- 博客(43)
- 收藏
- 关注
RSS订阅原创 反射这些事
在官方给的文档中，反射的概念为：反射允许对成员变量、成员方法和构造函数的信息进行编程访问。但看这一句话可能是似懂非懂的。那么反射到底该怎么理解呢？如果一个类相当于一个抽屉，而成员变量、成员方法和构造函数相当于抽屉里的各种东西的话。那么反射就可以看做是一个人，他可以提取任何一个抽屉的任何物品，即反射可以获取任何一个类的所有成员变量、成员方法和构造函数。（包括他们的修饰符、名字、类型、值、参数、对象、抛出的异常、注解）获取和解析。
2024-09-13 15:53:57
815
原创 Java的异常那些事
异常Exception：(错了，但问题不大)异常一般情况程序是可以自行处理的，利用catch来捕获或抛出。但并不是所有的异常都需要处理，有时候一些异常是无关紧要的，此时可以不对该类异常进行处理。为了区分这种情况，异常也可以分为两类**：受检查异常(Checked Exception)和不受检查异常(Unchecked Exception)**错误Error：(错了，问题很严重无法编译)错误一般是程序无法自行处理的。出现错误后，一般JVM都会终止线程。
2024-09-12 16:17:04
791
原创 不同的图像质量评价指标(IQA)
NRQM（Non-Reference Quality Metric）是一种非参考图像质量评价指标，用于自动评估图像的质量，而不需要参考图像（即原始或真实图像）。总的来说，NIMA 是一种基于深度学习的图像质量评价方法，它利用深度CNN模型从图像中提取特征，并能够输出图像的质量分数，使其成为自动化图像质量评估的有力工具。LPIPS 在计算机视觉和图像处理领域中被广泛应用，特别是在图像生成、超分辨率、图像风格迁移等任务中，用于评估生成的图像与原始图像之间的相似性和质量。
2023-09-11 13:16:01
3331
原创 Robust Unsupervised StyleGAN Image Restoration总结整理
本文提出了一种方法，该方法使基于StyleGAN的图像恢复对退化水平的变化和不同退化的组成都具有鲁棒性。我们提出的方法依赖于一个保守的优化过程，逐步丰富的潜在空间，并完全避免正则化条款。使用一组超参数，我们获得了竞争力，甚至国家的最先进的结果，在几个具有挑战性的情况下相比，为每个任务/水平单独优化的基线。
2023-07-24 19:11:31
994
原创 STI-Net: Spatiotemporal integration network for video saliency detection总结整理
为了为了帮助网络优化并随着网络深度的增加获得更准确的结果，K. He, X. Zhang, S. Ren, J. Sun, Deep residual learning for image recognition, in: Computer Vision and Pattern Recognition, CVPR, IEEE, 2016, pp. 770–778.中采用的快捷连接被施加在位于特征聚合和显著性融合步骤中的卷积块上，即Conv-B1和Conv-B3。引入了循环连接，以进一步加速深度功能的交互。
2023-07-10 16:28:41
361
原创 A Novel Long-Term Iterative Mining Scheme for Video Salient Object Detection总结整理
问题如今VSOD已经是计算机视觉内一个很重要的领域，如今最先进的VSOD模型大多遵循短期的方法。那么什么是这种短期的方法呢？它是指仅考虑当前有限的连续帧去动态的确定空间和时间显著性融合之间的平衡。但是，这种短期的方法是有一定局限性的，那么这种局限性是什么呢？这是因为我们的视觉系统是一个典型的长期方法，因此这些VSOD方法所用的短期方法是与真实的视觉系统机制起冲突的。因此当前流行的模型得到的结果往往是失败的。解决那既然知道了这个问题，所以本文提出了一个长期的方法。那如何实现长期的方法呢？
2023-04-24 14:53:47
218
原创 Part-aware attention correctness for video salient object detection笔记总结
问题：在以往的VSOD中，一般主要是研究时空结构，利用隐式注意力模型去聚合相邻视频帧的互补信息。但很少有方法去关注跨视频帧的亲和力，即建立显式注意力图式去完成VSOD。解决：提出一个新的注意力正确性策略去监督聚合过程。具体实现：采用成对训练模式，利用积极和消极的聚合监督去探索VSOD的视频间亲和力。该方法的优点：成功抑制视频帧的负对应，增强了对显著对象的判别（区分性）特征的挖掘。优化：为了增强视频内的一致性，提出了部分感知的相似性聚合模块，帮助视频内的亲和力去分割视频级上下文的显著对象。
