开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

RRDTool数据值(例如最大值)在不同的时间分辨率下是不同的

RRDTool是一个用于存储和显示时间序列数据的开源工具。它可以在不同的时间分辨率下存储和处理数据，并提供了一种灵活的方式来生成图表和图形化展示数据。

RRDTool中的数据值，包括最大值，在不同的时间分辨率下是不同的。时间分辨率指的是数据点之间的时间间隔，可以根据需要进行配置。在较高的时间分辨率下，数据点之间的时间间隔较短，可以提供更详细的数据，但同时也会占用更多的存储空间。在较低的时间分辨率下，数据点之间的时间间隔较长，可以节省存储空间，但数据的精确度会降低。

RRDTool的时间分辨率可以根据实际需求进行调整，以平衡存储空间和数据精确度之间的关系。通过配置RRDTool的数据源和存储规则，可以定义不同的时间分辨率，并在不同的时间段内存储和处理数据。

RRDTool的优势在于其高效的存储和处理时间序列数据的能力。它采用了一种基于固定时间间隔的循环存储方式，可以自动合并和压缩数据，以节省存储空间。同时，RRDTool还提供了丰富的图表生成和数据展示功能，可以根据需要生成各种类型的图表和报表。

RRDTool的应用场景非常广泛。它可以用于监控系统的各种指标，如服务器的负载、网络流量、温度传感器的数据等。通过采集和存储这些数据，并生成相应的图表和报表，可以帮助管理员和开发人员更好地了解系统的运行状态和趋势变化，及时做出相应的调整和优化。

腾讯云提供了一系列与时间序列数据存储和展示相关的产品和服务，可以与RRDTool相辅相成。其中，推荐的产品是腾讯云监控(Monitoring)服务。腾讯云监控提供了丰富的监控指标和数据展示功能，可以帮助用户实时监控和分析云上资源的运行状态。通过与RRDTool结合使用，可以更好地管理和展示时间序列数据。

腾讯云监控产品介绍链接地址：https://cloud.tencent.com/product/monitoring

相关搜索:获取特定列的不同值，不同列的最大值电子图表-双YAsix在不同的最小/最大值下无法正常工作将数据分组到不同的分区，即使是不同的重复值返回具有不同组值的均值最大值合并列值不同的不同数据帧 pandas在不同数据帧上使用不同的值我可以在xstate的不同状态下使用不同的值吗？我的`<li>`大小在不同页面上是不同的使用by命令在R中使用不同的最大值在不同提示下运行不同进程的Makefile 如何显示列分组中的最大值。最大值应与模式不同用于获取最大值的不同元素的SQL查询根据某列的最大值选择不同的行如何获取mongodb中不同元素的最大值？where子句中的日期与最大值不同在JSON数据中选择不同的值在scala DataFrame中查找单行中不同列的最大值如果3个值不能是不同的值，则找出最大值、最小值和中间值使用单个命令在不同模式下运行不同的测试在单行的不同列中获取不同的行值

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

数据集 | MERRA-2全球再分析数据集

MERRA-2是一套长时间序列的在分析数据集，其中包括各种气象变量，像净辐射、温度、相对湿度、风速等。

04

数据集 | MERRA-2全球再分析数据集

MERRA-2是一套长时间序列的在分析数据集，其中包括各种气象变量，像净辐射、温度、相对湿度、风速等。

04

课程笔记2--fMRI数据结构

时间分辨率(temporal resolution)：时间分辨率由扫描一张图片所需的时间决定，事实上扫描一张图片的时间是由一个扫描时的参数TR决定的。他决定了我们区分观察不同时间点上大脑变化的能力。

