PCA-SIFT:一个更鲜明地局部图像描述符
本节主要对论文《PCA-SIFT: A More Distinctive Representation for Local Image Descriptors》中,前5部分进行Transtion.
========================TRANS.===================================
摘要
稳定的局部特征检测和描述是很多图像配准和对象识别算法的基本组成部分。Mikolajczyk和Schmid[14]近日评估了不同方法并鉴定SIFT[11]算法是最耐久的一般图像变形算法。本文研究和提高SIFT使用的局部图像描述符。如同SIFT,我们的描述符编码了特征点附近图像梯度的突出方面;然而,代替使用SIFT的平滑加权直方图,我们应用主成分分析(PCA)为标准化梯度斑块。我们的实验证明基于PCA的局部描述符更出众,图像变形更强健,也比标准SIFT表达法更简洁。我们也有结果显示使用这些描述符在图像检索应用结果是精确度提高和更快匹配。
介绍
局部描述符[6,12,18]通常使用在许多实际的应用,如目标识别[3,11]和图像检索[13]因为他们计算效率高,耐局部阻塞,对检视点的改变相对不敏感。在这些应用中使用局部描述符有两个考量。第一,我们必须在位置和尺度上局部化兴趣点。通常,兴趣点在尺度空间搜索中被放置在局部峰值,并过滤保护只有在变形中可能保持稳定的。第二,我们必须建立一个对兴趣点的描述;最理想的状态是,这些描述应该独特(可靠从其他兴趣点中区别出特定兴趣点),简洁,并且变形中的不变式由摄像机姿势和光线决定。虽然定位和描述方面的兴趣点算法经常设计在一起,这两个问题的解决是独立的[14]。本文集中探讨第二个问题的方法:解释和评价局部描述符的表示.
Mikolajczyk和Schmid[14]提出一个针对个别局部描述符的比较研究,包括过滤器驱动[4] ,微分不变[9],矩不变量[18],复杂的滤波器[16],SIFT[11],和不同类型兴趣点的互相关[6,13]。他们的实验显示不同算法的精确度排名.相对不敏感,该方法采用在图像中找到兴趣点但是依赖于表征用于在兴趣点附近模型图像斑块 。因为他们最匹配结果通过使用 SIFT 描述符获得,本文集中探讨算法和探索选择他的局部描述符表征。
本文接下来内容组织如下。第2节,主要是回顾SIFT算法相关方面。第3节,详细说明我们基于PCA对局部特征的表征(PCA-SIFT)。第4节,提出了我们的评估方法和性能指标。第5节,提供详细的实验结果比较PCA-SIFT和标准SIFT在特征匹配实验和在图像检索应用的情况下。第6节,研究PCA-SIFT准确性背后的原因通过探索不同部件在表征中的角色。最后一节简要说明了本文的贡献。
回顾SIFT算法
SIFT,在论文[12]中描述,由四个主要阶段:(1)尺度空间峰值选择;(2)局部关键点;(3)方向分配;(4)关键点描述符。在第一阶段,是通过扫描图像确定潜在兴趣点的位置和尺度。这是通过构造高斯金字塔和搜索局部峰值(称为关键点)在一系列高斯差分(DoG)图像有效实施。在第二阶段,候选关键点是基于像素准确性和如果被发现不稳定则淘汰。第三识别每个基于局部图像斑块的关键点的主导方向。方向分配,每个关键点的位置和尺度使得SIFT为关键点构造针对相似变形不变式的规范视图。最后阶段为每个关键点建立一个局部图像描述符,基于在它附近的图像梯度(下面更详细讨论)。前三个阶级,本文中不会深入讨论,因为我们的工作对这些领域没有贡献。
SIFT算法的最后(关键点描述符)阶段为每个关键点建立基于在其附近的斑块像素的表示法。注意斑块是预先围绕关键点位置,在主导方向的基础上旋转并取适当大小。目标是为紧凑的斑块创造一个描述符,高度独特(即,来源于不同关键点地图的斑块的不同表达法)而变化的强劲照明和摄像机视点(即,相同的关键点在不同图像地图中相似的表达法)。如[12]讨论,明显的方法像是归一化相关在图像斑块因为他们在登记错误上过分敏感而不工作和软性变形之间。SIFT使用的标准关键点描述符通过抽样数量和图像在关键点周围斑块的梯度朝向创建,并建立平滑方向直方图来捕获斑块的重要相位。一个4×4阵列直方图,每个有8个导向筒,抓住了粗糙的空间结构的斑块。 然后把这 128个元素向量规范到单位长度并设定阈值来删除值小的元素。
