- 博客(100)
- 收藏
- 关注
RSS订阅原创 web开发全家桶（django+前端+数据库）
目的: 开发一个平台- 前端开发: HTML CSS JavaScript- 接收请求并处理- Mysql数据库: 存储数据快速上手:基于Flask Web框架快速搭建一个网站深入学习:基于Django框架。
2026-02-03 09:32:01
396
原创 pycharm环境配置
找到适配自己电脑和python版本的cuda版本，如我的是3.8的python，所以较高的版本都可以选择。所以选择时，我的CUDA版本不能高于11.7，同时torch版本和。首先查看自己的cuda的版本，用于确定下载的cuda版本，在cmd命令指示符中输入以下代码查询。在其中输入以下代码，创建python版本3.8，环境名称yolov9的虚拟环境。等待一会，出现以下安装提示，输入y+回车，继续安装以下资源包。直接在官网页面查找11.7的，更低的11.6等等也直接查，如我的电脑的版本限制为11.7，
2026-02-03 09:30:53
979
原创 去噪扩散概率模型（Denoising Diffusion Probabilistic Model，DDPM）学习
中采样，可先从标准分布 N(0,1) 中采样出 z ，再得到 σ∗z+μ ，即我们的采样值。ABC同时发生的概率=AB发生后C发生的概率×AB发生的概率=AB发生后C发生的概率×A发生后B发生的概率×A发生的概率。由于C发生的概率与A无关，所以AB发生后C发生的概率就是B发生后C发生的概率。由于C发生的概率与A无关，所以AB发生后C发生的概率就是B发生后C发生的概率。两个高斯分布X,Y叠加，他们叠加的后的结果aX+bY满足。BC同时发生的概率=A发生后B发生的概率×AB发生后C发生的概率。
2026-02-03 09:29:06
358
原创 模块改进 可以任意插入
卷积神经网络（CNN）在计算机视觉中无处不在，具有无数有效和高效的变体。最近，最初在自然语言处理中引入的变形金刚越来越多地被计算机视觉所采用。虽然早期采用者继续采用CNN主干网，但最新的网络是端到端的无CNN变压器解决方案。最近一项令人惊讶的发现表明，一个没有任何传统卷积或变换组件的简单MLP解决方案可以产生有效的视觉表示。虽然CNN、Transformers和MLP混合器可以被认为是完全不同的架构，但我们提供了一个统一的视图，表明它们实际上是在神经网络堆栈中聚合空间上下文的更通用方法的特例。
2026-02-03 09:28:44
675
原创 Cloud Removal for Remote Sensing Imagery vai Spatial Attention Generative Adversarial Network论文翻译
遥感图像去云vai空间注意力生成对抗网络论文翻译
2026-02-03 09:11:37
818
原创 【无标题】
Thin Cloud Removal for Multispectral Remote Sensing Images Using Convolutional Neural Networks Combined With an Imaging Model 使用卷积神经网络结合成像模型去除多光谱遥感图像的薄云 论文翻译
2026-02-03 08:57:02
638
原创 C++基础入门
所谓数组，就是一个集合，里面存放了相同类型的数据元素数组中的每个==数据元素都是相同的数据类型==数组是由==连续的内存==位置组成的数据类型 数组名[ 数组长度 ];数据类型 数组名[ 数组长度 ] = { 值1，值2 ...};数据类型 数组名[ ] = { 值1，值2 ...};总结1：数组名的命名规范与变量名命名规范一致，不要和变量重名总结2：数组中下标是从0开始索引数据类型 数组名[ 行数 ][ 列数 ];
2026-02-03 08:35:39
574
原创 autocad-基本操作（2010版）
目的:将图块的坐标放到真实的位置上面。已知条件:一个图点块和其上两点的坐标（如下图所示）操作1: 根据已知坐标两点生成直线首先，根据两点坐标（y1，x1）（y2，x2）生成连接两点的直线。使用pl命令，以及输入y1，x1坐标和y2，x2坐标，其中用逗号（，）隔开。如果画线有问题，关闭动态输入操作2:移动目标块防止重合生成一条直线，若直线与图块有相交处，先将图块全选，使用move（m）命令移动到空白处，第一个点 点在任意图块点 第二点在空白区域，移动过去。操作3: 将目标块移动到对应的坐标。
2026-02-03 08:34:21
899
原创 Thin cloud removal from optical remote sensing images using the noise-adjusted principal compone论文翻译
Thin cloud removal from optical remote sensing images using the noise-adjusted principal components transform论文翻译
2024-10-14 10:49:25
1189
原创 Cloud-EGAN: Rethinking CycleGAN From aFeature Enhancement Perspective for Cloud Removal 论文翻译
