千羽YUmi
function dark = darkChannel(imRGB)r=imRGB(:,:,1);g=imRGB(:,:,2);b=imRGB(:,:,3); 分别提取三色的灰度图[m n] = size(r); 提取单色图矩阵的宽度和长度a = zeros(m,n); 创建m*n的零矩阵afor i = 1: mfor j = 1: na(i,j) = min(r(i,j), g(i,j)); a(i,j)= min(a(i,j), b(i,j)); 依次比较三色分量的最小值提取为暗通道图endendd = ones(15,15); 创建15*15的单位矩阵fun = @(block_struct)min(min(block_struct.data))*d; dark = blockproc(a, [15 15], fun); 将图片分成15*15的小块并将每一块变成其中的最小值dark = dark(1:m, 1:n);我也是新手啊兄弟只能帮你到这儿了
五百米深蓝
在谷歌学术搜索中,存有高达4亿篇论文的数据库。论文被引用的数据可以作为证明文章影响力的依据。即使这个方法有局限性,但在更大程度上,反映了当今社会的进展和科学的进步。
1《亚当:一种随机优化方法 》 Adam: A Method for Stochastic Optimization。文章发布于2015年,引用数为47774。
截止2020年为止,这篇文章达到了,人类可知的引用最高数。一篇涉及人工智能的文章获得最高引用,证实了科学界对人工智能的注重。不仅是科学界对人工智能领域有巨大的兴趣,而且欧美国家也正在把人工智能作为未来的主要发展对象。美国把对人工智能的投资提高了一倍,欧盟也把投资提高了百分之70。《亚当:一种随机优化方法 》能够获得最高引用,正说明在未来人工智能上,将展开激烈竞争。无独有偶,跟着这篇文章后面,引用最多的文章多是涉及人工智能。
2《图像识别的深度残差学习》 Deep Residual Learning for Image Recognition 文章发布于2016年,引用数为25256。
深度残差学习的概念出自何凯明等4名中国学生。何凯明来自清华大学物理系,现是脸书人工智能的科学家。从文章的引用数量来看,足以显示,他提出的这个方法对该行业的影响。
3《让R-CNN更快: 朝着带有区域建议网络 的实时目标检测》 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks发表于2015,引用数为19507。
4《深度学习》 Deep Learning, 文章发布于2015年,引用数为16750。
5 《带着缠绕走得更深》 Going deeper with Convolutions, 文章发布于2015年,引用数为14424。
这篇文章已经成为计算机图像处理必读论文之一。
6《通过深层强化学习的人类层面的控制》 Human-Level control through deep reinforcement learning 文章发布于2015年,引用数为10394。
7 《语义分割的完全常规网络》 Fully Conventinal Networks for Semantic segmentation 文章发布于2015年,引用数为10153。
9 《 脓毒症与脓毒症休克第三版国际共识 》 The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3) 文章发布于2016年,引用数为8576。
10《RNA测序和微阵列研究中 Limma 强化差异表达分析》 Limma porwers defferential expression analyses for RNA-sequencing and microarray studies 文章发布于2015年,引用数为8328。
第9和第10篇是前十名论文中,和计算机没有关系的两篇医学论文。这是否意味着,未来对人类社会影响最大的,除了人工智能就是医学了呢?
最后要提到的这篇文章,虽然没有进入第10,但值得一提。 《以深度神经网络和树搜索掌握围棋战略》 Mastering the game of Go with deep neural networks and tree search发布于2016年,引用数为8209。
这篇文章涉及的是伦敦大学学院的教授David Silver, 他领导的AlphaGo团队击败了围棋九段棋手柯洁。人工智能击败了最强大脑,没有什么能比这更能说明人工智能的前途,同时也可能是一个细思极恐的大事件。在机器击败人的时代,人怎么办?
吃货和世界
孙剑老师对整个 AI 界的贡献是巨大的,毋庸置疑,ResNet,Faster RCNN 都是耳熟能详的名字。关于他的贡献,孙剑教授无论是在学术上还是产业上,都做得非常好。任何一个搞CV算法,尤其是DL相关的人,都很难绕开孙博这个节点。
学术上:孙剑教授发表了学术论文百余篇,被引超过了25万次,并且在2009和2009两次获得CVPR计算机视觉年会的最佳论文。产业上:孙剑教授加入旷视科技任首席科学家,并且他在2017年带领旷视研究院击败了谷歌、脸书、微软等科技巨头,获得了COCO&Places图像理解国际大赛三项冠军,拥有超过40多项专利。
大学里任何一位老师,只要获得孙剑教授学术上的成就或者产业上的成就,就属于凤毛麟角,孙剑教授在学术上和产业上成就显著,由此可见孙剑教授多么优秀,没想到如此杰出的一位教授,在年仅45岁的时候就不幸因病去世,真的是太让人惋惜了。孙老师是在公司内经常被人提及的名字。孙老师在这个领域的贡献是极大的,能力是极高的,就算是在旷视这种天才云集的公司,孙老师也是让人高山仰止的存在。
孙剑博士是旷视首席科学家、旷视研究院院长,CV领域TOP级别的人物,何凯明在微软亚洲研究院实习的导师,最著名的ResNet通讯作者。他带领旷视研究院研发了多项创新技术,引领前沿人工智能应用。只要从事深度学习基本上都知道他的重量级存在。孙老师的科研哲学理念对我们的影响非常大,论坛邮件里有大量关于做科研和工作的心得。
知网可以查找学位论文,高级检索框还可查找优秀博硕论文 检索到自己需要的博硕论文,用英文版知网下载,可下载到PDF格式的博硕论文,中文版知网下载的博硕论文是CAJ
下面分享几个常用的学术网站,可以登陆搜索国内外文献—— 1. sci-hub 大名鼎鼎的 sci-hub 是一个由俄罗斯牛人开发的可以下载任意文献杂志的工具,只
优秀(90分以上)论文评语参考范例本论文选题有很强的应用价值,文献材料收集详实,综合运用了所学知识解决问题,所得书记合理,结论正确,有创新见解。另外论文格式正确
“凯特尔人”是我们最不常见的古老人种之一,凯特尔人与日耳曼人和斯拉夫人共同被称为欧洲古老的“三大蛮族”,但是日耳曼人和斯拉夫人相对于凯特尔人来说,我们对这两个民
每所院校对在职考博人员的要求是不同的,一般院校会要求在职博士准备一篇毕业论文,在考生通过毕业论文答辩以后给考生颁发学位证书。而毕业论文答辩的结果分为三种,主要为