02

何恺明等最新突破：视频识别快慢结合，取得人体动作AVA数据集最佳水平

到底 SlowFast 网络是怎样的设计、有什么特征、效果如何，下面就一起来看一下~

02

1980 年至今全球高分辨率降水分析(0.5度) 空间分辨率

卫星降水 - CMORPH 气候数据记录 (CDR) 由卫星降水估计组成，这些估计已使用气候预测中心 (CPC) 变形技术 (MORPH) 进行偏差校正和重新处理，以形成 25 公里范围内的全球高分辨率降水分析(1/2 度 x 1/2 度) 空间分辨率从 1980 年至今每天更新。数据在全球网格上以每日时间分辨率进行重新处理。前言 – 人工智能教程您可以在此处或在气候引擎组织页面上获取更多信息。

01

python学习-python与rrdt

rrdtool（round robin database）工具为环状数据库的存储格式，round robin是一种处理定量数据以及当前元素指针的技术。rrdtool主要用来跟踪对象的变化情况，生成这些变化的走势图，比如业务的访问流量、系统性能、磁盘利用率等趋势图，很多流行监控平台都使用到rrdtool，比较有名的为Cacti、Ganglia、Monitorix等。更多rrdtool介绍见官网http://oss.oetiker.ch/rrdtool/。rrdtool是一个复杂的工具，涉及较多参数概念，本节主要通过Python的rrdtool模块对rrdtool的几个常用方法进行封装，包括create、fetch、graph、info、update等方法，本节对rrdtool的基本知识不展开说明，重点放在Python rrdtool模块的常用方法使用介绍上。

01

何恺明等最新突破：视频识别快慢结合，取得人体动作AVA数据集最佳水平

【导语】继图像领域之后，现在的 CV 领域，大家都在研究哪些内容？近日，Facebook AI 实验室的 Christoph Feichtenhofer、何恺明等人发表一篇论文，在视频识别领域提出了一种 SlowFast 网络，并且在没有预训练模型情况下，此网络在 Kinetics 数据集上取得79.0% 的准确率，是当前该数据集上的最佳表现。在 AVA 动作检测数据集上，同样实现了 28.3 mAP 的最佳水准。

01

光学遥感卫星分辨率的奥秘！！

在地球观测领域，遥感技术已经成为我们获取地表信息的重要手段。而遥感分辨率，作为衡量遥感图像质量的关键指标，直接影响着我们对地球表面特征的理解和分析。今天，让我们一起深入探讨光学遥感卫星分辨率的奥秘，了解它如何塑造我们对地球的认知。

01

PIE：1979-2018年中国气温数据产品（空间分辨率为0.1º）

中国气温数据产品包含1979-2018年期间中国的近地表气温数据（单位为摄氏度），时间分辨率为每日，空间分辨率为0.1º。本产品集成了再分析数据（ERA5、CMFD）、遥感数据（MODIS）、原位数据等多个数据源，通过结合温度策略区分晴空和非晴空天气条件而获得。前言 – 人工智能教程

01

快慢结合效果好：FAIR何恺明等人提出视频识别SlowFast网络

作者：Christoph Feichtenhofer、Haoqi Fan、Jitendra Malik、Kaiming He

05

Google earth engine——如何导入栅格数据？

开始上传后，“资源摄取”任务会出现在代码编辑器右侧的“任务”选项卡上。将鼠标悬停在任务管理器中的任务上会显示 ? 可用于检查上传状态的图标。要取消上传，请单击任务旁边的旋转图标。摄取完成后，资产将出现在您的用户文件夹中，并带有image 图标。

01

课程笔记7--fMRI数据的时间分辨率和空间分辨率

从图中可以发现，MEG和EEG有着极好的时间分辨率，但空间分辨率很差，因此在MEG和EEG研究中，常常不知道信号到底来自于哪个脑区。而PET成像技术的时间分辨率一般是几分钟，略差于BOLD fMRI,而空间分辨率是厘米级的,略优于EEG和MEG。在fMRI技术中，ALS fMRI（arterial spin labeling fMRI，动脉自旋标记fMRI）在时间稳定性方面非常好，即它可以比较间隔时间长达几天或十几天的两种激活状态。