Cloud-EGAN: Rethinking CycleGAN From aFeature Enhancement Perspective for Cloud Removal 论文翻译
2024-10-08 16:25:34
1404
原创 ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networksusing Advanced C3-modules论文翻译
ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networksusing Advanced C3-modules论文翻译
2024-10-08 16:24:11
1060
原创 Multi-Stage Frequency Attention Network for ProgressiveOptical Remote Sensing Cloud Removal论文翻译
云污染显著影响光学遥感图像（RSIs），降低其在地球观测中的实用性。传统的去云技术通常依赖深度学习，旨在整体图像重建，这可能无意中改变云-free 区域的内在特性，从而导致图像失真。为了解决这个问题，我们提出了一种多阶段频率注意力网络（MFCRNet），这是一个用于光学 RSI 去云的渐进性范式。MFCRNet 逐层部署频率去云模块（FCRMs），以精细处理云边缘，同时保留频率域中非云区域的原始特征。具体而言，FCRM 从频率注意块（FAB）开始，该块将特征转换到频率域，从而增强云覆盖和无云区域之间的差异。
2024-09-23 10:32:16
1017
原创 IEEE投稿 IEEE Geoscience and Remote Sensing Letters
撰写文章并准备好图形后，您可以提交文章以供审核。请按照以下步骤完成 IEEE 文章提交流程。检查您的文章是否符合目标期刊的投稿指南后，您就可以提交了。按照这些提示选择合适的期刊。不遵守指南可能会导致您的提交处理延迟、未经审核而被拒绝或您发表的文章出现错误。所有 IEEE 期刊均在期刊或学会网站上发布的“作者信息”部分中提供提交指南。您将进入期刊的在线投稿系统，该系统将引导您完成投稿流程。Xplore上期刊主页的“关于”选项卡中找到。上期刊主页上的“提交您的稿件”按钮。选择出版物类型，我们的是期刊。
2024-09-21 16:19:24
1451
2
原创 Fast Thick Cloud Removal for Multi-Temporal Remote Sensing Imagery via Representation Coefficien论文翻译
这是通过在一个大的搜索窗口内搜索并分组相似的图像块来实现的，从而促进构建的高阶张量的低秩性。受到 [33] 的启发，Zheng 等人 [34] 引入了一种新的分解框架，称为空间-光谱-时间 (SST) 连接张量网络分解，有效探索多时相图像中的丰富 SST 关系。在多时相厚云去除的背景下，给定 h × w 像素的 c 通道图像 Y ∈ R^(h×w×c×t)，该图像是在 t 个时间戳下捕获的，Y 被视为部分观察数据，其中被厚云遮挡的像素为缺失值。因此，开发高效的云去除算法以保持高性能成为一个引人注目的挑战。
2024-09-19 10:09:15
667
原创 英语六级-学习·
听力练习，基础好选择标准VOA和BBC。基础差选择VOA慢速。听力内容包括不受政治争议的内容，社会生活类(奇闻趣事、日常生活)、经济类(商务、职场相关)、环保类、互联网类---------根据各类主题快速找到录音材料中心点。研究听力中同义替换的词汇。
2024-09-19 10:08:57
2668
原创 Cloud Removal in Remote Sensing Using Sequential-BasedDiffusion Models论文翻译
Cloud Removal in Remote Sensing Using Sequential-BasedDiffusion Models论文翻译
2024-09-18 21:01:44
1205
原创 Unsupervised remote sensing image thin cloud removal method based on contrastive learning论文翻译
Unsupervised remote sensing image thin cloud removal method based on contrastive learning论文翻译
2024-09-18 21:00:46
1867
原创 Uncertainty-Based Thin Cloud Removal Networkvia Conditional Variational AutoencodersHaidong Ding论文翻译
accv 2022论文名称: 基于不确定性的条件变分自编码器薄云去除网络论文地址代码地址摘要：现有的薄云去除方法将这一图像修复任务视为一个点估计问题，并通过确定性流程生成单一的无云图像。本文提出了一种基于条件变分自编码器（CVAE）的新型薄云去除网络，能够为每个输入的云图像生成多种合理的无云图像。我们通过概率图模型分析图像降解过程，并以编码器-解码器的方式设计网络。由于从潜在空间的采样具有多样性，该方法可以避免单一估计不准确所带来的缺陷。
2024-09-14 20:54:32
1205
