全幻灯片图像分析 背景 全幻灯片图像（WSI）是数百万像素的高分辨率组织病理学图像。 如果直接应用于WSI，传统的分析程序将无法有效工作。 大多数成功的解决方案都采用基于补丁的范例。 概述 当前，此仓库包含用于补丁提取的代码（从WSI），并将不断更新。 ：）（准备就绪时，将添加基于深度学习的分类和细分代码）。 补丁提取 从WSI提取补丁时，有几个棘手的部分： 内存限制。 我们实验室的RAM大小为31 GB，几乎无法容纳level0 WSI。 因此，加载整个图像时要小心。 使用del和gc.collect（）释放内存也很有帮助。 为了处理level0 / 1/2 WSI，我们需要拆分原始图像。 坐标缩放级别/参考框架。 在read_region（）方法处理在水平0参考帧峰会。 因此，当我们使用read_region（）方法从WSI裁剪补丁时，需要进行必要的转换。 枕头图像对象和NumP

Windows漏洞利用建议程序-下一代（WES-NG） WES-NG是基于Windows的systeminfo实用程序输出的工具，该工具提供了OS易受攻击的漏洞列表，包括针对这些漏洞的任何利用。 支持Windows XP和Windows 10之间的每个Windows操作系统，包括其Windows Server对应版本。 用法 通过执行命令wes.py --update获得最新的漏洞数据库。 使用Windows内置的systeminfo.exe工具获取本地系统的系统信息，或者使用systeminfo.exe /S MyRemoteHost从远程系统获取系统信息，然后将其重定向到文件： sys

用Rsync实现windows下同步linux服务器的数据 - OS_Performance - 博客园

卡尔曼滤波视频去噪 Kalman filtering of patches for frame-recursive video denoising

各种脚本和补丁我不知道是要发布还是如何分发。 请使用 svn 获取最新版本：http://nikyscripts.svn.sourceforge.net/viewvc/nikyscripts/

D. Zoran and Y. Weiss. From learning models of natural image patches to whole image restoration.

这是复现论文Learning to Compare Image Patches via Convolutional Neural Networks的代码，这是TensorFlow版本，用深度学习的方法做图像匹配，具体的过程可以看这篇文章https://blog.csdn.net/weixin_42521239/article/details/103389033

libevent Android 编译版本. ndk 19 验证通过。 生成的是 静态库。

Learning to Compare Image Patches via Convolutional Neural Networks论文的复现代码，这是keras版本，具体怎么做的可以看这篇文章https://blog.csdn.net/weixin_42521239/article/details/103389033

ERDAS IMAGINE 2014 Patches + Licenses ERDAS IMAGINE 2014 的破解文件