build.ksh

#! /bin/sh
#####################################################################################
getPkg()
{
RESP=""
while [ -z "${RESP}" ]
do
echo "Please select one package to build. The following are the valid packages:

a) aa
b) bb


Package (default: gEntlSrv): \c"
read RESP
case "${RESP:=aa}" in
"a"|"aa")
MODULE="ss"
ENV_ID=69751 ;;
"b"|"bb")
MODULE="rr"
ENV_ID=70031 ;;
*)
echo "
$RESP: invalid response, please try again!
Use the option letter or action keyword."
RESP=""
;;
esac
done
}

getBranch()
{
echo "Please enter the branch you want to checkout from CVS.
Branch name (default: Main trunk): \c"
read RESP
if [ -n "${RESP}" ]
then
BRANCH="-r $RESP"
fi
}


getWorkDir()
{
echo "Please enter your workdir.
Working dir : \c"
read RESP
if [ -n "${RESP}" ]
then
WORKING_DIR=$RESP
fi
}

#####################################################################################
USERID=`whoami`
CVS=/xenv/cvs/X/1.11.22/bin/cvs
export cvs
CVSROOT=":pserver:username@servername:port/RepositoryName"
export CVSROOT
CURR_DIR=$1
echo $CURR_DIR
WORKING_DIR=`pwd`
COMMON="aa/common"

# check args
if [ $# -gt 1 ];then
MODULE=$1
ENV_ID=$2
elif [ $# -gt 2 ];then
MODULE=$1
ENV_ID=$2
BRANCH="-r $3"
echo $BRANCH
else
getPkg
getBranch
getWorkDir
fi
CURRENTDIR=`pwd`
#WORKING_DIR=$CURRENTDIR/$WORKING_DIR
if [ ! -d $WORKING_DIR ];then
mkdir $WORKING_DIR
fi

cd $WORKING_DIR
echo "working dir is "$WORKING_DIR
echo "Removing old files..."
rm -rf $COMMON
rm -rf $MODULE

echo "Checking out $MODULE..."
echo "branch is $BRANCH"
${CVS} -Q checkout -P $BRANCH $COMMON
${CVS} -Q checkout -P $BRANCH $MODULE

cd $MODULE
#if [ $ENV_ID = 86701 ];then
# mv build.properties build.properties.bak
# cat build.properties.bak | sed 's_\${env.aaa\}_bb_g' > build.properties
# rm build.properties.bak
#fi
ksh prepareSource.ksh
find . -name CVS -exec /bin/rm -rf {} \;;find . -name *.#* -exec /bin/rm -rf {} \;

echo "Building ..."
/xenv/stexenv -r $ENV_ID . << ZZ
make package -f *.mk
ZZ

echo "dstream pakcage location ->"
ls ${WORKING_DIR}/${MODULE}/*.dstream

# print EAR file location if it is a BE package
if [ -d ${WORKING_DIR}/${MODULE}/install/applications ]
then
EAR_LOCATION=`ls ${WORKING_DIR}/${MODULE}/install/applications/*.ear`
fi

if [ -n $EAR_LOCATION ]
then
echo "\n\n\n############################################################################\n"
echo "EAR file location -> "
echo $EAR_LOCATION
echo "\n############################################################################\n\n\n"
fi

cd $WORKING_DIR
内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值