原创 Fast Thick Cloud Removal for Multi-Temporal Remote SensingImagery via Representation Coefficient论文翻译
例如，Liu 等人[16,17]引入了核范数的和（SNN）用于一般的张量补全问题，后来在多时相图像厚云去除中得到了广泛应用。受[33]的启发，Zheng等人[34]引入了一种新颖的分解框架，称为空间-光谱-时间（SST）连接张量网络分解，有效地探索了多时相图像中的丰富SST关系。在多时相厚云去除的背景下，给定具有 t 个时间戳的 h × w 像素的 c 通道图像 Y ∈ ℝ^(h×w×c×t)，Y 被视为部分观察的数据，其中被厚云遮挡的像素是缺失的。在这里，表示系数有效捕捉了原始张量数据的视觉上下文。
2024-09-14 20:53:48
753
原创 Thick Cloud Removal in Multitemporal RemoteSensing Images via Low-Rank RegularizedSelf-Supervised 翻译
IEEE 2024论文翻译 基于低秩正则化自监督网络的多时相遥感图像厚云去除摘要—厚云的存在覆盖了光学遥感图像（RSIs）的全面地球观测。去除云层是提高RSIs后续应用的有效且经济的预处理步骤。基于深度学习（DL）的方法受到广泛关注，并取得了最先进的成果。然而，大多数这些方法存在以下问题：1）忽视了RSIs的物理特性；2）需要带云和无云的配对图像或额外辅助图像；3）需要云掩膜。这些问题可能限制了现有网络的灵活性。
2024-09-10 14:38:02
1466
原创 Multi-Head Linear Attention Generative Adversarial Network for Thin Cloud Removal 论文翻译
用于薄云去除的多头线性注意力生成对抗网络 论文翻译
2024-09-10 14:37:06
1261
原创 IEEE投稿模板翻译
本文档是Microsoft Word的模板。如果你更喜欢使用LaTeX，可以从https://template-selector.ieee.org/secure/templateSelector/publicationType下载IEEE的LaTeX样式和示例文件。
2024-09-09 09:39:47
2618
原创 Denoising Diffusion Probabilistic Feature-Based Network forCloud Removal in Sentinel-2 Imagery论文翻译
mdpi2023 基于扩散概率特征网络的Sentinel-2图像去云去噪论文翻译
2024-09-03 14:46:19
1430
原创 Thin cloud removal in optical remote sensing images based on generative adversarial networks 论文翻译
云层污染是一个不可避免的问题光学遥感图像。与厚云不同，薄云不会完全遮挡背景，这使得恢复背景信息成为可能。本文提出了一种基于生成对抗网络(GANs)和云变形物理模型(CR-GAN-PM)的半监督去薄云方法。本文还定义了一个考虑云吸收的云畸变物理模型。值得注意的是，许多基于深度学习的最先进方法需要来自同一区域的成对云和无云图像，而收集这些图像通常是不可用的或耗时的。CR-GAN-PM有两个主要步骤:首先，基于GANs和图像分解原理，从输入的有云图像中分解出无云背景和云失真层；
2024-09-03 14:45:59
1178
原创 Cloud removal using SAR and optical images via attention mechanism-based GAN论文翻译
Cloud removal using SAR and optical images via attention mechanism-based GAN论文翻译
2024-08-26 14:32:50
1644
原创 AlphaPose: Whole-Body Regional Multi-PersonPose Estimation and Tracking in Real-Time 论文翻译
AlphaPose: Whole-Body Regional Multi-PersonPose Estimation and Tracking in Real-Time论文翻译
2024-08-24 08:32:56
1634
原创 Missing information reconstruction integrating isophote constraint and color-structure contro（论文翻译）
‘结合等照线约束和颜色-结构控制的遥感数据缺失信息重建’论文全文翻译
2024-08-24 08:31:48
1179
原创 Tied and Anchored Stereo Attention Network for Cloud Removal in Optical代码运行
基于固定锚定立体注意力网络的光学遥感图像去云方法代码运行
2024-08-13 20:43:23
374
基于注意机制的GAN用于SAR和光学图像去云
2024-08-13
YoloV5（You Only Look Once Version 5）
2023-10-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人