2023-04-18 20:57:46
386
原创 Learning Video Salient Object Detection Progressively from Unlabeled Videos笔记总结
那么如何去实现无标签数据的视频显著性检测呢？本文想到一个方法，即渐进式的，先定位显著对象后分割显著对象。而定位显著对象我们可以在SOD上完成，但由于SOD中是缺乏动态的运动信息的，因此可以在SOD期间引入动态显著性，但保留相同的精细分割过程。具体过程其实是一个生成时空位置标签的算法，该算法可以生成高显著性的位置标签并且跟踪相邻帧的显著对象。接着根据这些生成的标签，利用一个双流定位网络，引入一个光流分支去完成视频显著对象定位。上面也说了，该算法由图像SOD、生成时空位置标签和VSOD组成。
2023-04-04 10:00:09
504
原创 Shifting More Attention to Video Salient Object Detection笔记
该论文类似一个视频显著性检测的综述测评。本文对8种用于视频显著性检测的数据集以及17种比较先进的视频显著性检测算法进行了对比分析另外本文也有自己的特点：①本文构建了用于视频显著性检测的大规模的稠密标注的视频显著对象检测（DAVSOD）数据集。②本文还提出了一种面向显著性转移的VSOD（SSAV）的模型。
2023-03-21 18:40:18
944
原创 DeepVS: A Deep Learning Based Video Saliency Prediction Approach学习笔记
①由于已有的数据规模比较小，并且分辨率不高，关注点采样率比较低。针对这一点：作者建立了一个大规模的眼动数据库LEDOV①通过观察建立的视频眼动数据库，发现人的注意力更容易被物体，尤其运动的物体或者物体运动的部分吸引。针对这一点：提出了一个物体到运动的卷积网络OM-CNN去预测帧内显著性。②从该数据库还能发现，人类注意力与跨视频帧的平滑显著性转换具有时间相关性。针对这一点：提出了显著性结构卷积长短期记忆网络SS-ConvLSTM，他使用OM-CNN提取的特征作为输入，生成视频帧之间的显著性图。
2023-03-20 15:24:27
174
原创 基于深度学习的视频显著性检测学习（入门）
该算法的特点是：①充分考虑特征聚合过程中特征之间的差异，由于聚合过程如果只是自上而下或自下而上就容易忽略高分辨率低语义的下层部分或低分辨率高语义的上层部分。而该算法通过整合自上而下的输出和自下而上的输出，充分考虑各层次的特征差异。②利用双层ConvLSTM考虑了远距离帧之间的时间相关性。该模型实际上是先提取更加丰富的边缘特征，接着用该特征引导空间，指导空间显著性的特征提取，最后用两组卷积LSTM分别处理空间高级特征和空间边缘特征，得到的结果融合达到视频显著性检测效果。
2023-03-13 10:42:08
1363
原创 Video Salient Object Detection via学习笔记
本文主要是针对视频显著性检测遇到的两个问题：①在进行基于深度学习的视频显著性检测时缺少足够多的已经标记的像素级数据。②如何提高加快视频显著性检测和训练。针对这两个问题有相应的解决方案：①提出一个网络，该网络有两个模块分别提取空间信息和时间信息。动态显著性模型可以合并静态显著模型的显著性估计，直接产生时空显著性推断而不需要耗时的光流计算。那么该方案如何实现？A：研究卷积神经网络在动态场景中端到端训练和像素显著性预测。
2023-03-13 10:40:30
163
原创 大数据开发(2)——hadoop环境搭建
一、Hadoop的简单介绍狭义上来说，hadoop就是单独指代hadoop这个软件，HDFS ：分布式文件系统MapReduce : 分布式计算系统Yarn：分布式样集群资源管理广义上来说，hadoop指代大数据的一个生态圈，包括很多其他的软件二、Hadoop重新编译由于appache给出的hadoop的安装包没有提供带C程序访问的接口，所以我们在使用本地库本地库可以用来做压缩，以及支持C程序等等的时候就会出问题,需要对Hadoop源码包进行重新编译.这里因为我使用的是已经编译过的，因
2021-09-19 22:17:13
350
原创 大数据开发(1)——前期集群环境搭建