标准SIFT关键点描述符表示法是在一些方面值得注意:(1)这个表示法精心设计以避免边界效应——位置上的连续变化——产生问题,方向和尺度不会引起特征矢量的彻底变化;(2)它相当紧凑,用128个元素向量表达这个斑块像素(3)虽然没有明确的不变式来仿射变换,这个表示法对变形有惊人的弹性例如透视效果。这些特性证明了它是具有极好的匹配性能竞争性算法[14]。
另一方面,标准SIFT特征矢量的结构复杂难懂,在其特殊设计(在[12]中给出)背后的选择不明确。我们最初的目标是探索更简单的代替案并以经验为主评估权衡。然而,在本文剩余部分的讨论中,我们发现我们的替代表示法是理论上比标准SIFT描述符更简单,更简洁,更快也更准确。为了保证我们的结果是对事实的准确反映,我们用原始的SIFT源代码并在第四阶段限制我们的改变。
基于PCA的SIFT描述符
我们的对局部描述符的算法(称为 PCA-SIFT)接受与标准SIFT描述符相同的输入:子像素位置,尺度,和关键点的主导方向。我们在给出的尺度上提取一个41×41的斑块,围绕关键点,旋转并对齐它的主导方向至规范方向。PCA-SIFT可以总结如下步骤:(1)前置计算一个特征空间来表示局部斑块的梯度图像;(2)给出一个斑块,计算图像梯度;(3)用特征空间投射梯度图像矢量导出紧凑的特征矢量。这个特征矢量比标准SIFT特征矢量在相当大的程度上更小,并可以用相同的匹配算法。两种特征矢量之间的欧几里德距离被用于确定两个特征矢量中哪个与不同图像中相同关键点符合。
主成分分析法(PCA)[7]是降低维度的标准技术,并被广泛应用于计算机视觉问题,包括特征选择(例如[5]),目标识别(例如[15])和人脸识别(例如[17])。虽然PCA有一些缺点[8,10],例如它对高斯分布的隐含假定和它对正交线性组合的限制,它的广为流行归因于它的简单。在图像斑块应用PCA的想法不是痴人说梦(例如[3])。我们的贡献在于严格证明PCA很适合表现关键点斑块(一旦它们被转化为规范尺度,位置和方向),并且这个表示法在相当大的程度上提高了SIFT的匹配性能。PCA-SIFT 将在以下段落详细说明。
offline斑块特征空间的计算
PCA 是我们能够线性投射高维采样到低维特征空间。对于我们的应用,这种投射(斑块特征空间编码)能前置计算一次存储。
如上所述,输入矢量是由串联围绕关键点的41×41的斑块的水平和垂直梯度的地图创建的。因此,输入矢量有2×39×39=3042个元素。然后我们规范化矢量至单位大小以最小化照度变化的影响。重要的需注意的是,这41×41的斑块并不是跨越整个像素值空间的,也不是较小的从自然图像中提取的流形斑块;它由严肃制约的经由SIFT的前三个阶段得到的斑块集合组成。更准确的说,每个斑块都满足以下性质:(1)集中于尺度空间的局部极大值;(2)旋转至主导梯度方向垂直对齐;(3)只包含适用于关键点的尺度信息——即,这41×41的斑块可能由原始图像中更大的区域创建。输入矢量中剩余变量主要归因于关键点的特性(即,3D场景与位置相应)或与模型不符的失真(例如摄像机视点变化引起的透视影响)。相信这些剩余变量能用低维高斯分布合理建模是不合理的,使得PCA能准确用精简特征表示法表现他们。更重要的是,在低维空间凸出梯度斑块似乎在丢弃其他影响造成的扭曲诱导时保持同一相关变量。这种假设在第4和第6节的实验数据中被证明。
为了建立我们的特征空间,前三个阶段我们在不同集合的图像中运行SIFT算法并收集了21,000个斑块。每个都被处理成如上描述创建一个3042个元素的矢量,PCA被用于这些矢量的协方差矩阵。这个矩阵由前n个特征向量组成,并保存在磁盘中作为PCA-SIFT的投影矩阵被使用。用于建立特征空间的图像被丢弃且不用于任何匹配实验。
特征表示
为了找到给定图像斑块的特征矢量,我们简单建立它的3042元素规范化图像梯度矢量并投射到我们用来保存特征空间的特征空间。我们根据经验决定特征空间的最优维度,n;本文中描述的大多结果使用n=20(第六节讨论n对性能的影响)。标准SIFT表示法采用128元素矢量;采用PCA-SIFT有显著的空间效益。
如上所述,我们用两种特征矢量间的欧几里德距离来决定哪个属于不同图像的相同关键点。二值化此距离生成一个二元判定,并调整阈值使能够在假阳性和假阴性中选择适当变换。
