- 博客(24)
- 收藏
- 关注
RSS订阅原创 [01] Ubuntu 18.04 LTS 安装ros
I. 环境MAC OSX VMware虚拟机中安装 Ubuntu 18.04 LTSII. 安装ROS0. 安装Ubuntu 18.04修改更新源这一步在安装完Ubuntu之后就应该立即执行。百度搜索 ubuntu更新源，随便找个教程，在清华、阿里、中科大（本文选用）等源里随便选一个即可。1. 增加ros软件源A. 全部命令sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.ustc.edu.cn
2021-10-14 11:41:39
209
原创 2021-06-23 网络实验：华为ensp_路由表的配置_静态&RIP
一、配置路由器的IP地址按照下面的命令，根据拓扑图，配置路由器的各个接口的ip地址system-view #进入系统视图#[]int gig 0/0/0 #进入接口ip addr 192.168.1.1 24 #配置接口ip地址二. 手动配置路由表项可以先查看路由表项 disp ip routing-table，从而确定哪些网段需要配置通过以下命令为路由器配置路由表项system-view #进入系统视图。如果在接口视图下，需要用命令q退出到系统视图#[]ip route-sta
2021-06-23 23:05:13
695
原创 使用VS code通过SSH连接Google Colab
I. 利用Ngrok通过SSH连接Colab1. Colab端1.1. 安装ngrok，启动ssh服务。import random, string, urllib.request, json, getpass#Generate root passwordpassword = ''.join(random.choice(string.ascii_letters + string.digits) for i in range(20))#Download ngrok! wget -q -c
2020-11-13 15:08:00
5546
3
原创 nb_201003_2015_unet
2015 ｜ U-Net: Convolutional Networks for Biomedical Image Segmentation | 参考I. Introduction本网络致力于通过数据增强的方式来增加标记数据集在网络训练中的的效力，网络实验针对生物细胞分割定位项目 （ISBI2012 的 EM stacks挑战赛），也就是像素级的像分割与分类标记问题，要求在像素级进行分类标注。网络结构包含一个 CP （降采样通道，contracting path） 用于捕获上下文，和一个 SEP.
2020-10-03 09:51:19
172
原创 nb_200930_2019_wnet
W-Net: Reinforced U-Net for Density Map Estimationcvpr 2019I. Introduction本文贡献：算法：一个基于U-Net的 DME （密度图估计，density map estimation） 模型。该模型采用了完全相同的encoder-decoder流水线结构，外加一个强化分支。其中的enc模块用VGG16bn[9]替换。（通过对VGG16bn、resnet50[10]和一个基于Inception[11]的特征提取器.
2020-09-30 17:27:28
275
原创 nb_200926_2020_cvpr_PCNet
Self-Supervised Scene De-occlusion中文作者自述cvpr2020I. AbstractScene de-occlusion目标：分解图像：将图中物体提取出来成为独立的完整物体实体——判断遮挡顺序，补齐遮挡部分。重组图像：重新组合提取到的物体，生成新的图像。相关概念：模态感知 （modal perception）：解析直接可见区域非模态感知 （amodal perception）：感知物体的完整结构，包括不可见部分。常见的Dl应用如目标.
2020-09-26 10:31:57
502
1
原创 nb_200916_2018_cvpr_RDN
Residual dense network for image super-resolutioncvpr2018BIN 的支撑网络0. Abstract当前基于CNN的 SR （超分辨率，super-resolution） 模型未能完全利用原始 LR （低分辨率，low-resolution） 图像的层级特征，由此影响其模型性能。因此，本文提出的 RDN （残差密集网络，residual dense network） 用于解决图像SR问题，能够从所有conv层中提取层级特征。本文提.
2020-09-16 21:38:26
210
原创 nb_200905_2019_cvpr_Slow-Motion from Blurry Videos
Learning to Extract Flawless Slow Motion from Blurry Videos2019cvpr｜预训练模型：slow-motion.pth0. Abstract本文目标是：给定一个低帧率的模糊视频，生成一个清晰的慢镜头视频。本文提出一个数据驱动的端到端方法，其训练数据由高帧率摄像头捕获，再经均值处理后得到对应的模糊视频。时间平滑问题由于各个图像帧是独立估计的，因此尽管能够从均值模糊图像得到原始高清视频，却无法保证能够获得平滑的完整视频。为此本文提出.