最近在学习大数据开发，因此想记录一下从零开始的，完整的一套大数据开发流程。这里我用的是VMware12，centos7。1.准备在开始前，我们先检查环境，以下五项服务处于启动状态。查看VMnet1和VMnet8网卡是否启用在我们配置VMnet8网卡时，一般默认的是自动获得IP地址，但这样下次登录时他可能会改变，我这里为了方便选择自己手动配置。参数如下。2.创建虚拟机接着创建三台虚拟机，分别命名为hadoop300,301,302。（虚拟机的创建相信都很熟悉了，我这里是创建hadoop300
2021-09-19 20:26:40
156
原创 利用pyecharts制作简单图形（地图，扇形，柱形等）
一、前期准备与基本制作流程首先我们要准备数据，我这里是准备的一些职位数据，形式如下。其次，下载pyecharts的源程序 templates，在其中的index页面内实现映射接着就可以开始利用代码进行可视化了pyechars官方地址二、代码与图形展示分析学历的柱形图def get_proferssion(string): proferssion=string.strip(' ').split('|')[-3] a = len(proferssion) for
2021-06-19 15:53:00
1009
原创 Centos中FTP服务器的配置
1.熟能生巧，挂载光驱2.进入目录查看需要用的包3.安装4.修改配置文件，对26行取消注释5.关闭防火墙6.启动7.在指定位置创建文件并输入内容8.在主机的命令行内连接ftp其中用户为ftp，密码任意9.进入到pub目录10.下载创建的文件get (文件名)，发现在主句的本地目录下出现了在虚拟机中创建的文件下载功能完成11.在当前的本地目录新建一个文件12.修改下载文件权限13.修改/etc/selinux/config中的SELINUX为disabl
2021-06-15 17:51:01
1078
原创 Centos中Apache（www）http服务配置
1.老样子，先挂载光驱2.进入目录查看此服务需要的包vim /mnt/cdrom/Packagesls | grep httpdls | grep apr3.这里安装是有顺序的，我们要从底层开始安装先安装apr-1.3.9-3.el6_1.2.i686.rpmapr-util-1.3.9-3.el6_0.1.i686.rapr-util-ldap-1.3.9-3.el6_0.1.i686.rpmhttpd-tools-2.2.15-15.el6.centos.1.i686.rpm
2021-06-15 17:35:41
239
原创 Centos中DNS服务器配置
1.还是先挂载光驱2.进入挂载后的目录cd /mnt/cdrom/Packages查看用到的安装包3.开始安装4.修改配置文件Vim /etc/named.conf这里把两个本机地址改为any配置映射截图不全，这里后面还有缺少 };接着配置正向其中的域名改成上个配置文件内自己设置的ns1，www,host1,后面的ip设为网段内未被占用的ip然后反向，也是域名对应5.测试...
2021-06-15 16:36:09
513
1
原创 Centos配置DHCP服务
1.首先，我们要准备一台虚拟机，登录后第一步挂载光驱首先创建一个用于挂载光驱的目录 /mnt/cdrom2.进入此目录cd /mnt/cdrom/Packages查看安装dhcp所需的安装包ls | grep dhcp3.安装4.接着修改配置文件vim /etc/dhcp/dhcpd.conf其中需要注意的是：subnet (你的虚拟机ip所在网段的网络地址) netmask (子网掩码){option routers (这里我设置的是广播地址-1)option… (子网掩码)
2021-06-15 16:26:50
4079
原创 408计算机组成原理——第二章（1）
目录数制编码定点数的表示定点数的运算C语言中的整数类型及类型转换数据的存储和排列一、数制在计算机系统内部使用二进制进行编码的原因：1.二进制只有两种状态，因此用两个稳定的物理器件就可以表示0和1，成本低。2.0和1正好对应了逻辑真和假，为计算机实现逻辑运算提供了条件。3.二进制的编码和运算规则简单，可以通过逻辑门电路方便地实现算术运算。进位计数法二进制：计算机用的最多的计数制，只有0和1两种数字符号八进制：八进制是二进制的一种书写形式，有0~7共8个不同数字符号十六
2021-06-10 15:29:33
319
原创 408计算机组成原理——第一章
