Self-Enhancement

最新推荐文章于 2024-10-31 15:34:31 发布
最新推荐文章于 2024-10-31 15:34:31 发布
阅读量185 收藏
点赞数
文章标签： 个人开发
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32740259/article/details/120650633
版权
  • 具备搭建一套完整微服务系统能力
    • 对比SpringCloud vs Dubbo vs Thrift vs http等不同技术框架搭建微服务之间通信的区别
    • 需要兼顾前后端架构（着重后端），前端考虑移动端、PC 等
    • 基本的负载均衡、域名等需申请完毕
    • 整个搭建学习过程输出系列型文章 《微服务系统搭建》
  • 具备搭建一套推荐系统的能力
    • Online Recomendation VS Offline Recommendation VS Online and Offline Recommendation 三套推荐能力的相关技术调研及对比
    • 传统机器学习推荐算法 vs 基于神经网络的推荐算法
    • 掌握如何对推荐系统模型进行优化，如何推荐模型融入推荐系统
    • 输出系列型文章 《在离线推荐系统搭建》
  • java核心技术
    • dump内存分析、JVM内存调优，输出一篇文章 《jvm内存调优》
    • java多线程编，输出一篇文章 《jvm多线程、线程池实践》
    • java容器对比： tomcat vs jetty vs Apache
  • 语言方面
    • Go入门
    • Python/js重新捡起
  • 容器（云原生）等相关技术
    • Docker重新拾起来 -- 输出一篇文章《Docker容器基础》
    • k8s入门及实践 -- 输出一篇文章《K8s入门》
    • 基于k8s + Docker搭建一套微服务系统，并输出一体篇文章
  • 软实力提升
    • 基本数据结构、经典算法温习，输出1至2篇文章，《经典数据结构与算法》
    • LeetCode有空经常刷刷
    • 多看看技术博客，了解技术的发展方向
    • 英文读写能力提升
gavinaa123aah
关注
【PaperReading】T-GSA: TRANSFORMER WITH GAUSSIAN-WEIGHTED SELF-ATTENTION FOR SPEECH ENHANCEMENT
TalonZhang的博客
10-26 616
Title：T-GSA: TRANSFORMER WITH GAUSSIAN-WEIGHTED SELF-ATTENTION FOR SPEECH ENHANCEMENT What’s main claim? Key idea? This paper introduces a self-supervised speech pre-training method called TERA. The authors use a multi-target auxiliary task to pre-train
自监督论文阅读笔记 S3Net：Self-supervised Self-ensembling Network for Semi-supervised RGB-D Salient Object Det
YoooooL_的博客
06-01 1013
通过利用未标记数据和探索一种自监督学习机制，提出了一种用于半监督RGB-D显著目标检测的自监督自集成网络（S3Net）。 具体而言，本文首先通过开发 一系列三层跨模型特征融合（TCF）模块来利用深度和RGB模式之间的互补信息，并制定一个辅助任务来预测自监督的图像旋转角度，从而构建一个自导卷积神经网络（SG-CNN）作为基线模型。然后，为了进一步探索来自未标记数据的知识，我们将SGCNN分配给 学生网络和教师网络，并鼓励这两个网络的显著性预测和自监督旋转预测在未标记数据上保持一致...
Self-supervised Low Light Image Enhancement and Denoising 论文阅读笔记
read, note and comment papers
08-30 657
RED-Net论文阅读笔记
低光图像增强论文：Self-supervised Image Enhancement Network: Training with Low Light Images Only阅读笔记
import_torch_as_tf
06-30 4795
论文地址：https://arxiv.org/abs/2002.11300 项目地址：https://github.com/hitzhangyu/Self-supervised-Image-Enhancement-Network-Training-With-Low-Light-Images-Only 目前好像暂未发表 作者团队：哈尔滨工业大学 主要工作： 自监督不需要参考图像 单图像训练增强 整体基于Retinex理论分解图像，用直方图均衡化后的结果做参照，认为反射率的最大通道与微光图像的最大
Self-Supervised Low-Light Image Enhancement Using Discrepant Untrained Network Priors 论文阅读笔记
read, note and comment papers
08-31 1210
Self-Supervised Low-Light Image Enhancement Using Discrepant Untrained Network Priors 论文阅读笔记
Self-supervised Image Enhancement Network: Training with Low Light Images Only 论文阅读笔记
read, note and comment papers
07-20 272
这是2020放在arxiv上的一篇自监督暗图增强的文章，很多后续的无监督暗图增强论文都会引用到并且和它比较 文章从贝叶斯概率的角度分析了retinex的公式如下： 从而等式右边的三项概率的最大化可以分别由3个损失函数导向： 第一项文章定义为L1损失，很常见： 第二项则定义为暗图的亮度分量（HSV颜色空间中的V）直方图均衡化后的结果F(S)和R的亮度分量的L1距离以及R的平滑损失： 第三项定义如下： 网络结构如下图所示： 文章提出先downsample再upsample的网络能去噪，但会使得图
论文速读：自监督弱光图像增强：Self-supervised Image Enhancement Network: Training with Low Light Images Only
u014546828的博客
08-21 1407
Self-supervisedImage Enhancement Network: Training with Low Light Images Only Yu Zhang, Xiaoguang Di, Bin Zhang, and Chunhui Wang 本文用信息熵理论和Retinex 模型构建了一个自监督图像增强网络，实现了弱光图像中，亮度与反射系数的分解。其中，最为重要的约束是：反射系数的最大通道与弱光图像的最大通道是conform的，并且前者的熵在本文的模型中应该是最大的。 ...