评估Evaluation
首先,我们讨论用于量化结果的评估指标。然后概述实验步骤并讨论产生结果数据的原因。结果在第5节中提供。
评估指标
接收机工作特性(ROC)和召回率-精确度在文献中都是流行指标,有时交替使用。两者都能捕获我们想要增长的真阳性数目并极小化假阳性数目;然而,指标间微妙的不同应该由一个接一个具体场景的选择支配。如[2]所述,前者适合评估分析器,因为错误检出率是定义明确的;后者适用评估检测器,因为错误数量检测相对于总数检测用1−precision表达即使总数负数不能判定。
以下[14],我们选择测量SIFT局部描述符表示法的性能在一个关键点匹配问题上。定义如下:给出一个兴趣点在一个图像中,在数据集中找出所有兴趣点配对。显然,这是一个检测而不是一个分类表任务(负数总数不是定义明确的),因此适当度量是召回-精度。因此,尽管[14]使用ROC曲线,本文提供recallvs.1−precision图表。这些图表产生如下。所有图像的关键点在数据集中被定义(用SIFT算法的初始阶段)。成对的来自不同图像的关键点被检测。如果特征矢量之间的欧几里德距离对于一对特定关键点降到适当阈值一下,就把这一对成为一个配对。一个真阳性是一个两个关键点相当于相同物理位置的配对(通过地面真值确定为任一示踪图像,或用已知图像变形来合成图像变形测试)。一个假阳性是一个两个关键点来自不同物理位置的配对。阳性的总数对于给定数据集是先验的。从这些数字,我们可以决定recall和1−precision:
和
我们通过对每个算法变换阈值生成recallvs.1−precision图表。
实验计划
我们执行三个主要类型的实验来探索标准SIFT表示法和PCA-SIFT之间的不同。第一个类型检查每个描述符的稳健性(综合产生)增噪影响,在照度和图像变形应用上改变。我们搜集图像数据集并引用以下变形至每个图像:(1)高斯噪声(σ=0。05),图像强度范围为0至1;(2)旋转45◦后缩放50%;(3)强度缩放50%;(4)投影弯曲等于视角改变约30◦。
三种描述符通过这些实验评估:(1)标准SIFT特征表示法(表示为“SIFT”);(2)PCA-SIFT(n=20)如第3节中描述,在特征空间模拟局部梯度的地方(表示为“Grad PCA 20”);(3)不同的PCA-SIFT在特征空间直接模拟局部图像斑块而不是局部梯度(表示为“Img PCA 20”)。对于(3),我们采用标准强度归一化技术减去平均值并缩放至单位方差;没有这一步,(3)中结果会更糟。第二种类型评估了描述符在真实图像摄于不同视点,例如INRIAMOVI Graffiti数据集[1]。第三种类型涉及整合SIFT和PCA-SIFT至一个图像检索应用。附加实验以调查关键点位置错误,PCA部件数,间隔度量的选择的影响,在第6节给出。
产生基础真实数据
我们运行SIFT的初始阶段在每个图像来确定关键点。目的是获得每部分图像一系列正确关键点配对。SIFT算法为每幅图产生成百上千的关键点,手动识别配对这个大数据集极端费时和容易出错。所幸,知道两图之间的映像使得我们能自动解决匹配问题。实验涉及合成目标图像,这些图像变形是已知推演的。实验涉及Graffiti数据集,两种匹配场景间的变形(表示成矩形)是给定的。我们使用如下信息。
Ti,j是绘制图像i中点到图像j对应点的变形。第一个图像中的一个兴趣点,绘制到第二幅图像中。理想状态下,期望匹配兴趣点到第二幅图Pj=Pi旁边。实际上,我们考虑到如果和在空间和尺度上十分接近时配对有效。两个点如果间距小于σ像素则被认为是在空间上十分接近,是用于生成DoG函数的高斯标准差。如果尺度在彼此内则被认为在尺度上十分接近。
结果Results
这一节提供比较PCA-SIFT与标准SIFT表示法在可控实验的结果,Graffiti数据集,和一个图像的检索任务。
控制转变
图1是显示出第一套匹配实验的结果,图像在可控条件下失真变形(图1:SIFT vs. PCA-SIFT图像在可控条件下变形或毁坏时的配对任务(a)目标图像被高斯噪声毁坏(强度范围σ=0.05)。(b)目标图像旋转45◦缩放50%。(c)目标图像投影弯曲来模拟视点改变30◦。(d)目标图像亮度减低50%。注意Recall轴从0.9开始,因为所有方法在此任务执行最好)。