01

纯Deep Learning干货 | 快慢网络用于视频识别（文末有源码）

这个技术是由何恺明等人提出的，主要用于视频识别的SlowFast网络，提出要分开处理空间结构和时间事件。该网络模型在视频动作分类及检测方面性能很强大，在没有使用任何预训练的情况下，在Kinetics数据集上实现了当前最好的性能水平，在AVA动作检测数据集上也实现了28.3mAP的当前最优异性能表现。

04

美国季节性干旱数据集

美国干旱展望栅格数据集由国家气象局气候预测中心生成。它在每个月的最后一天发布，提供下个月的干旱前景信息。“美国季节性干旱展望”数据集每月发布一次，特别是每月的第三个星期四。该数据集对美国不同地区发生干旱的可能性进行了定性评估。该评估采用四类尺度来描述预期干旱状况：

01

EEG信号特征提取算法

EEG信号特征提取就是以脑电信号作为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量。

02

MODIS数据说明

MODIS目前主要存在于两颗卫星上：TERRA和AQUA。TERRA卫星每日地方时上午10:30时过境，因此也把它称作地球观测第一颗上午星(EOS-AM1)。AQUA每日地方时下午过境，因此称作地球观测第一颗下午星(EOS-PM1)。两颗星相互配合，每1-2天可重复观测整个地球表面，得到36个波段(表1)的观测得到，这些数据广泛用于全球陆地、海洋和低层大气内的动态变化过程研究。

03

GEE合成无云的Landsat-8和哨兵-2数据

Landsat-8（30m分辨率）和哨兵-2（10m分辨率）都是我们常用的遥感影像数据。

02

ECMWF公开了哪些预报数据？我应该怎么怎么获取？

相信关注新闻的小伙伴已经从各个渠道听说了，ECMWF在2022年1月25日发布了一个非常重磅消息——公开预报数据。早在2020年他们就免费开放了非常丰富的预报图表，预报员可以借此完成主观上的预报分析，当然也有技术人员通过一些方式将图表反向计算成格点数据。不过这一次，ECMWF直接免费公开数值预报结果，还真不敢想象，毕竟在不久之前ECMWF的高分辨率数值预报产品还只有每年花上百万元购买这一个选项。至此，ECMWF在开放数据的道路上又向前迈出了一大步。

04

NASA数据集—— 1987-2012 年期间北极极地脆弱性实验（ABoVE）核心域中火灾数据集

ABoVE: Landsat-derived Annual Disturbance Agents Across ABoVE Core Domain, 1987-2012

00

【GEE】2、探索数据集

Google 地球引擎中可用的潜在数据来源。通过生态示例显示的数据集采样用例。如何使用 Google 地球引擎访问重要的元数据。

04

CUDA优化的冷知识 5 | 似是而非的计时方法

https://docs.nvidia.com/cuda/cuda-c-best-practices-guide/index.html 来阅读原文。

01

1998-2019 TRMM 3B42逐日降水数据NetCDF格式分享

骆三, 苗峻峰, 牛涛, 等, 2011. TRMM测雨产品3B42与台站资料在中国区域的对比分析. 气象, 37(9): 1081-1090.

02

NASA数据集——北美LVIS-L3 数据森林树冠相对高度 (RH)、复杂度、树冠覆盖度 (CC)、地面海拔高度以及可用于生成像素估计值的 LVIS 网格足迹数据

ABoVE: LVIS L3 Gridded Vegetation Structure across North America, 2017 and 2019

01

Science:神经元活动的高时空分辨率在体直接成像

长期以来，对非侵入性神经成像方法的需求一直存在，这种方法可以在高时间和高空间分辨率下检测神经元活动。我们提出了一种二维快速线扫描方法，能够以毫秒精度直接成像神经元活动，同时保留磁共振成像(MRI)的高空间分辨率。在电须垫刺激期间，这种方法通过9.4特斯拉的活体小鼠大脑成像得到了证明。体内峰值记录和光遗传学证实了所观察到的MRI信号与神经活动的高度相关性。它还捕获了沿着丘脑皮层通路的神经元活动的顺序和层状特异性传播。这种对神经元活动的高分辨率、直接成像将通过提供对大脑功能组织(包括神经网络的时空动力学)的更深入理解，为脑科学开辟新的途径。

