معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Generate synthetic Healpix or 2D data using Cross Scattering Transform

ویژگی	مقدار
سیستم عامل	-
نام فایل	foscat-2.0.0
نام	foscat
نسخه کتابخانه	2.0.0
نگهدارنده	['Theo Foulquier']
ایمیل نگهدارنده	['theo.foulquier@ifremer.fr']
نویسنده	Jean-Marc DELOUIS
ایمیل نویسنده	jean.marc.delouis@ifremer.fr
آدرس صفحه اصلی	https://github.com/jmdelouis/FOSCAT
آدرس اینترنتی	https://pypi.org/project/foscat/
مجوز	MIT

Utilize the Cross Scattering Transform (described in https://arxiv.org/abs/2207.12527) to synthesize Healpix or 2D data that is suitable for component separation purposes, such as denoising. A demo package for this process can be found at https://github.com/jmdelouis/FOSCAT_DEMO. List of developers : J.-M. Delouis, T. Foulqieur, L. Mousset, E. Allys

نیازمندی

مقدار	نام
-	imageio
-	imagecodecs
-	matplotlib
-	numpy
-	tensorflow
-	healpy

نحوه نصب

نصب پکیج whl foscat-2.0.0:

pip install foscat-2.0.0.whl

نصب پکیج tar.gz foscat-2.0.0:

pip install foscat-2.0.0.tar.gz