搜索资源列表
frameparser
- Variables for NAL Length Parsing.
V3I3-5
- Flosolver Mk 8 is the latest family member of the Flosolver series of parallel computers in CSIR-NAL that is currently being developed, to have a performance of 10 TFLOPS with 1024 processors in it. It is based on distributed memory concept, usin
fracdelay-estimation
- 分数时延估计文档对于宽带信号, 基于移相的窄带波束形成方法会导致方向图波束指向的偏移和主波束畸变, 并且无法有效地抑制宽带干扰。该文提出了基于数字时延加抽头延迟线 (tapped delay line , TDL)结构的宽带自适应波束形成方法。 该方法采用数字时延滤波单元补偿宽带信号在波束指向上的相位和包络偏移, 并用基于TDL 的空时二维滤波处理抑制宽带干扰。分析和实验结果表明, 该方法可以有效地合成空间宽带波束并抑制宽带干扰, 提高信干噪比(sig nal-to-interferen
3dScanner-master
- kinect 3d扫描 Contributors: Taner Yı ldı z ümmü Seleme ünal Burak Uray Ayş e Sevde Güler Turan Aydı n Ceyhun Ç ö zvelioğ lu -3dScanner with Kinect
Application-of-Wavelet-Transform
- 小波变换在数字图像处理中的应用是小波变换典型的应用之一。由信号分析中傅里叶变换的不足引出小波变换, 然后简单介绍了小波变换的定义和种类, 分析了小波变换的性质和Mallat 算法, 总结了小波变换在数字图像处理中的四种应用:基于小波变换的图像压缩、图像去噪、图像增强和图像融合, 分析了四种应用的过程及特点, 同时进行了相应的Matlab试验与仿真。试验结果表明, 小波变换在数字图像处理中的应用切实可行、简单方便、效果好、有很强的实用价值, 有较好的应用前景。-The applicatio n o
Saliency-Detection
- 提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并
A_First_Course_in_Machine_Learning.
- This book is based on material taught in a machine learning course in the School of Computing Science at the University of Glasgow, UK. The course, presented to nal year undergraduates and postgraduates, is made up of 20 hour-long lectures and 10
新建文件夹
- DNF私服的外挂鸟背、全屏、秒杀、BUFF、无CD(nal hangingull screen; button; Full-screen view)