01

经典重温：FAIR提出SlowFast，用双分支非对称网络处理不同采样率的视频！代码开源！

在本文中，作者提出了用于视频识别的SlowFast网络，本文的模型涉及以低帧率运行的Slow pathway，以捕获空间语义，以及以高帧率运行的Fast pathway，以高时间分辨率捕获运动。通过减少通道容量，可以使Fast pathway变得非常轻巧，但可以学习有用的时间信息以进行视频识别。本文的模型在视频中实现了动作分类和检测的强大性能，并且是由于本文的SlowFast概念的贡献而做出了巨大的改进。本文提出的SlowFast网络在多个视频动作识别的benchmark上（Kinetics, Charades and AVA），实现了SOTA的性能。

01

CARVE：2001-2013 年阿拉斯加火灾排放数据库（AKFED）

CARVE: Alaskan Fire Emissions Database (AKFED), 2001-2013

00

转录组讲师带你读文献(9)-玉米种子发育早期的高时间分辨率转录组景观

我在我在04-转录组笔记推文任务列表（半年期）里面安排了6个经典综述和10篇转录组应用文献给大家，可惜愿意沉下心了认真苦学的并不多。（https://share.mubu.com/doc/14uneHKvPg）

02

姜健：VP9可适性视频编码（SVC）新特性

与VP8相比，VP9进行了大量的设计改进以尽可能的获得更高的视频编码质量。Google软件工程师姜健详细介绍了VP9可适性视频编码（SVC）中多种新功能的实现与相应API。本文来自姜健在Live

03

经典综述|EEG源空间功能连接—致力于实现时-空间上高分辨率脑网络分析

一、写在前面这是2018年发布于信号处理领域权威顶级杂志《IEEE Signal Processing Magazine》上的一篇综述文章，该文章对于如何进行EEG源空间功能连接研究提供了详尽和权威的指导。与其他成像方法相比，EEG具有超高时间分辨率、设备便宜等优点，但是EEG最大的问题似乎是其空间分辨率比较低（头皮记录的EEG空间分辨率是cm水平，而MRI成像技术的空间分辨率是mm水平的）。那么如何提高EEG的空间分辨率呢？基于EEG产生的电生理机制，从设备研发这个角度去提高EEG的空间分辨率似乎潜在空间不大（当然，增加EEG通道数可以从一定程度上增加EEG空间分辨率，但是这种方法仍然不能解决像体积传导效应等问题），因此，研究者从方法学上出发，提出了EEG溯源分析的方法，即把记录到的头皮EEG信号通过一定的方法得到皮层脑区电信号。正如该篇文章的副标题所阐述的，EEG源空间的功能连接分析旨在保留EEG超高时间分辨率的优势之外，弥补低空间分辨率的缺点，最终实现时间和空间高分辨率的脑网络分析。从目前的研究来看，这种方法似乎还是挺有效的（至少目前已经发表了不少EEG溯源方面的论文），但是也有不少研究者对EEG溯源这种方法并不十分认可（EEG发挥好自己超高时间分辨率的优势就行了，不要在空间分辨率这方面勉强，这方面还是让MRI来~~）。不管如何，该篇文献可以作为EEG溯源空间功能连接研究的指导手册，笔者在这里对这篇综述进行解读，解读并非一字一句翻译，部分加入了自己的见解，如有不当，敬请谅解。

