高密度脉冲电流作用下细晶粒热影响区的形成和热疲劳性能，林化强，赵宇光，本文研究了高密度脉冲电流作用下热作模具钢试样热影响区的形成机理和规律，通过分析脉冲电流作用后热影响区组织和性能分析，探讨

Sam Newman - Building Microservices. Designing Fine-Grained Systems - 2015

情感分析是研究和分析人们对不同产品，服务或主题的看法，观点，情感等。 电影评论，产品评论，推文等可以用作数据，并且可以分析用户的情绪，无论是正面的，负面的还是中立的。 情感分析可以使用多种技术和不同级别来完成。 根据需要，可以分析整个句子或文档。 组织可以使用情感分析的结果来改善其产品或服务的质量，情感分析可以帮助决策。 本文讨论了几种用于情感分析的技术。

CLUENER2020 中文细粒度命名实体识别 Fine Grained Named Entity Recognition

FineGym is provided by the Chinese University of Hong Kong.本数据集由香港中文大学提供。 finegym_categories.zip finegym_v1.0.zip

MMAL网 这是论文用于细粒度的PyTorch实施（张帆，李萌，翟桂生，刘亦钊）由第27届国际多媒体建模国际会议（MMM2021）提供。 欢迎与我们讨论问题！ 目录 要求 的Python 3.7 pytorch 1.3.1 numpy的1.17.3 scikit图像0.16.2 Tensorboard 1.15.0 TensorboardX 2.0 tqdm 4.41.1 图像2.6.1 枕头6.1.0 数据集 下载数据集，并将提取的图像文件夹的内容复制到datasets / CUB 200-2011 / images中。 下载数据集并将提取的data / images文件夹的内容复制到datasets / FGVC_Aircraft / data / images ） 您也可以尝试其他细粒度的数据集。 培训TBMSL-Net 如果要训练MMAL-Net，请在运行py

matlab影像镶嵌代码图像伪造定位通过 CFA 工件的细粒度分析 该项目的主要重点包括图像篡改定位问题。 图像篡改技术试图检测图像是否被伪造。 换句话说，他们试图检测通用图像操作的存在。 图像处理主要通过剪切和移动、复制和粘贴等多种方式完成。 本主题的一些重要算法包括 CFA、去马赛克算法、插值算法、EM 算法和细粒度分析 如何运行代码：- 安装 Matlab 解压缩文件并将其保存在任何文件夹中 转到 Matlab 并打开文件夹 打开 main.m 并编辑代码：- im_true= imread('flowers.tiff'); im = imread('flowers-tampered.tiff'); 运行 上面的代码将为您提供带有原始图像和篡改图像的输出。 将显示预测误差和直方图 要使用另一个图像编辑代码：- im_true= imread('garden.jpg'); im = imread('garden-tampered.jpg'); 运行它，将显示输出

TransFG：用于细粒度识别的变压器体系结构 论文的官方PyTorch代码： 不久将发布基于ImageNet-1K上训练的DeiT的实现，并进行精调。 框架 依存关系： 的Python 3.7.3 PyTorch 1.5.1 火炬视觉0.6.1 ml_collections 用法 1.下载Google预先训练的ViT模型 ：ViT-B_16，ViT-B_32 ... wget https://storage.googleapis.com/vit_models/imagenet21k/{MODEL_NAME}.npz 2.准备数据 在本文中，我们使用来自5个公开数据集的数据： 请从官方网站下载它们，并将它们放在相应的文件夹中。 3.安装所需的软件包 使用以下命令安装依赖项： pip3 install -r requirements.txt 4.火车 要在FP-16模式下以

细粒度的细分网络：自我监督的细分以改善长期的视觉定位 这是在“细粒度细分网络：自我监督的细分以改善长期视觉本地化”（ ）中发布的工作的实现。 资源 本文使用的数据集发布在visuallocalization.net 训练有素的模型 安装 提供了一个Dockerfile，可使用此文件构建Docker映像，或参考文件中列出的要求。 此外，还提供了requirements.txt。 用法 下载城市景观和枫叶远景 使用/utils/convert_vistas_to_cityscapes.py为Vistas图像创建城市景观类注释 下载对应数据集 下载与对应数据集关联的图像（数据集自述文件中的说明） 创建一个global_otps.json并设置路径（请参阅global_opts_example.json） 从上面的训练有素的模型链接中获取基本模型，将“基本网络”文件夹放置在global_o

数据融合matlab代码 fine-Grained-classify fine-Grained classify 细颗粒度图像分类 总体框架 参考文献 参考开源代码 研发代码同步 总结 1. 论文参考 > Bilinear CNNs for Fine-grainedVisual Recognition.pdf（双线性卷积细颗粒度图像识别方法）； > bcnn_iccv15.pdf (作者源码使用的是matlab语言)； 结合目标检测、人工标注、图像分割等方法提取关键的细粒度图像，在进行softmax分类； 2. 参考开源代码 > Bilinear-CNN-TensorFlow. > Fine_Grained_Classification. > tensorflow_compact_bilinear_pooling. > VGG-or-MobileNet-SSD. 3. 代码功能说明 > enhanceImagePy 是图像预处理的，数据增强的方案； 包括：图像翻转、裁剪、局部均衡化、灰度化、压缩、椒盐噪声处理等 > test.py 是用于测试的python入口文件 > post.py