数据服务实践 构建API集市,实现接口复用为了实现接口的复用,我们需要构建 API 的集市,应用开发者可以直接在 API 集市发现已有的数据接口,直接申请该接口的 API 权限,即可访问该数据,不需要重复开发 操作流程 步骤一:创建数据源并配置网络连通性 使用数据服务创建API前,需先将您的数据库或数据仓库添加为DataWorks数据源,以此作为数据服务API的数据来源。开发数据服务API时,数据服务将访问该 2024-06-14 #JAVA
基于GitLab-DolphinScheduler的SQL审核CI/CD实践 背景数据开发在基于DolphinScheduler调度平台进行sql开发,对于需求的迭代和变更,需要在DolphinScheduler上进行sql的变更,但是在DolphinScheduler仅有的是对于sql task任务节点的修改记录的不同版本,只能进行版本的切换,对于sql文件的版本管控缺乏如git对文件变更的直观变化记录。 工作流Developer -> 在Dolpin上创建工作流& 2024-06-14 #Java #DolphinScheduler
Theme-Aware Aesthetic Distribution Prediction With Full-Resolution Photographs 该论文发表在IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, VOL.XX, NO.XX, JANUARY, 2021,CCF B评级 1.Introducation为了解决统一的输入尺寸约束和真实世界图像的不同尺寸之间的冲突, 本文通过在以填充图像为输入的网络中应用RoM池化,开发了一种名为PRP的新方法。 1.这种方法使我们能 2023-09-19 论文阅读 #CV - image aesthetics
Context-aware Attention Network for Predicting Image Aesthetic Subjectivity 论文发表在ACM Multimedia Conference 2020,ACM MM是CCF A类会议 1.Introduction提出了一种有效的基于上下文感知注意力的模型来预测美学分数分布,该模型将强调局部特征与上下文信息联系起来,并捕获了美学的主观性。 提出了一个注意力模块,通过多级细节和远程感知来提供丰富的上下文依赖。它建立在层级和空间两个维度上。 引入一种新的基于Bhattacharyy 2023-09-18 论文阅读 #CV - image aesthetics
Learning image aesthetic subjectivity from attribute-aware relational reasoning network 该论文发表在(PRL)CCF C类 Pattern Recognition Letters 155 (2022) 84–91 Hancheng Zhu a,b, Yong Zhou a,b,∗, Rui Yao a,b, Guangcheng Wang c, Yuzhe Yang d a:School of Computer Science and Technology, China Unive 2023-09-16 论文阅读 #CV - image aesthetics
Rethinking Image Aesthetics Assessment: Models, Datasets and Benchmarks 1. Introduction本文构建了一个名为”主题与美学数据集”的大规模数据集( TAD66K ),该数据集是专门为IAA设计的。 1 )它是一个面向主题的数据集,包含66K张图片,涵盖了47个流行主题。所有图片均根据主题手工精心挑选。 2 )除了共同的审美标准外,为47个主题提供了47个标准。每个主题的图像都是独立标注的,每个图像至少包含1200个有效标注(迄今为止最丰富的注释)。这些高质量 2023-09-13 论文阅读 #CV - image aesthetics
Lightweight Image Super-Resolution with Multi-Scale Feature Interaction Network 1.Introduction发表在2021 IEEE(ICME) 据知乎说是毕业神会,两篇保博士毕业,CCF B regular paper 的 正文 + 引用 = 6页 2021 IEEE International Conference on Multimedia and Expo (ICME) 以往的卷积神经网络的方法需要消耗大量的算力,难以适用于一些存储和计算资源有限的移动设备。 2023-07-29 论文阅读 #CV #Super-Resolution
Designing a Practical Degradation Model for Deep Blind Image Super-Resolution 1. Introduction2021年发表在ICCV 代码:https://github.com/cszn/BSRGAN 文章认为影响真实退化的主要因素有三个:模糊、降采样和噪声。 论文设计一个实用的退化模型,该模型使三个关键因素的退化空间尽可能大且符合实际, 来解决低分辨率的问题, 2.Related Workbicubic and traditional degradation models 2023-07-25 论文阅读 #CV #Super-Resolution
MAXIM Multi-Axis MLP for Image Processing 0. 前言论文发表在2022CVPR image processing tasks: including denoising, deblurring, deraining, dehazing, restoration,and enhancement 图像处理:降噪,去模糊,去雾,去雨,图像修复,图像增强。 中文视频讲解:(非常详细,有很多背景介绍,新手友好型) youtu.be/gpU 2023-07-22 论文阅读 #CV
A ConvNet for the 2020s 论文发表在2022CVPR 代码:https://github.com/YUTING0907/SubscribePapers/blob/main/papers/cvpr/cvpr2022.md A ConvNet for the 2020s ConvNeXts由传统的卷积层(ConvNets)组合成的模型,在ImageNet上得到了 top-1 accuracy,87.8% 超过了Transfor 2023-07-22 论文阅读 #CV