00

通过超高密度脑电记录系统实现单个手指运动精准解码

基于脑电图(EEG)的脑机接口系统因其时间分辨率高、使用方便和较灵活的可移植性而得到广泛的研究。通常情况下，EEG信号的分辨率越高，对身体精密活动（如手指活动）的解码准确率越高，这得益于电极材料的发展和高密度电极制作工艺的进步，来自韩国的一项研究利用直接连接到头皮的柔性电极网络采集获得超高密度脑电图（uHD EEG），常规脑电图的电极间距平均为60 ~ 65 mm，而uHD EEG的电极间距平均为8.6 mm。

03

NeuroImage：利用高时间分辨率fMRI和动态因果模型探究人脑对痛觉和触觉信息处理的层级结构

天津市功能影像重点实验室梁猛教授课题组将高时间分辨率fMRI与动态因果模型相结合探究了人脑‘丘脑-初级躯体感觉皮层-次级躯体感觉皮层’网络中痛觉和触觉信息处理的层级结构。相关研究成果于近期在线发表在NeuroImage，题目为Feedforward and feedback pathways of nociceptive and tactile processing in human somatosensory system: A study of dynamic causal modeling of fMRI data。天津市功能影像重点实验室博士研究生宋颖超为本文第一作者，梁猛教授为本文通讯作者。

02

近期发布的地理空间数据共享资源汇总

地表覆盖分布是气候变化研究、生态环境评估及地理国情监测等不可或缺的重要基础信息。近年来，随着卫星遥感和计算机存储与计算能力的不断增强，全球尺度中高分辨率地表覆盖产品的应用需求日益迫切。

02

好文速递：空间分解去除降尺度MODIS块效应

摘要：Terra / Aqua中等分辨率成像光谱仪（MODIS）数据由于每天的精细时间分辨率，已被广泛用于地球表面的全局监视。但是，MODIS时间序列（即500 m）的空间分辨率对于本地监视来说太粗糙了。该问题的可行解决方案是缩小粗略的MODIS图像，从而创建具有良好空间和时间分辨率的时间序列图像。通常，可以通过使用时空融合方法将MODIS图像与精细的空间分辨率图像（例如Landsat图像）融合，从而实现MODIS图像的缩小。在时空融合方法家族中，由于基于空间分解的方法对可用的精细空间分辨率图像的依赖性较小，因此已被广泛应用。但是，此类方法中的所有技术都存在相同的严重问题，即块效应，这降低了时空融合的预测精度。据我们所知，几乎没有解决方案可以直接解决这个问题。为了满足这一需求，本文提出了一种块去除空间分解（SU-BR）方法，该方法通过包括基于空间连续性构造的新约束来去除块状伪像。SU-BR提供了适用于任何现有基于空间分解的时空融合方法的灵活框架。在异质区域，均质区域和经历土地覆盖变化的区域进行的实验结果表明，SU-BR在所有三个区域中均有效地去除了块体，并显着提高了预测精度。SU-BR还优于两种流行的时空融合方法。因此，SU-BR提供了一种关键的解决方案，可以克服时空融合中最长的挑战之一。

05

短视频模型Imagen Video：艺术和3D建模大师

看到Imagen这个字眼，那不是前阵子很火的文本图像生成圈的一个模型吗？这不，谷歌在10月份基于这个模型的基础上，发布了能够生成短视频的Imagen Video模型。

01

小波变换通俗解释版

从傅里叶变换到小波变换，并不是一个完全抽象的东西，可以讲得很形象。小波变换有着明确的物理意义，如果我们从它的提出时所面对的问题看起，可以整理出非常清晰的思路。下面就按照傅里叶-->短时傅里叶变换-->小波变换的顺序，讲一下为什么会出现小波这个东西、小波究竟是怎样的思路。一、傅里叶变换关于傅里叶变换的基本概念在此我就不再赘述了，默认大家现在正处在理解了傅里叶但还没理解小波的道路上。下面我们主要将傅里叶变换的不足。即我们知道傅里叶变化可以分析信号的频谱，那么为什么还要提出小波变换？答案“对非平稳