目录计算机的硬件组成计算机的工作过程计算机的性能指标计算机的多级层次结构计算机软件一、计算机的硬件组成存储器主存储器（内存）：CPU能直接访问副主存储器（辅存，类似硬盘）：信息必须调入主存才能被CPU访问MAR:地址寄存器，用于存放地址，位数与存储单元个数对应例：MAR为4位，则有2^4=16个存储单元MDR:数据寄存器，用于暂存要从存储器中读或写的信息，位数和存储字长相等运算器用于算术运算和逻辑运算ALU:算术逻辑单元（运算器的核心）ACC:累加器MQ:
2021-05-26 18:18:05
398
原创 更改pip镜像源
Windows在文件系统 中输入%APPDATA%，在当前目录下创建文件夹pip在创建的pip目录下创建文件pip.ini输入镜像例如：这里更改为清华[global]timeout = 6000index-url = https://pypi.tuna.tsinghua.edu.cn/simpletrusted-host = https://pypi.tuna.tsinghua.edu.cn/simple常见的其他镜像源：阿里云 http://mirrors.aliyun.com/p
2021-05-20 15:41:02
82
原创 浅谈目标跟踪及对SPM-tracker论文的简单理解
SPM追踪器为什么写这个追踪器算法？之前对目标跟踪是完全不了解的，但这次老师给的作业是从一些计算机视觉论文中抽取一篇进行分析，抽到了这个。虽然这个不是特别经典的算法，但了解过后发现通过对他了解的过程让我学到了很多。目录什么是目标跟踪？如何实现目标跟踪？SPM的摘要简介。SPM算法的框架流程？SPM的特点？一、什么是目标跟踪？网上关于目标跟踪的内容有很多，我这里只做简单介绍。首先，我们都知道目标检测，给定一张图像经过运算后我们能够检测到图像中出现的人脸（可以参考我之前写的MTCNN）。
2020-12-17 15:06:55
1033
原创 MTCNN算法的理解介绍及代码分析（2）
代码地址这里走的是一个github上的代码mtcnn-pytorch运行效果如下是效果图，我们可以看到对一张图片内的每一张人脸进行检测，每个人脸有一个边界框与五个标记点。这里我们使用cv来实现图片显示，以下是TEST.py文件，首先从src目录下的detector文件中导入detect_faces函数，从visualization——utils中导入show_bboxes函数.用Image打开图片，这时图片的输出类型是<class’PIL.JpegImagePlugin.JpegIma
2020-12-12 23:05:10
714
1
原创 MTCNN算法的理解介绍及代码分析（1）
为什么要用MTCNN在我们进行人脸识别过程中，同一个人在不同的图像中可能有不同的动作与表情，所以必须将人脸图像变换到一个统一的角度和姿态。而要实现这一功能的关键就是找到人脸的若干个关键点，然后利用这些关键点通过旋转，缩放，平移等手段将人脸变化到标准人脸。而MTCNN就可以完成人脸定位和人脸对齐。算法框架MTCNN基本流程1.给定一张图像，进行放缩生成不同大小的图像，构建图像金字塔。因为在我们测试输入时，输入的数据可能是不同尺寸的，所以为了适应不同尺寸的头像，会按不同的比例缩放得到金字塔。2.利用
2020-12-10 01:04:56
872
原创 pytorch深度学习笔记（4）------迁移学习与数据增强
迁移学习在我们学习深度学习的过程中，往往需要大数据，深网络。但有时我们很难同时获取这些条件。这时我们可以使用其他任务开发的模型来应用于我们自己的任务。而这，就是迁移学习。迁移学习是机器学习的一种方法，可以将预训练的模型作为新模型的起点，这些预训练的模型在开发神经网络的时候已经在大数据集上训练好，模型的设计也好，因此我们有时候可以拿来使用。另外我们有时候需要针对很多任务训练不同的模型，这样很浪费资源。合理使用迁移学习，可以使一个模型适用于多个任务，节约了计算资源。迁移学习就是把预训练好的模型迁移到新的
2020-11-28 14:58:29
1496
2
原创 pytorch深度学习笔记（3）------CIFAR-10多分类（包含CIFAR10下载）
CIFAR-10首先说一下CIFAR-10，它是一个数据集。由10个类的60000个32×32彩色图像组成。每个类有6000个图像。共有50000个训练图像和10000个测试图像。加载数据并导入库import torchimport torchvisionimport torchvision.transforms as transformstransform = transforms.Compose( [transforms.ToTensor(),transforms.Normal
2020-11-28 13:54:05
374
原创 pytorch深度学习笔记（1）---使用Numpy实现机器学习