2020-09-05 11:33:26
294
原创 nb_200826_2020_cvpr_StyleRig
StyleRig: Rigging StyleGAN for 3D Control over Portrait Images2020 cvpr(oral)0. AbstractStyleGAN[19,2019,cvpr]生成的真实人脸缺乏语义表征，如表情、面部姿态、光照等等。3DMMs[10,2019,cvpr]提供面部语义表征，但其生成的人脸缺少头染、嘴内部、背景等部分，因此缺乏真实性。本文提出 RigNet，生成带有语义表征的真实人脸。模型基于预训练的StyleGAN，结合3DMM的语义.
2020-08-26 21:37:22
227
原创 nb_200821_2020_cvpr_photo restoration
Bring Old Photos Back to Life2020 cvpr0. 摘要本文解决的问题是：对受损老照片恢复成清晰照片传统方法采用合成图像进行监督学习，由于真是图像的退化原因复杂，且与合成图像的分布相差大，因此难以很好的泛化本文提出方法：训练两个 变分自编码器（variational autoencoders，VAEs)，用于分别将老照片和清晰照片转换至隐藏空间；然后使用合成的成对照片数据来训练这两个空间之间的变换关系；为了分别处理照片中的多种退化形式，设计两个分支结构，.
2020-08-21 11:26:40
188
原创 nb_200816_2020_cvpr_BIN
模糊视频插帧｜Blurry Video Frame Interpolation2020cvpr｜数据集：DeepVideoDeblurring_Dataset_Original_High_FPS_Videos.zip0. 摘要当前用于减少运动模糊（motion blur）和增强帧率的方法主要有两种：帧去模糊化（frame deblurring） 和 插帧（frame interpolation）。还有些研究专门解决帧率增强问题。本文提出的插帧法，可以同时实现帧去模糊和帧率增强两个任务。本文模.
2020-08-16 23:29:44
282
原创 nb_200814_opticalflow_2018_cvpr_PWC_Net
Models Matter, So Does Training: An Empirical Study of CNNs for Optical Flow EstimationUpdated and extended version of “PWC-Net: CNNs for Optical Flow Using Pyramid, Warping, and Cost Volume.” CVPR 2018 or arXiv:1709.02371应用CNN做光流估计——从模型和训练两个角度的经验性研究〇.
2020-08-14 09:54:53
298
原创 nb_200804_flow_2019_PointFlowNet
PointFlowNet: Learning Representations for Rigid Motion Estimation from Point Clouds基于点云的刚体运动估计1. Abstract[设备：LIDAR] 基于图像的3D场景光流估计的传统方法不仅精确度难以满足应用要求，且往往需要更多的其它配置，比如在自动驾驶中用激光扫描代替传统相机，从而直接建立3D点云。[模型：PointFlowNet] 本文根据这些无结构点云利用DNN进行3D运动估计。通过一次前向估计，模型同时.
2020-08-04 22:23:11
253
原创 nb_200728_crowd_2019_access_A Crowd Behavior Identification Method
A Crowd Behavior Identification Method Combining the Streakline With the High-Accurate Variational Optical Flow Model一种结合基于流体力学的脉线和高精度变分光流模型的群体行为识别方法1. Abstract– STEPS:1.1 通过光流模型 (High-Accurate Variational OpticalFlow Model) 计算脉线 (streakline)，由此得到群
2020-07-28 22:19:23
118
原创 「python」用opencv画heatmap
做一个人群分析的代码，算法得到一个np.array的二维数组pred，存储了每个像素点的人数概率1. 用这段代码可以直接根据pred画出热力图：import matplotlib.pyplot as pltplt.imshow(pred, cmap=plt.cm.jet)plt.show()2. 为了后续工作，需要用cv2来画。先上代码：import cv2heatmapshow = Noneheatmapshow = cv2.normalize(pred, heatmapshow.
