<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Linagee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Linagee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Linagee]]></copyright><item><title><![CDATA[记录一下在Windows环境下配tensorflow1.13并运行某图像处理算法遇到的各种bug和问题和解决方法]]></title><link>https://blog.youkuaiyun.com/Linagee/article/details/137876820</link><guid>https://blog.youkuaiyun.com/Linagee/article/details/137876820</guid><author>Linagee</author><pubDate>Wed, 17 Apr 2024 19:30:28 +0800</pubDate><description><![CDATA[cudnn7.6.5（本来想用7.4，因为是经过验证的可适配，但是一下子没有合适的channel提供这个版本，也不想自己手动官网下载）遇到的问题包括但不限于图像的维度问题、灰度问题、tensorflow安装的过程、cuda&cudnn选择、显卡爆满无法计算，等。安装tensorflow并且去跑机器学习算法最关键的是各个版本的cuda和cudnn要兼容，否则就会寄掉。机缘巧合下要去配Windows的tensorflow环境，还是很害怕这种事情的。算法的filter只能接收1维的图像，不能接收3维的。]]></description><category></category></item><item><title><![CDATA[FusionGAN：一种生成式红外与可见光图像融合对抗网络]]></title><link>https://blog.youkuaiyun.com/Linagee/article/details/123834347</link><guid>https://blog.youkuaiyun.com/Linagee/article/details/123834347</guid><author>Linagee</author><pubDate>Tue, 29 Mar 2022 22:39:08 +0800</pubDate><description><![CDATA[FusionGAN：一种生成式红外与可见光图像融合对抗网络FusionGAN：一种生成式红外与可见光图像融合对抗网络简要介绍损失函数网络架构训练细节实验应用于融合不同分辨率的图像（低分辨率红外图像和高分辨率可见光图像）总结
FusionGAN：一种生成式红外与可见光图像融合对抗网络
简要介绍
生成器：生成具有较大红外强度和附加可见梯度的融合图。
鉴别器：强制融合图有更多可见图中的纹理。
特点：端到端。还推广到了不同分辨率的图像。
效果：融合图像清晰、干净，高于平均技术水准。
过去方法的问题/不足：
主要的融]]></description><category></category></item><item><title><![CDATA[Multi-scale_Guided_Image_and_Video_Fusion 多尺度引导图像与视频融合]]></title><link>https://blog.youkuaiyun.com/Linagee/article/details/123833847</link><guid>https://blog.youkuaiyun.com/Linagee/article/details/123833847</guid><author>Linagee</author><pubDate>Tue, 29 Mar 2022 22:32:51 +0800</pubDate><description><![CDATA[Multi-scale_Guided_Image_and_Video_Fusion 多尺度引导图像与视频融合MGFF引入原始方法GFGFF的两个主要问题。MGFF引出综述GF 和 多尺度引导图像分解GF综述多尺度引导的图像分解和重建过程提出的方法多尺度引导图像分解多尺度引导图像融合VSD 视觉显著性检测权重图计算细节层融合基础层融合融合图像重建实验和结果图像定性分析（视觉观察）定量分析run time视频(只考虑6个随机帧)图像和视频对比度增强主要贡献others：
MGFF
引入
多尺度引导图像与视频融合]]></description><category></category></item><item><title><![CDATA[图像融合效果_质量评估指标小结]]></title><link>https://blog.youkuaiyun.com/Linagee/article/details/123120616</link><guid>https://blog.youkuaiyun.com/Linagee/article/details/123120616</guid><author>Linagee</author><pubDate>Thu, 24 Feb 2022 20:48:56 +0800</pubDate><description><![CDATA[definition
meaning
tendency




EN
EN=−∑l=0L−1pllog⁡2plEN = -\sum_{l=0}^{L-1}p_{l}\log_{2}{p_{l}}EN=−∑l=0L−1​pl​log2​pl​
测量一张融合图中有多少信息（基于信息理论）；L:0~灰度上限中的每一个值 pl:该灰度所占的比例；L为图像灰度级数，对于8-bit灰度图像，L=255
EN越大，该图像含有的信息越多，融合的表现越好。


MI
MI=MIA,F+MIB,FMI=MI_{A,F...]]></description><category></category></item><item><title><![CDATA[【读论文】DenseFuse: 一种红外图像和可见图像的融合方法]]></title><link>https://blog.youkuaiyun.com/Linagee/article/details/123012690</link><guid>https://blog.youkuaiyun.com/Linagee/article/details/123012690</guid><author>Linagee</author><pubDate>Sat, 19 Feb 2022 00:53:54 +0800</pubDate><description><![CDATA[DenseFuse：一种红外图像和可见图像的融合方法]]></description><category></category></item><item><title><![CDATA[Vivado无法连接hardware的问题（localhost(0)/auto connect失败）]]></title><link>https://blog.youkuaiyun.com/Linagee/article/details/123000842</link><guid>https://blog.youkuaiyun.com/Linagee/article/details/123000842</guid><author>Linagee</author><pubDate>Fri, 18 Feb 2022 13:08:08 +0800</pubDate><description><![CDATA[购买了XILINX ARTIX-7系列的fpga开发板，在vivado上写完代码跑完仿真后进行板级验证，但是在hardware management里中选择auto connect后无法连接到板子。
解决方法：


检查物理连接，保持板子接电且上电了。在建立项目的时候不要选择错板子的型号。


查看USB的驱动有没有安装好。
如果在设备管理里如上图，则重新下载驱动。位置如下图：

下载完后可见：


可能是另一个驱动没安装好。可以直接去安装vivado的地址寻找安装包并重新安装。在我的电脑上地址为：D:\X]]></description><category></category></item></channel></rss>