07

傅里叶变换到小波变换

做完FFT（快速傅里叶变换）后，可以在频谱上看到清晰的四条线，信号包含四个频率成分。

03

TPAMI 2023｜eSL-Net++：基于事件相机的超分辨率图像恢复

论文地址：https://link.springer.com/chapter/10.1007/978-3-030-58601-0_10

02

最先进的图像分类算法：FixEfficientNet-L2

FixEfficientNet 是一种结合了两种现有技术的技术：来自 Facebook AI 团队的 FixRes [2] 以及由 Google AI 研究团队首先提出的EfficientNet [3]。FixRes 是 Fix Resolution 的缩写形式，它尝试为用于训练时间的 RoC（分类区域）或用于测试时间的裁剪保持固定大小。EfficientNet 是 CNN 尺度的复合缩放，可提高准确性和效率。本文旨在解释这两种技术及其最新技术。

02

任务态fMRI的实验设计方法及注意事项有哪些？—重温经典文章的点滴思考

fMRI作为具有高空间分辨率和较高时间分辨率的脑成像研究工具，能够对大脑功能进行非侵入性的深入研究。其中，任务态fMRI作为任务高相关的脑功能探究方法，在大脑不同脑区的功能探索中扮演了极为重要的角色。作为任务态fMRI研究中的主角，实验设计在任务态研究中可以说具有决定性的地位。那么任务态的实验设计主要有哪些呢？在不同的实验设计中，我们又应该注意哪些方面吗？今天小编带大家一起回顾一下2006 Edson Amaro Jr. 教授和Gareth J. Barker 教授在《Brian and Cognition》上的发文：Study design infMRI: Basic principles，以帮助大家对任务态研究的实验设计有更深入的认识。

00

视频理解 S3D，I3D-GCN，SlowFastNet, LFB

最近看了下几篇动作识别，视频理解的文章，在这里记下小笔记，简单过一下核心思想，以便后续查阅及拓展使用。

03

雪数据同化系统Snow Data Assimilation System数据集

雪资料同化系统（SNODAS）是国家水文遥感业务中心（NOHRSC）精心开发的综合建模和资料同化系统。其主要目标是提供高度准确的积雪和相关参数估计，作为水文建模和分析的重要资源。SNODAS 通过吸收各种来源的数据来实现这一目标，包括卫星观测、地面测量和数值天气预报模型。这些不同的数据流在雪质量和能量平衡模型中经过彻底处理，最终产生雪水当量（SWE）、雪深、雪覆盖范围和雪反照率的估计值。

01

GDAL读取MAIAC的HDF文件（熟肉）

MAIAC全称Multi-Angle Implementationof Atmospheric Correction algorithm （多角度大气校正算法），主要生产的是气溶胶光学厚度（AOD）产品，在MODIS数据库中的序列号是MCD19A2，目前有c6和c6.1两个版本。空间分辨率1km，时间分辨率为1d。这个算法得到的AOD更为精确，同时获得的AOD范围也更为广泛。有兴趣的同学可以到NASA官网了解更为丰富的MAIAC算法细节（本文不做扩展）。

02

中国长序列地表冻融数据集(1978-2015)

中国长序列地表冻融数据集——双指标算法(1978-2015)采用SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB,37v，SG）冻融判别算法生成。前言 – 人工智能教程分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分，空间分辨率为25.067525 km，EASE-Grid投影方式，以ASCIIGRID格式存储。

01

傅立叶分析和小波分析之间的关系？（通俗讲解）

从傅里叶变换到小波变换，并不是一个完全抽象的东西，完全可以讲得很形象。小波变换有着明确的物理意义，如果我们从它的提出时所面对的问题看起，可以整理出非常清晰的思路。下面我就按照傅里叶-->短时傅里叶变换-->小波变换的顺序，讲一下为什么会出现小波这个东西、小波究竟是怎样的思路。（反正题主要求的是通俗形象，没说简短，希望不会太长不看。。）一、傅里叶变换关于傅里叶变换的基本概念在此我就不再赘述了，默认大家现在正处在理解了傅里叶但还没理解小波的道路上。（在第三节小波变换的地方我会再形象地讲一下傅里叶变换）