2020-06-13 18:04:58
7929
2
原创 [操作系统居家课程讲义]ch06_自旋锁与互斥锁
author: hxydate: 2020.4.1上一节我们提出了一个概念，信号量。在上一节的例子里，它就像交通灯、标识符一样，起到通知其它进程的作用。这节课涉及到一些程序，希望大家可以多思考，理解背后的原理。1. 原子操作由于上一节所说的原因，如果用一个程序变量 flag 来控制进程对资源的使用权，由于在硬件实现过程中，一个简单的赋值操作也需要多个硬件指令来完成，而在这期间，有各种...
2020-04-02 10:43:52
243
原创 [操作系统居家课程讲义]ch05_进程同步
author: hxydate: 2020.3.28一个不幸的消息是，这一部分是需要大家写程序的。加油吧少年。进程的同步所谓 进程同步 ，简单说就是在程序（实际上是进程）并发执行的过程中，进程之间需要互相协作、共享资源时，对资源的一种保护和协调。比如说，如果你在线看电影，你的在线播放器一般会用两个进程来实现这个功能（也可能用两个线程，这个后面再讲）。为什么呢？因为目前为止在我们的知...
2020-03-28 22:23:20
218
原创 [操作系统居家课程讲义]ch04_进程的特征和状态
author: hxydate: 2020.3.27今天开始正式开始学习进程。一、进程的特征1. 程序和进程上一讲我们说，为使程序可以更安全方便的并发执行，因此有了进程。那么进程是什么？进程、程序、软件分别是什么呢？程序和软件非常相似，类比一下，比如你在网上买了一部新手机，那部手机就相当于程序，而你收到的那个包裹就是软件。 实际上我们一般不会严格区分这两者。进程通常和程序作为一组...
2020-03-27 16:27:10
226
原创 [操作系统居家课程讲义]ch03_程序执行顺序
author: hxydate: 2020.3.26这节课开始我们要进入到操作系统五大功能之一 ——— 处理机管理的内容了。处理机管理的核心在于进程管理，我们从认识进程开始吧。这里面会有一点点程序，我基本上以C语言的格式来写。不过别害怕，程序绝对都很简单，基本只要认识英文单词都能看懂。程序执行的顺序说明一下，软件都是由 程序 （也叫代码，code， program，都是一个意思，...
2020-03-26 16:31:55
312
原创 [操作系统居家课程讲义]ch02_五大功能
author: hxydate: 2020.3.25上一部分内容主要是操作系统的介绍，现在我们开始学习一些比较专业的术语，但还是在日常使用的基础上，平时对计算机稍微喜欢研究一点的同学，应该在学习的时候能够产生“哦是这样啊”的恍然大悟的感觉。不过这一讲学完以后，对操作系统还是只有一个大概的认识。更专业的部分从下一讲才开始。但是这一讲其实是整个课程的总脉络和总框架，以后的所有内容都是...
2020-03-25 22:42:49
178
原创 [操作系统居家课程讲义]ch01_Intro
最近在家带学生，学生们没有课本，发教案和课件给他们怕是有点为难他们，听网课又担心灌了耳音记不住，所以就写点讲义。
2020-03-24 23:08:45
346
原创 [2020.3.18] Unity2018+OSX+VSCode环境配置
macOS 10.151. 准备材料1.1 官网下载unity2018.4.17f1 vscode1.43.101.2 下载MonoFramework-MDK可以直接去官网下载，但是我家网不好，下不下来，百度云盘找不到最新的，旧版本无法兼容。最终用终端实现：brew install mono下的时候也失败了很多次，最后下好了没有办法link。所以全部命...
2020-03-18 18:29:22
1270
转载 DC和AC预测
8×8块经过DCT和量化后，系数排列呈现以下的规律，即非零系数集中在左上角，大部分的0系数集中在偏离DC系数向右和向下的位置上。特别是DC系数、第一行和第一列AC系数，数值非零且较大，如果能用较小的数值代替它们，会减少编码后的位流数，于是产生DC和AC预测。在MPEG-4中，通常把一个宏块分为6个8×8块进行DC和AC预测。首先对8×8块进行DC预测。如图2所示
2013-12-20 19:26:21
2407
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