （2020/12/12）添加了对使用遮罩的支持 （2020年11月14日）支持渐变累积以进行更大批量的训练

最新完整英文版UL199：2020 Automatic Sprinklers for Fire-Protection Service - 火灾保护服务的自动喷水器。 本标准涵盖自动洒水装置，包括常规，喷雾，侧壁，扩展范围，住宅，某些特定用途的洒水装置和包括自动安装在消防系统的洒水装置上的早期抑制快速响应（ESFR）的洒水装置。 洒水装置的安装和使用要求已包含在《 NFPA 13洒水系统安装标准》中； 在一户和两户住宅和人造房屋中安装喷水灭火系统，NFPA 13D； NFPA 13R在低层住宅中的喷水灭火系统的安装和安装； 以及其他适用的NFPA标准。 本标准的要求无意限制特殊喷头的代表性火灾和其他测试的应用，如NFPA 13《喷水系统安装标准》中所述，其目的是为特定的火灾隐患提供保护。

汽车信息安全标准规范，将于2020年3月份正式释放，目前绝大多数厂商处于研究阶段，本规范详细定义了信息安全的流程和输出物及评价方法

演讲 文字转语音（TTS）和自动语音识别（ASR）。 链接到Doxygen生成的文档： : 安装 在可以找到从源代码安装的安装说明。 用法 有关如何启动或配置它的信息： 如果要构建新的语言模型，请阅读 更多示例： 要查看其他程序如何调用speechRecognition和Espeak并通过yarp对其进行配置，您可以查看代码的这一部分。 贡献 发布问题 阅读 叉与拉请求 按照，在master分支上创建功能分支（ git checkout -b my-new-feature ） 提交您的更改 推送到分支（ git push origin my-new-feature ） 创建一个新的拉取请求 地位 相似及相关项目

astro_reduce-巴黎天文台的简单CCD图像缩小器。 astro_reduce做什么？ astro_reduce将以FITS格式读取的原始天文CCD图像与暗场和平坦场图像进行比较。 可选地，它可以从可用场中插值丢失的暗场，还可以将中间图像和缩小后的图像转换为PNG格式，以便于检查。 最后，它还可以对从缩小获得的图像上运行。 为此，必须在系统上安装相关命令（相应地为sex或psfex ，并带有指定的选项）。 这些命令的配置文件由astro_reduce内部处理，您无需提供它们。 要进行操作， astro_reduce包含三个文件夹的目录中启动astro_reduce ： DARK文件夹，其中包含所有暗场图像， 一个FLAT文件夹，其中包含所有平场图像， 一个ORIGINAL文件夹，其中包含对象的所有图像。 所有文件都必须为FITS格式，并在相关时带有正确的过滤器，曝光时间

在油藏历史记录中，通常使用最小二乘目标函数来使预测的生产数据与观测值之间的不匹配最小化。 但是，作为历史匹配是具有非唯一解的不适定逆问题，之后的储层模型仅通过匹配生产数据，校准可能与实际的地质模型相去甚远。 为了解决这个问题，实施了一种用于储层历史匹配的正则化方法，该方法不仅匹配生产数据，而且还使用先前的地质信息来校正和更新当前储层模型，从而使更新后的模型保持一致。地质模型。 本文将同时摄动随机逼近法（SPSA）与快速流线模拟相结合，为优化目标函数提供了一种有效的方法。 作为一种随机近似算法，SLSPSA可以保证算法的收敛性。 与基于梯度的算法相比，它避免了伴随或敏感矩阵的大量计算和存储。 在算法的计算过程中，实现了并行计算，减少了仿真时间，提高了计算效率。 通过匹配示例测试验证了该方法。