项目自述文件 项目清单 数据库照片索引和导入索引项目 Web API应用程序/界面React前端应用程序 导入命令行界面 gpx同步和反向“地理标记” 将Web图像发布到内容包 将内容包复制到ftp服务 管理用户帐户 检查数据库中的磁盘更改是否已更新 通过生成较小的图像加快Web性能 业务逻辑库(netstandard 2.0) mstest单元测试 较旧计算机的客户端(不建议使用) starskyky 附加任务的nodejs工具 桌面应用程序 发行说明和历史记录 什么是星空? 演示应用 Starsky在线提供了一个演示应用程序。 使用用户名: demo@qdraw.nl和密码: demo@qdraw.nl来访问演示。 项目自述文件 服务器安装说明 本节介绍如何在本地设置Starsky系统。 您可以在此处找到所有适用于本地安装的Starsky软件的指南。 一般项目 通用应用程序
2026-04-23 16:33:46 4.05MB react photography netcore photo
1
线控转向系统路感模拟与力矩控制:基于参数拟合的仿真算法及PID优化控制策略的探索图,线控转向系统路感模拟及力矩控制:Simulink仿真模型中的参数拟合与PID控制策略应用,线控转向系统路感模拟及路感力矩控制 通过参数拟合设计线控转向路感模拟算法,在simulink中建立仿真模型。 模型建立后,验证双纽线工况和中心区工况的路感力矩。 通过PID,模糊PID对路感力矩进行控制。 所有效果如图 ,线控转向系统;路感模拟;路感力矩控制;参数拟合设计;Simulink仿真模型;双纽线工况;中心区工况;PID控制;模糊PID控制。,线控转向系统:路感模拟与力矩控制的仿真研究
2025-05-12 18:10:25 1011KB sass
1
pytorch图像检索 pytorch实现“深度学习二进制哈希码以快速检索图像,CVPRW 2015”
2023-02-19 17:05:21 15KB Python
1
索图超声工作站单机版体验版,注册版,如需注册请联系QQ1154651900,索图超声,支持win10,报告精确到时分秒,图像清晰,质量稳定,内置模板。需要私信。
2023-01-06 12:50:03 28.32MB 索图 注册 体验
1
易语言图片采集器源码,图片采集器,读取图片,搜索图片区域,搜索列表分页区域,搜索列表全部区域,搜索文章地址,获取文章内分页地址,获取文章内图片地址,开始采集
1
基于Java实现的图片搜索程序,Windowsd.java为图片搜索程序的主窗口,在此窗口中,需要用户输入查询图片路径,选择查询图片类型或名称,然后点击“开始搜索图片”按钮,即可实现搜索功能。若搜索出的图片文件比较多,则程序会分页,程序支持背景音乐,具备背景音乐开关功能。 运行环境:Java/Eclipse
2022-10-16 20:03:43 166KB Java源代码 文件操作
1
这是一个 CLI 工具,用于使用Go ogle R everse I mage Search搜索图像。 描述 可以通过图像文件和图像 URL 搜索图像。搜索到的图像显示 URL,也可以作为图像文件下载。
2022-06-16 09:05:41 9KB 软件/插件
检索图像问题的一般解法 DeepEmbedding空间使用第一个搜索空间研究(DeepMetric)深度哈希(DeepHash)的空间映射函数,将空间空间的学习映射到低维嵌入引擎的空间映射函数。抽取特征,即本次实验研究的第二个问题,第二个问题为特征搜索问题 关于本项目的使用 1.下载相应训练的数据集 2.采用不同的损失类型对模型进行运行train cub200模型 nohup python train_mx_ebay_margin.py --gpus=1 --batch-k=5 --use_viz --epochs=30 --use_pretrained --steps=12,16,20,24 --name=CUB_200_2011 --save-model-prefix=cub200 > mycub200.out 2>&1 & 运行火车 stanford_online_product nohup python train_mx_ebay_margin.py --batch-k=2 --batch-size=80 --use_pretrained --use_viz --gpus
2022-06-12 14:05:06 2.37MB 算法 rust
SMSR Pytorch实施“探索图像超分辨率中的稀疏性以进行有效推理”,CVPR 2021 强调 在细粒度级别上查找和跳过SR网络中的冗余计算,以进行有效的推理。 通过显着降低FLOP并加快移动设备的速度来保持最先进的性能。 基于原始Pytorch API的稀疏卷积的有效实现,可更轻松地进行迁移和部署。 动机 网络架构 稀疏卷积的实现 为了更轻松地进行迁移和部署,我们使用基于原始Pytorch API的有效稀疏卷积实现,而不是通常基于CUDA的实现。 具体来说,首先从输入中提取稀疏特征,如下图所示。 然后,执行矩阵乘法以产生输出特征。 要求 Python 3.6 PyTorch == 1.1.0 麻木 skimage 意象 matplotlib cv2 火车 1.准备训练数据 1.1从或下载DIV2K训练数据(800个训练+ 100个验证图像)。 1.2根据HR和LR图像
2022-04-15 07:31:45 6.82MB Python
1
前言 给大家分享一下前端用处很多的带小图标的搜索框的制作方法。 效果展示 基本思路 1、搜索图像用绝对定位放到搜索框的上方 2、input框设置文本缩进,大小为搜索图像大小加上图像左右两边的外边距 准备 只需一个搜索图标图片,类似于下图 代码 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>搜索框demo</title> <style type="text/css"> *{ margin: 0; padding: 0; } body{ width: 100vw
2022-04-11 13:22:06 64KB c css html
1