Chenjin2018

摘要： 这篇文章来自 BMVC 2018。低光图像增强一直是一个火热的领域，在过去的几十年中，有很多传统的方法用于增强低光图像，但这些方法都在一定程度上限制了增强效果。随着深度学习的兴起，卷积神经网络也被应用在这个领域，这篇文章是将Retinex理论与深度学习结合的文章，下面就一起来看看这篇文章的设计方法。 阅读全文

摘要： 文章概述 这篇文章来自 CVPR 2019。文章提出了一种新的端到端图像增强网络，该网络没有像以前那样直接学习图像到图像的映射，而是在网络中引入中间光照，将输入与预期的增强结果相关联，从而增强了网络从经过专家修饰的输入/输出图像对学习复杂的摄影调整的能力（没有直接学习图像到图像的映射，而是设计网络， 阅读全文

摘要： 文章概述 这篇文章来自 ACM MM 2019。本文建立了一个简单而有效的点燃黑暗（表示为 KinD）的网络，它受 Retinex 理论的启发，将原始图像分解为反射率和光照两个部分，其中光照负责光的调节，而反射率负责去除退化。通过这种方式，原始空间被解耦成两个较小的子空间，期望得到更好的学习。整个网 阅读全文

摘要： 题目描述 给定两个大小为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的中位数。 示例 1 输入：nums1 = [1,3], nums2 = [2] 输出：2.00000 解释：合并数组 = [1,2,3] ，中位数 2 示例 2 输入：nums1 阅读全文

摘要： 题目描述 给定一个字符串，请你找出其中不含有重复字符的最长子串的长度。 示例 1 输入: s = "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。 示例 2 输入: s = "bbbbb" 输出: 1 解释: 因为无重复字符的最长子串是 "b"，所 阅读全文

摘要： 题目描述 给出两个非空的链表用来表示两个非负的整数。其中，它们各自的位数是按照逆序的方式存储的，并且它们的每个节点只能存储一位数字。 如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。 你可以假设除了数字 0 之外，这两个数都不会以 0 开头。 示例 输入：(2 -> 4 -> 3) 阅读全文

摘要： 题目描述 给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那两个整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。 示例 给定 nums = [2, 7, 11, 15], target = 9 因为 nums[ 阅读全文

摘要： 题目描述： 请实现一个函数，把字符串 s 中的每个空格替换成“%20”。 示例1： 输入：s = "We are happy." 输出："We%20are%20happy." 方法：遍历添加 在 Python 语言中，字符串被设计成「不可变」的类型，即无法直接修改字符串的某一位字符，需要新建一个字符 阅读全文

摘要： 题目描述： 在一个长度为 n 的数组 nums 里的所有数字都在 0~n-1 的范围内。数组中某些数字是重复的，但不知道有哪几个数字重复了，也不知道每个数字重复了几次。请找出数组中任意一个重复的数字。 示例1： 输入： [2, 3, 1, 0, 2, 5, 3] 输出： 2或3 题解： 这个题目的解 阅读全文

摘要： 1 tf.pad() tf.pad()函数主要是用来对tensor的大小进行扩展，包括水平、垂直、深度（通道）等，方法定义如下： pad(tensor,paddings,mode="CONSTANT",name=None,constant_values=0) 输入参数： tensor：输入的tens 阅读全文