09

AI框架识别野生动物群体行为并对其进行分类

伊利诺伊大学，意大利米兰理工大学和加州大学戴维斯分校提出了一个统计框架，用于识别野生动物群体行为。在初步实验中，与基线方法相比，它显著表现出了更好的分类准确性。

03

青藏高原连续日光诱导叶绿素荧光数据集（2000-2018）

青藏高原连续日光诱导叶绿素荧光数据集（2000-2018）是通过MODIS各通道反射率和SIF观测数据建立神经网络模型，从而得到较高时空分辨率的SIF数据，常作为初级生产力的参考。前言 – 人工智能教程源数据范围为全球，本数据集选取了青藏高原区域。本数据将原本的4天时间尺度数据集成至月数据，加工方法为取月最大值，尽可能达到去除噪声的效果。该数据集常被用作评定植被绿度和初级生产力的时间和空间格局，具有实际意义和理论价值。

01

单光子计数器，时间相关光子计数器，单光子光电计数器

SYN5648型时间相关单光子计数器（TCSPC）是由西安同步电子科技有限公司精心设计、自行研发生产的一款专用的高精密时间间隔计数测量仪器。本产品支持2/4/8/12/16/32/64通道，在同一个参考时钟下对64个输入信号进行并行的时间间隔测量，每个通道都可实现64ps的时间分辨率和20Mcps的饱和计数率。

02

图像超分辨率及相关知识简介

图像分辨率指图像中存储的信息量，是每英寸图像内有多少个像素点，分辨率的单位为PPI(Pixels Per Inch)，通常叫做像素每英寸。一般情况下，图像分辨率越高，图像中包含的细节就越多，信息量也越大。图像分辨率分为空间分辨率和时间分辨率。通常，分辨率被表示成每一个方向上的像素数量，例如64*64的二维图像。但分辨率的高低其实并不等同于像素数量的多少，例如一个通过插值放大了5倍的图像并不表示它包含的细节增加了多少。图像超分辨率重建关注的是恢复图像中丢失的细节，即高频信息。在大量的电子图像应用领域，人们经常期望得到高分辨率（简称HR）图像。但由于设备、传感器等原因，我们得到的图像往往是低分辨率图像（LR）。增加空间分辨率最直接的解决方法就是通过传感器制造技术减少像素尺寸（例如增加每单元面积的像素数量）；另外一个增加空间分辨率的方法是增加芯片的尺寸，从而增加图像的容量。因为很难提高大容量的偶合转换率，所以这种方法一般不认为是有效的，因此，引出了图像超分辨率技术。

02

电生理源成像：脑动力学的无创窗口

大脑活动和连接分布在三维空间上并在时间上演变，这对于高时空分辨率的脑动态成像是非常重要的。脑电图（EEG）和脑磁图（MEG）是无创测量方式，测量编码大脑功能的复杂神经活动及其相互作用。电生理源成像（ESI)从EEG和MEG中估计出潜在的脑电源，它提供了高时空分辨率的大尺度脑活动和脑连接成像。电生理源成像和功能磁共振成像的结合可以进一步提高时空分辨率和特异性，这是任何一种技术都无法达到的程度。来自明尼苏达和卡内基梅隆等大学的研究者在Annual Review of Biomedical Engineering发文，其回顾了近三十年来电生理源成像的方法学进展，其未来可发展为一种功能强大的神经成像技术，用于基础神经科学和临床神经科学研究。

01

Facebook 开源 SlowFast：基于双帧速率分治轻量视频识别模型

SlowFast 是一个新型视频识别方法，它可以模仿灵长类视觉中的视网膜神经运作原理，同时以慢速帧频和快速帧频提取视频中的有效信息，从而提高动作分类及动作识别效果。与其他方法相比，SlowFast 的整体计算复杂度更低，准确度更高。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