《SELF-ATTENTION GENERATIVE ADVERSARIAL NETWORKFOR SPEECH ENHANCEMENT》
qq_46079584的博客
02-03 419
研究动机 现存的GAN模型都是依赖CNN的，没有考虑到时序依赖，为了解决时序问题，本文提出了基于自注意力机制的SEGAN网络。 INTRODUCTION 一方面，自注意力机制成功用到语音任务上的时序任务；另一方面，该机制在长范围和局部依赖上面以及在计算耗费上要比RNN的效果好，尤其是应用在长序列任务上。原因在于RNN无法并行而注意力机制是基于矩阵运算，可以高度并行，也很容易实现加速。 模型 SEGAN的思路和GAN是一样的，生成器是采用MAPPING...
文字检测--Progressive Scale Expansion Network(PSENet)解读
ckqsars的博客
03-21 1348
论文解读笔记： 文章链接：PSENet code:https://github.com/whai362/PSENet 对于对目标检测不了解同学可以先了解目标检测。 本文重点记录文字检测中存在的问题已经PSENet中解决的方法。 先上网络结构 做个简单的拆分，左边是常见的目标检测结构，通过neck把特征进行融合。右边是采用n组的分割网路采用不同的分割scale其中S1最小，Sn最大，命名为progressive Scale Expansion 前面的BACKBONE和FPN是常见用法，就不进行介绍，主要记录
A-Switched-View-of-Retinex-Deep-Self-Regularized-Low-Light-Image-Enhancement:论文“ Retinex的切换视图”中的代码
04-06
Retinex深度自调整低光图像增强的切换视图 论文“ Retinex的切换视图：深度自规则微光图像增强”的代码。 该实现仅用于非商业用途。 要求 python 3.6.12 火炬1.6.0 火炬视觉0.7.0 CUDA 10.1 ...
Photographic enhancement of children's self-esteem
06-29
Photographic enhancement of children's self-esteem PHOTOGRAPHIC ENHANCEhIENT OF CHILDREN’S SELF-ESTEEM MARY S. AMMERLIAN JERRY L. FRYREAR MuTjTeesboro (Tennessee) Ci ty Schools T u h n e ...
Pattern formation by local self-activation and lateral inhibition
06-29
Pattern formation by local self-...enhancement in conjunction with long range inhibition. Since then, much evidence in various developmental systems has confirmed the importance of autocatalytic feedbac
个人开发三步走
jjmhx的专栏
10-31 103
综合开发需求、个人能力（能熟练使用）、技术趋势（技术成熟度与稳定性、社区支持、发展前景和兼容性、成本与许可）等因素，选择最合适的技术栈（包括编程语言、框架、库、工具、平台等）。第一步要做的就是明确需求，具体来说就是分析目标用户、他们的需求(功能需求、性能需求、安全需求)和痛点。上线后，需要定期维护系统，修复可能出现的问题，并根据用户反馈和需求进行更新迭代。进行单元测试、集成测试、系统测试等，确保功能的正确性和系统的稳定性。配置开发所需的环境，包括开发工具、代码库、版本控制系统等。
stays mad 反PCL宣传库。Anti PCL pro.zip
10-31
stays mad 反PCL宣传库。Anti PCL pro
伊犁师范大学在四川2020-2024各专业最低录取分数及位次表.pdf
10-31
那些年，与你同分同位次的同学都去了哪里？全国各大学在四川2020-2024年各专业最低录取分数及录取位次数据，高考志愿必备参考数据
yolo算法-植物数据集-1417张图像带标签adamweeds.zip
最新发布
10-31
yolo系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值
clickhouse-jdbc驱动jar文件用于建立jdbc链接
10-31
clickhouse-jdbc驱动jar文件用于建立jdbc链接
辽宁何氏医学院在四川2020-2024各专业最低录取分数及位次表.pdf
10-31
那些年，与你同分同位次的同学都去了哪里？全国各大学在四川2020-2024年各专业最低录取分数及录取位次数据，高考志愿必备参考数据
泰尔指数、泰尔指数模型（含案例源码+数据+stata详细操作过程）-最新出炉.zip
10-31
泰尔指数、泰尔指数模型（含案例源码+数据+stata详细操作过程）-最新出炉.zip
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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