图1a显示PCA-SIFT对于几乎所有1−precision在处理带噪图像上明显更好,PCA-SIFT(在梯度地图)支配局部图像斑块PCA表示法。标准SIFT表示法胜过PCA-SIFT只在极高假阳性比例能接受的情况下。这些结果并不令人惊讶因为PCA提供优秀的在高斯噪声影响下的重建。我们下个实验检测几何变换的影响。
图1b绘制了一个目标图像旋转45◦并缩放50%的实验结果。而图1c显示目标被扭曲以一个30◦平面外旋转相应的透视变形后的匹配。然而这些表示法中没有一个是特别适合这个任务的,PCA-SIFT显然优于其他两个算法。
图1d显示所有表示法都适合捕捉照度的简单变化(注意recall轴已经放大和偏移来强调不同)。仔细看,我们能看到标准SIFT表示法在大部分定义域稍好于PCA-SIFT。然而,考虑到所有算法显示召回率高于95%,这就没什么意义了。
INRIA Graffiti数据集
INRIA Graffiti[1]数据集包含取自不同摄像机视点的涂鸦覆盖墙图像。因为场景是二维的,图像之间的变形能被作为2D平面矩阵(在数据集中给出)建模我们的目标是配对不同图像之间的关键点。图2 显示两种算法在Graffiti6数据集中的配对性能。尽管绝对召回率相当低归因于投射扭曲的高地位,PCA-SIFT显然占优势。在真实世界的应用中高精度中低召回率是可接受的。例如,PCA-SIFT在1−precision为20%时,recall为5%;我们在图像中找出约1000个关键点,其中50个是可靠配对。这个可靠配对的数目足够应用于例如图像检索。
图像检索应用
我们整合SIFT和PCA-SIFT至一个图像检索应用用于取自不同视点的真实世界场景。不像Graffiti数据集,这些场景不是二维的,包含遮挡和反射表面。
使用SIFT的图像检索用公式表示如下。给出两幅图像,我们先提取相应特征矢量。对于每幅图像的每个特征矢量,我们对比其他图像的特征矢量并计算阈值范围内的特征数量。我们探讨作为图像间相似点的匹配数量。
在实验中,我们选择一个小的有30个图像(10个普通日常项目,摄于不同视点)的数据集。每幅图像都在数据库中用作查询。如果相应对象中另两幅都回到前三位,这个算法被获得2 pionts。 如果相应对象中,只有一幅回到前三位,这个算法被获得1 point,否则,这个算法无法获得point.然后,对其得point分数除以60(正确匹配的总数)和在表1中给出。其中所述阈值距离为每个算法进行了调整,以提供最好的结果(SIFT阈值:141 ; PCA- SIFT阈值:2200),在实践中,比较大地阈值比较好些,结果表明,PCA- SIFT的匹配精度的关键点水平也转化为更好的检索结果。
图3是SIFT应用于二个不同地具有挑战性的场景。设置阈值每个算法有10 matches.PCA- SIFT明显主导在这些实验中的标准表示。特别是后者似乎得到由多个物体的边缘相混淆。
图4是为详细了解本示例的关键点之一。潜在的匹配列于每种算法排名顺序。该标准表示率的正确匹配在第三的位置,而PCA-SIFT正确位列第一。
表2比较SIFT与PCA-SIFT之间的运行时间。大约2200兴趣点的图像的特征提取。第一row是localize的兴趣点(常见的两种算法)所需的时间。在第二和第三row表示来计算描述符表示所需的时间。我们观察到来计算表示所需要的时间是相当。该表的下部显示,PCA-SIFT是显著快于匹配阶段,PCA-SIFT(N=20)只需要1/3的时间做2.4 million 点比较.
关于Image Engineering & Computer Vision的更多讨论与交流,敬请关注本博客和新浪微博songzi_tea.
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- 在eclipse中添加java反编译工具调试
一、打开Eclipse,Help --> Eclipse Marketplace,在打开的窗口中 搜索 Enhanced Class Decompiler 二、未下载的状态为install,下载过后状态为installed,下载好后,打开源码文件,页面会多出反编译工具的选项栏三、打开调试模式,就可以在源码中打断点调试了...
