项目类型

项目类别

最新

热搜企业:

Blind Quality Assessment for Cartoon Images --- -- Abstract: Current blind image quality assessment (BIQA) algorithms are mainly designed for natural images. Unfortunately, cartoon and cartoon-like images are quite different from natural images. Hence, recent BIQA methods are not very robust to cartoon images. In this paper, we propose a specific BIQA algorithm designed for cartoon images, which consists of the following terms. First, a cartoon image is divided into edge areas and nonedge areas via a Tchebichef moment (TM)-based process. Second, a multiorder sharpness statistic term is used to measure the quality of the edges, and a sharpness statistic prior model of high-quality (HQ) cartoon images is built. Third, a local encoding statistic term is adopted to describe the textural complexity in the nonedge areas, and a texture statistic prior model is also established. Experimental results on cartoon image datasets demonstrate that the proposed method can accurately evaluate the visual quality of cartoon images and is more suitable for cartoon scenarios than some traditional BIQA algorithms. --- DEMO codes (matlab) -- DEMO video --

浏览量:1486 下载量:658 项目类别: 图像识别
almost 2 years前更新
Fork 0 关注 0

**MutScan**通过直接扫描FastQ文件检测和可视化目标突变,具体特征有: - 特别敏感,保证所有支持突变的读取都被检测到 - 可以比普通pipeline快50倍以上(即BWA + Samtools + GATK/VarScan/Mutect) - 非常容易使用,不需要其他任何东西。没有比对,没有参考基因组,没有变异呼叫,没有…… - 包含癌症相关突变内建的最可操作突变点,如EGFR p。L858R, BRAF p.V600E…… - 多线端支持 - 支持单端和对端数据 - 对于成对的数据,**MutScan**将尝试合并每一对,并进行质量调整和错误纠正 - 能够扫描VCF文件中的突变,该文件可用于可视化所谓的变体 - 可以用来过滤假阳性突变。也就是说,**MutScan**可以处理高重复序列,以避免错误的INDEL调用

原始仓库地址:https://github.com/OpenGene/MutScan.git

浏览量:2109 下载量:581 项目类别: 图像识别
over 1 year前更新

AITISA视觉特征编码参考实现。AITISA视觉特征描述子,包含了深度特征图、CDVS特征、CFENet单步物体检测器特征和人体骨架特征。

浏览量:2025 下载量:261 项目类别: 图像识别
over 1 year前更新
Vlfeat C
Fork 0 关注 0

**VLFeat**开源库实现了流行的计算机视觉算法,专注于图像理解和局部特征提取和匹配。算法包括Fisher Vector、VLAD、SIFT、MSER、k-means、分层k-means、agglomerative information bottleneck、SLIC超像素、快速移位超像素、大规模SVM训练等。它是用C语言编写的,目的是提高效率和兼容性,用MATLAB编写接口是为了方便使用,并提供了详细的文档。它支持Windows、Mac OS X和Linux。

原始仓库地址:https://github.com/vlfeat/vlfeat.git

浏览量:671 下载量:0 项目类别: 图像识别
over 1 year前更新
mathai Python
Fork 0 关注 0

本项目是一个拍照做题程序。输入一张包含数学计算题的图片,输出识别出的数学计算式以及计算结果。处理流程包括了图像预处理、字符识别、数学公式识别、数学公式语义理解、结果输出。本项目是一整套拍照做题的算法框架,同时能够处理多种多样的计算题。

原始仓库地址:https://github.com/roujack/mathai.git

浏览量:107 下载量:2 项目类别: 图像识别
about 1 year前更新
ganilla Python
Fork 0 关注 0

本项目是基于 PyTorch 实现的 GANILLA(Generative Adversarial Networks for Image to Illustration Translation),将现实风格的图片转化为卡通风格。本项目通过与 CartoonGAN、CycleGAN、DualGAN比较,本项目在多个数据集上均取得了不错的效果。

原始仓库地址:https://github.com/giddyyupp/ganilla.git

浏览量:79 下载量:0 项目类别: 图像识别
about 1 year前更新
Fork 0 关注 0

本项目是基于 PyTorch 实习的 SAGAN(Self-Attention GAN)。本项目使用注意力机制,在远距离依赖(long-range dependency)下来实现了图片生成任务。传统的GAN通过低分辨率图像中的空间局部点来生成高分辨率细节特征,而SAGAN使用根据所有位置的提示来生成详细信息。因为判别器可以检查图像的远端部分中的高度详细的特征是否彼此一致。对生成器进行有效的调节可以影响GAN网络的性能,SAGAN的generator中加入了光谱正则化。

原始仓库地址:https://github.com/heykeetae/self-attention-gan.git

浏览量:97 下载量:0 项目类别: 图像识别
about 1 year前更新
stn.keras Python
Fork 0 关注 1

本项目是基于Keras实现的时空转换网络(Spatial Transformer Networks,STN)。普通的CNN能够显示的学习平移不变性,以及隐式的学习旋转不变性,但由注意力机制可知,与其让网络隐式的学习到某种能力,不如为网络设计一个显式的处理模块。STN主要由3部分组成:1.参数预测Localisation net;2.坐标映射 Grid generator;3. 像素的采集Sampler。

原始仓库地址:https://github.com/oarriaga/stn.keras.git

浏览量:101 下载量:0 项目类别: 图像识别
about 1 year前更新
deep-image-prior Jupyter Notebook
Fork 0 关注 0

本项目使用深度学习技术进行图像恢复任务。本项目的主要的方法是:1.使用随机参数初始化深度卷积网络F;2.利用GAN思想,将一组固定的随机向量编码z作为网络的输入;3.网络的目标是将输入的编码z进行不断的分布学习,得到一张图片X,从而对于网络的参数进行训练,来实现图像修复任务;4.模型选择的损失函数主要是生成图像和真实图像之间的MSE;5.模型使用网络结构是GAN网络中使用的自编解码网络结构,网络参数个数大约是2百万个。

原始仓库地址:https://github.com/dmitryulyanov/deep-image-prior.git

浏览量:205 下载量:0 项目类别: 图像识别
about 1 year前更新
Fork 0 关注 0

本项目是基于Keras实现的 MaskR-CNN 项目。Mask R-CNN 是一个两阶段的框架,第一个阶段扫描图像并生成候选区(proposals,即有可能包含一个目标的区域),第二阶段分类提议并生成边界框和掩码。Mask R-CNN 扩展自 Faster R-CNN,可用于人的姿态估计等其他任务。

原始仓库地址:https://github.com/fizyr/keras-maskrcnn.git

浏览量:124 下载量:0 项目类别: 图像识别
about 1 year前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie