Lemon__Tree__的博客

原创 通用超图神经网络(HGNN+)

在图像处理中，每个像素表示一个顶点，且每个顶点只与其周围的邻居顶点相连。空间卷积可以看作是中央顶点通过聚合其邻居顶点的特征（经过特征变换后）来更新自身特征的过程。对于简单图，空间卷积通过聚合其邻居顶点的特征来得到中央顶点的新表示。在简单图中，消息传递从邻居顶点到中央顶点，这个过程符合“路径”的定义，即一个顶点序列，其中每个顶点与其相邻顶点相连。定义：互邻关系N⊆V×EN⊆V×E描述了顶点集合VV和超边集合EE之间的连接关系。

原创 理解AE、VAE、GAN、DDPM的原理与区别

进一步地，可以这么理解：如果没有KL损失，那么VAE退化为类似AE的模型，隐空间的编码会尽量相隔很远，变得离散化，Decoder也就难以根据新的隐变量编码生成新的图像；VAE的隐空间不直接编码一系列离散的特征值，它的隐空间实际上是一个混合高斯分布，Encoder的输出描述了这样一个复杂分布，Decoder的输出将这种该分布中的一个采样点映射到图像分布。因为AE的隐空间是直接对图像编码，编码的空间是离散的、无规律的，所以当我们选择原有的。一个是约束Encoder的损失，一个是约束Decoder的重构损失。

原创 目标检测 把遥感目标检测RSOD数据集转换为MSCOCO格式

在每一个类别的文件下，包含Annotation和JPEGImages。Annotation下包括label(txt)和xml两个文件夹。以下代码将读取所有类别的所有标注，转换到一个trainval.json中，包含了所有目标信息，没有进行数据集分割。RSOD数据集是一个用于遥感图像中目标检测的开放数据集。该数据集包括飞机、油罐、游乐场和立交桥四类目标。数据集的格式是PASCAL VOC格式。数据集包括4个文件夹，每个文件夹对应一种目标类型。然后，可以通过我另一篇文章的代码，将coco数据集分割。

原创 目标检测 利用COCO格式数据集的json文件，统计数据集中bounding box的尺寸分布、统计小尺寸目标的尺寸分布

读取一个MSCOCO格式的json文件，统计数据集中的boundingbox尺寸分布，把height、width信息保存到两个list中去，然后绘制统计图，可视化尺寸分布。还可以自己加一些别的功能。

原创 目标检测VOC2COCO！把xml格式的数据转换为MSCOCO格式数据集，并按自定义比例划分数据集

目标检测VOC2COCO！把xml格式的数据转换为MSCOCO格式数据集，并按自定义比例划分数据集。

原创 划分COCO格式的数据集为train，val，test

将完整的coco数据集划分为train.json,val.json,test.json，亲测好用

原创 计算机图形学 抛物线的中点Bresenham算法（中点BH）推导过程及伪代码

原创 k＞1时 直线的中点BH算法（Bresenham）

推导计算机图形学当k>1时的中点BH算法，模仿书中0

原创 C++面向过程 期末复习 重点总结

位、字节、字符 位（bit）：数据存储的最小单位。每个二进制数字0或者1就是1个位；一个数字一位2、字节（B）：8个位构成一个字节；即：1 byte (字节)= 8 bit(位)； 1 KB = 1024 B(字节)； 1 MB = 1024 KB; (2^10 B) 1 GB = 1024 MB; (2^20 B) 1 TB = 1024 GB; (2^30 B)3、ASCII码字符集 （1）标准...

原创 CUG算法题：魔法操作 深藏的剪枝！

CUG上机的一道难题，利用了DFS+剪枝的思想，但是这个剪枝的情况藏得很深，很有意思。