2024/4/13 1:31:27 - 从零开始实现主成分分析(PCA)算法
声明:版权所有,转载请联系作者并注明出处: http://blog.csdn.net/u013719780?viewmode=contents知乎专栏: https://www.zhihu.com/people/feng-xue-ye-gui-zi前面两篇文章详细讲解了线性判别分析LDA,说到LDA,就不能不提到主成份分析,简称为PCA,是一种非监督学习算法,…...
2024/4/17 3:19:07 - java反编译工具在线安装
最近做项目,需要查看一些jar包中的类,搜索了百度,80%都是手动下载jad.exe,还有一个相关的jar包,这个方法一般可以满足要求。但是很不幸,无论如何也装不成功,把jad.exe放入jdk后,MyEclipse下就是不出现jadclipse。这里搞了好久,尝试成功了一个在线安装的方法。下面是详…...
2024/4/20 3:40:08 - pca 降纬原理
pca降纬原理:让N纬输入变量降为M纬:让输出变量不同纬度的协方差(即相关性,或影射到空间中的基向量正交无关)为0,并且取输入变量不同纬度的方差最大的M个纬度。PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线…...
2024/4/14 16:35:51 - 机器学习系列:(七)用PCA降维
声明:版权所有,转载请联系作者并注明出处 http://blog.csdn.net/u013719780?viewmode=contents博主简介:风雪夜归子(英文名: Allen),机器学习算法攻城狮,喜爱钻研Machine Learning的黑科技,对Deep Learning和Artificial Intelligence充满兴趣,经常关注kaggle数据挖掘…...
2024/4/13 1:31:07 - myeclipse6.5 反编译工具 jadclipse jad java反编译
http://download.csdn.net/download/chenhu520/2707596MyEclipse6.5和eclipse3.3 的反编译插件的安装 以下介绍我的安装步骤,请根据自己实际路径稍作更改: MyEclipse6.5的安装目录是C:\Program Files\MyEclipse 6.5 第一步:下载jadclipse_3.3.0.zip里边有jad.exe和net.…...
2024/4/13 1:31:17 - 分享java反编译工具,超级好用
百度云盘链接:https://pan.baidu.com/s/1jxDQVwIqzFIjX13Av4bgCQ...
2024/4/13 8:07:45 - PCA的原理简述
PCA的实质就是要根据样本向量之间的相关性排序,去掉相关性低的信息,也就是冗余的特征信息。 我们都知道噪声信号与待测量的信号之间实际上是没有相关性的,所以我我们利用这个原理就可以将与待测量无关的噪声信号PCA去噪PCA的原理也就是它的简单的实现过程就是: 首先将样本数…...
2024/4/13 1:31:53 - 配置java反编译工具及添加源码
先记下:添加源码,在eclipse的preference-->Java-->Build Path-->user library,点开想要添加的jar文件,选择“添加源文件” 一、下载: 下载插件: jadclips插件网站: http://jadclipse.sourceforge.net/ 下载Jad反编译工具:http://www.kpdus.com/jad.html#dow…...
2024/4/17 23:25:58 - PCA使用SVD解决
http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html 主成分分析在上一节里面也讲了一些,这里主要谈谈如何用SVD去解PCA的问题。PCA的问题其实是一个基的变换,使得变换后的数据有着最大的方差。方差的大小描述的是一个变量的信息量,我们在讲…...
2024/4/13 1:32:03 - 数据分析:主成分分析(PCA)1
目录: 文章目录目录:主成分分析1K-L变换(卡洛南-洛伊(Karhunen-Loeve)变换):最优正交变换小结一下:2pca分析 #前言怕什么真理无穷,进一寸有一寸的欢喜——胡适学以致用,以学促用。 最近在分析数据,发现几大分析方法,PCA,ICA,CCA,在学后发觉看过读过是没有用的,…...
2024/4/13 1:31:48 - 机器学习实战——PCA(主成分分析)
本章关于PCA的代码虽少,但涉及到的知识却很多,由于数学知识比较浅薄,所以在看这章时提前查找资料复习了很多的概率论和统计学知识和python基础知识,这里记录的很多都是关于PCA的相关知识或理论(例如:特征向量、协方差矩阵等),由于部分知识涉及较多,讲的有点详细所以文…...
2024/4/8 20:26:19 - PCA算法入门级讲解到深度挖掘
PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只描述了PCA的分析过程,而没有讲述其中的原理。这篇文…...
