QuakeMigrate是一个Python软件包，用于使用波形迁移和堆栈进行自动地震检测和定位。 它可用于生成地震目录，包括震源，始发时间，相位到达时间和局部震级估计，以及对相关不确定性的严格估计。
该软件包采用模块化架构构建，在众多入口点都具有扩展和适应的潜力。 这包括但不限于：
行程时间网格的计算或导入
选择用于识别相位到达的算法（例如，峰度，多个组件之间的互协方差分析，机器学习技术等）
用于组合起始功能的堆叠功能
用于执行相位拾取的算法
文献资料
对于QuakeMigrate文档托管。
安装
可以在找到安装说明。
用法
我们正在研究涵盖程序包的各个方面如何工作的教程，以及一些示例用例，在这些用例中，我们为所使用的参数选择提供了实质性的推理。 这些示例包括在冰震性和火山地震学中的应用。
这是一项正在进行中的工作-。
活页夹
为了快速了解该软件的工作原理，请尝试Binder上托管
2023-04-17 10:31:04
128.11MB
1
在化工原料、服装、食品原料等的出货检验中，需要检测正常产品中的缺陷和杂质，但很难收集到足够的异常图像用于深度学习。 该演示展示了如何使用 CAE 检测和定位异常。 这种只使用正常图像进行训练的方法可能使您能够检测到从未见过的异常，通过自定义SegNet模型，您可以轻松地获得此任务的网络结构。
[日本人]在这个演示中，您可以使用深度学习来检测和定位出现在正常图像中的异常。这种仅使用正常图像训练模型的方法可能会检测到您以前从未见过的异常情况。我正在自定义 SegNet 模型以轻松获取模型结构。
【Keyward】图像处理、图像分类、深度学习、深度学习、IPCV演示・ SegNet ・ 异常检测 ・ 视觉检测 ・ 语义分割 ・ 自动编码器 ・ 卷积
2023-04-11 11:57:19
36.12MB
1
基于深度学习的异常检测与定位(MATLABR2019a)
图片异常检测与定位，MATLABR2019a实现基于深度学习的异常检测与定位。
2022-08-15 09:08:44
18.06MB
1
在化工原料、服装、食品原料等的出货检验中，需要检测正常产品的缺陷和杂质。 在以下链接中，我分享了使用 CAE 检测和定位异常的代码，仅使用图像进行训练。
在此演示中，您可以学习如何将变分自动编码器 (VAE) 而非 CAE 应用于此任务。 VAE使用潜在空间上的概率分布，并从该分布中采样以生成新数据。
[日本人]以下链接介绍了仅使用正常图像训练 CAE 模型的代码，可以使用深度学习检测和定位与正常图像混合的异常。此演示将向您展示如何应用变分自动编码器。 VAE 使用潜在变量的概率分布和来自该分布的样本来生成新数据。
■ 使用深度学习 (CAE) 进行异常检测和定位https://jp.mathworks.com/matlabcentral/fileexchange/72444-anomaly-detection-and-localization-using-deep-learn
2022-04-13 22:10:20
33.55MB
1
圆环标识在目标识别及定位中应用广泛，其定位精度很大程度上决定了三维测量系统的精度。为了消除由透视投影变换产生的离心偏差，提高圆环标识的定位精度，对圆环的离心偏差校正展开研究，根据已有的空间投影推导给出校正方法。首先同心圆环经过透视投影变换，得到中心分离的双椭圆，由双椭圆的中心和同心圆环半径信息，得到圆心的实际位置。然后进行同心圆环投影仿真实验，根据圆心定位结果分析偏心误差与圆环半径以及旋转角度的关系。最后利用显示器作为物平面显示不同参数的同心圆环，与相机构成实验系统对圆心测量精度进行评价。结果表明：此方法可以准确地获取圆环标识的真实投影点，且校正后，经标定的相机平均反投影误差减小为原来的50%。利用显示器验证圆环定位精度，与以前的标定板验证方法相比，圆环标定在操作上具有更好的灵活性与实用性。
2022-03-15 21:37:39
9.9MB
1
拷贝移动攻击被大量用于隐藏或隐藏数字图像中的某些数据以达到特定目的，并且在此攻击上将真实图像的某些部分复制并粘贴到同一图像中。 因此，复制移动伪造是一个非常重要的问题，也是检查图像确认的活跃研究领域。 本文提出了一种复制移动伪造检测系统。 所提出的系统由两个阶段组成：一个阶段称为检测阶段，第二阶段称为优化检测阶段。 检测阶段使用加速鲁棒特征（SURF）和二进制鲁棒不变可扩展关键点（BRISK）进行特征检测，在细化检测阶段，使用使用非线性变换的图像配准来提高检测效率。 最初，选择真实图像，然后同时使用SURF和BRISK特征提取来检测兴趣关键点。 这给出了适当数量的兴趣点，并为找到大多数被操纵区域提供了保证。 使用RANSAC来找到上等的匹配项，以区分操纵部分。 然后，将两个提取特征之间的最佳匹配集之间的非线性转换用作优化，以获取最佳匹配集并检测复制的区域。 使用许多基准数据集（例如CASIA v2.0，MICC-220，MICC-F600和MICC-F2000数据集）进行了许多数值实验。 使用提出的算法，使用上述数据库进行评估可获得95.33％的总体平均检测精度。 对于带有物体平移，不
2022-01-21 20:17:55
1.04MB
1