机器学习在学习pytorch前，我们首先需要知道什么是机器学习。直观的看，机器学习就是让机器去学习。而且，确实就是这样，机器学习就是让机器具备学习的能力。机器学习分为训练和测试两个过程，所谓训练就是给机器一些数据，让它自己生成一种模型，所谓测试就是利用训练到的模型去预测其他的非训练数据。在第一次学习过程中，先利用Numpy实现一个简单的机器学习案例。我们已经知道，机器学习需要我们去训练出一个模型。而在我们中学求导时，总会有这么一道题，给定几个点，让我们去通过这几个点求一个函数的方程式。然后用得到的
2020-11-17 22:56:44
408
原创 pytorch深度学习笔记（2）------手写数字识别（卷积）
手写数字识别可以说是学习深度学习的第一个代码了，相当于我们学习其他语言时的Hello World。在这里，我们要利用卷积来构建神经网络去完成手写数字识别案例。卷积CNN
2020-11-15 14:16:00
311
1
原创 Java数据结构与算法——用栈完成一般的中缀表达式运算
题目：给出一个表达式字符串，例如：12+5*3-6 得到该字符串的结果。思路：先创建两个栈，一个符号栈，一个数字栈。利用指针对字符串进行扫描，如果是数字的话，判断他是否是该字符串表达式的最后一个字符，如果是，则直接入数字栈；如果不是，则继续扫描，当下一个字符还是数字时，把这两个字符连接在一起，如果是运算符，则入数字栈。如果是符号，则先判断符号栈是否为空，如果为空，则直接加入如果不为空，则比较当前运算符与栈内运算符的优先级大小如果当前运算符优先级大，则直接入栈如果当前优先级小于或等于栈内运算
2020-07-22 09:18:40
177
原创 力扣——最长公共前缀JAVA
题目：编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀，返回空字符串 “”。例：输入: [“flower”,“flow”,“flight”]输出: “fl”第一次提交，我看到这个的第一想法是暴力匹配（应该是其他的算法运用不熟练）。思路：把给定的字符串数组的第一个元素对应的字符串转化为字符数组如果它为空则返回空字符串，如果给定的字符串数组只有一个元素，那么返回这个字符数组的第一个字符如果字符串数组为空则返回空字符串遍历字符串数组的其余元素，把他们分别转化为字符数组，与开始转
2020-07-18 13:43:22
286
原创 力扣------整数反转，判断是否回文数Java
原题：给出一个 32 位的有符号整数，你需要将这个整数中每位上的数字进行反转。（假设我们的环境只能存储得下 32 位的有符号整数，则其数值范围为 [−231, 231 − 1]。请根据这个假设，如果反转后整数溢出那么就返回 0。）针对这个题，我的第一反应竟然是字符串转换…第一次提交，利用了StringBuffer的reverse方法，进行转换，·但是执行时间过长，很明显并不理想。第二次提交，想到了模，即把该数字从个位到高位一一取出来由图我们可知：利用%可以获得当前数字最小位数，利用/可以获
2020-07-15 09:11:42
225
原创 java用数组来模拟栈------数据结构与算法
栈，又称为堆栈，它是一种特殊的线性表，它只能在栈顶进行操作。向一个栈插入新元素又称作进栈、入栈或压栈，它是把新元素放到栈顶元素的上面，使之成为新的栈顶元素；从一个栈删除元素又称作出栈或退栈，它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元素。栈遵循先进后出的原则 { if(head.next==null) { return 0; } int i=0; HeroNode temp = head.next;//定义辅助变量，没有统计
2020-07-06 17:18:33
114
原创 Java数据结构与算法------单链表
相比于数组与队列，链表是一个非连续、非顺序的存储结构。链表是以结点的方式来存储的（链式存储）每个结点都包含存储数据元素的数据域（data域），存储下一个结点地址的指针域（next域）链表的各个结点不一定是连续存储的链表分为带头结点的链表与没有头结点的链表，一般根据实际情况决定逻辑图如下：好了，单链表的大概结构已经了解，接下来是代码实现，这里我们以 插入梁山英雄好汉到单链表 为例：1.首先我们要创建结点我们需要定义一个类，包含英雄的编号，名字，昵称，以及指向下一个结点的nextc
2020-07-04 16:53:46
183
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人