2024/4/13 1:31:48 - ubuntu 10.04 安装java反编译工具 jd-gui
想看一下自己混淆后的apk被反编译后的效果,反编译出jar包后,下了一个java反编译工具jd-gui,在我的64位ubuntu系统的打不开,用命令行打开发现缺少几个依赖包,baidu了一个现成的答案,解决了sudo apt-get install libgtk2.0-0:i386 libxxf86vm1:i386 libsm6:i386 lib32stdc+…...
2024/4/13 1:31:48 - PCA 的数学原理和可视化效果
本文结构:什么是 PCA 数学原理 可视化效果1. 什么是 PCAPCA (principal component analysis, 主成分分析) 是机器学习中对数据进行降维的一种方法。例如,我们有这样的交易数据,它有这几个特征:(日期, 浏览量, 访客数, 下单数, 成交数, 成交金额),从经验可知,“浏览量”和…...
2024/4/15 19:47:21 - pca数据降维和k-means聚类
pca和k-means属于机器学习中无监督学习,PCA(principal components analysis)即主成分分析技术,又称主分量分析。主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标。在统计学中,主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个…...
2024/4/17 7:11:18 - 利用PCA+KNN在MNIST数据集上达到97%准确率
利用PCA+KNN在MNIST数据集上达到97%准确率写在前面算法实现1、引用必要的库文件2、读入数据3、利用主成分分析对数据进行降维4、KNN的实现5、结果测试 写在前面本文的工作基于python,利用主成分分析(PCA)和K近邻算法(KNN)在MNIST手写数据集上进行了分类。 由于skeleton库中…...
2024/4/19 23:26:42 - 理解主成分分析 (PCA)
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不得转载,不能用于商业目的。 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。书的购买链接书的勘误,优化,源代码资…...
2024/4/13 1:32:18 - 基于主成分变换(PCA)的图像融合
参考资料:https://blog.csdn.net/u013165921/article/details/78339942 基于 IHS 变换和主成分分析变换的图像融合 PCA变换 PCA变换也称霍特林变换或K-L变换,是一种基于信息量的正交线性变换,该变换主要是采用线性投影的方法将数据投影到新的坐标空间中,从而使得新的成分按信…...
2024/4/13 1:31:58 - 【反编译工具】JD-GUI、Luyten(Java反编译)
JD-GUI 是属于 Java Decompiler 项目(JD项目)下的图形化运行方式的反编译器, 这是它的官网地址:http://jd.benow.ca/如果出现 INTERNAL ERROR 的错误提示,说明反编译失败,转用 Luyten。Luyten 和 JD-GUI 的图形界面差不多,使用时候互为补充。...
2024/4/13 1:32:18
最新文章
- 靠谱二次元行研组:2024年国产动画番剧趋势报告
靠谱二次元行研组 根据靠谱二次元(公众号ID:kpACGN)统计,2023年全年累计在播动画番 剧超140部,有更新的年番超过15部。其中有123部国产动画番剧新开播,涉 及110个IP,80家制作公司,新…...
2024/5/9 11:17:44 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/5/7 10:36:02 - 同一个pdf在windows和linux中的页数不一样
之前认为PDF的格式,至少页数是不会变化的,结果最近发现一个文档在windows和linux中的页数不一样,linux中的pdf进入像word一样排版变得紧凑了,原本在下一页的几行进入了上一页的末尾。问了gpt后得到这样的回答: PDF文档…...
2024/5/5 6:48:14 - 【Linux实验室】NFS、DHCP的搭建
NFS、DHCP的搭建 1、nfs服务搭建及测试什么是NFS?环境准备服务端机器安装nfs-utils和rpcbind包启动NFS服务创建/data/NFSdata目录,配置nfs文件启动服务挂载测试在服务端在共享目录下创建文件测试在客户端在共享目录下创建文件 2、dhcp服务搭建及测试什么…...
2024/5/9 6:27:06 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/5/8 6:01:22 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/5/7 9:45:25 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/5/4 23:54:56 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/5/9 4:20:59 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/5/4 23:54:56 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/5/4 23:55:05 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/5/4 23:54:56 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/5/7 11:36:39 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/5/4 23:54:56 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/5/6 1:40:42 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/5/4 23:54:56 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/5/8 20:48:49 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/5/7 9:26:26 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/5/4 23:54:56 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/5/8 19:33:07 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/5/5 8:13:33 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/5/8 20:38:49 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/5/4 23:54:58 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/5/9 7:32:17 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/5/4 23:54:56 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57