quency的博客

原创 C语言基础知识

Unicode 为每个字符提供一个号码，称为码点（code point），其中0到127的部分，跟 ASCII 码是重合的。C 语言诞生时，只考虑了英语字符，使用7位的 ASCII 码表示所有字符，ASCII 码的范围是0到127。auto：定义在函数中的变量默认为 auto 存储类，这意味着它们在函数开始时被创建，在函数结束时被销毁。或者：浅拷贝——char* 指针指向的是一个char[] 的地址，不能realloc()给一个函数或者赋值给一个char*类型的指针，除非你知道这个字符串中的字符的。

原创 解决pycharm无法自动补全OpenCV代码

输入如下命令安装opencv-contrib-python。

原创 # 杀死进程来释放显存

如果都不行或者该进程的父进程号为1也就是init进程，使用。依次杀死进程，如果不能杀。找到父进程号，杀死父进程。kill + 进程号。如果kill杀不死，

原创 C++ 并发编程

当系统负载增加时，随着执行数量的增加，执行序列的问题复现的概率也在增加，这样的问题只可能会出现在负载比较大的情况下。区别可能是在过程方面——一个线程执行算法的一部分，而另一个线程执行算法的另一个部分——或是在数据方面——每个线程在不同的数据部分上执行相同的操作（第二种方式）。创建线程用的函数指针是类方法的指针（&foo::bar），虽然这个方法没有声明参数，但是熟悉C++对象的朋友应该都知道，类方法隐含了自身实例的self指针，所以这里需要传给它的第一个参数就是指向实例foo_inst的指针。

原创 ubuntu20系统+RobotiQ 2F-85夹爪+Ros+VMware配置

VMware虚拟机的ubuntu 20系统下，noetic版本的ros+RobotiQ 2F-85夹爪配置

原创 ROS bug及问题记录

ROS bug记录Add the installation prefix of “rosmsg” to CMAKE_PREFIX_PATH or setsudo apt-get install ros-noetic-rosmsg注意这里的noetic要根据具体的ROS版本名确定！！！

原创 pipenv 配置pytorch cuda 环境和pycharm解释器

文章目录下载.whl文件下载torch的whl文件下载torchvision等的whl文件创建pipenv环境安装加入到Pycharm中根据自己的cuda 情况，下载和配置好对应的cuda toolkit和cudnn，这个教程已经有很多，下面介绍使用pipenv配置pytorch环境的过程下载.whl文件打开pytorch官网，选择你对应的cuda，这里我得到如下命令：pip3 install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchau

原创 贝塞尔插值曲线绘制软件设计

贝塞尔插值曲线绘制软件设计报告软件的exe运行程序在dist文件夹系统设计在实现绘制n阶贝塞尔曲线的高效绘制算法的基础上加入了各种对曲线的操作操作，使之成为一个完整的曲线绘制软件。该项目主要使用python语言进行编写，主要结合PyQt5、matplotlib、numpy和openxl等库进行开发，整个项目的代码量在2500行左右。系统设计主要包括界面设计、功能设计、程序设计这三部分。整个项目在github上进行开源，开源地址为: https://github.com/Quincy756/draw_

原创 Dynamic Route论文解读

文章目录论文名KeyPointterms摘要引言相关工作Handcrafted Architectures基于 nas 的方法动态网络模型架构学习动态路由路由空间(Routing space)路由选择过程(Routing Process)Cell OperationSoft Conditional Gate架构细节实验结果数据集实现细节动态路由成分分析cell componentActivation FunctionResource Budgets在数据集上的实验结果结论论文名代码地址论文地址Key

原创 pytorch学习(二) 维度操作，相关库

包tqdm进度条pyav学习资源pims将多张图像转化为一个图像序列学习资源argparse[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传pims可以处理将多张图片存为一个序列对象pims.ImageSequence()pims.PyAVVideoReader(path)待整理numpynp.asarray(): 将其他类型转化为np.array类型PILwith Image.open(path) ...

原创 DyNet论文笔记 华为动态卷积核的论文解读

文章目录*KeyPoint*为什么要这么干？*Keywords*摘要引言相关工作高效卷积神经网络设计模型的压缩动态卷积核CNN中的动态卷积动机动态卷积系数预测模块(Coefficient prediction module)动态生成模块(Dynamic generation module)训练算法动态卷积神经网络评估实验设置及比较方法实验结果与分析消融研究结论附录DYNET: DYNAMICCONVOLUTION FOR ACCELERATING CONVOLUTIONALNEURALNETWORKS代

原创 pytorch学习——陆续更新

文章目录张量预处理数据和预加载数据集的工具包神经网络模块常见损失函数常见优化器神经网络术语保存和加载模型1. 保存和加载模型权重2. 保存和加载模型类和权重数据计算双线性插值其他Tips待整理transforms模块[参考](https://blog.csdn.net/qq_36825778/article/details/104088528?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163533622716780261932098%25

原创 OpenGL GLSL着色器语言的 VScode 环境配置、语法检查和代码补全

文章目录OpenGL GLSL着色器语言的 VScode 环境配置、语法检查和代码补全环境配置vscode 插件安装语法检查代码补全OpenGL GLSL着色器语言的 VScode 环境配置、语法检查和代码补全环境配置vscode 插件安装安装如下插件：Shader languages support for VS Codeglsl-canvas可以通过新建一个着色器文件调试，我们一般将片段（fragment）着色器文件的后缀名设为：".fs"或".fs.glsl"顶点（

原创 2021 MoDnet-V 抠图网络论文学习笔记

文章目录论文名*KeyPoint*个人看法*Overview**Keywords*摘要引言相关工作图像抠图视频抠图场景背景建模方法回顾MODNet概述MODNet-V背景恢复模块(BRM)Patch细化Module (PRM)训练损失实验数据集训练策略性能比较结论结论结论论文名代码地址KeyPoint个人看法本文将恢复后的背景(background restoration)替代了trimap作为一个抠图先验，**需要trimap进行抠图的网络本质上是在针对不同区域进行不同程度的细化动作。**一般

原创 2020 MoDnet 视频抠图论文笔记

文章目录实时人像消光真的需要绿屏吗?*KeyPoint**Overview**Keywords*摘要引言相关工作图像抠图Trimap-free Portrait Matting其他技术模型大纲语义估计详细的预测语义细节融合适应真实世界的数据SOCOFD实验结果摄影人像消光基准Results on PPM-100真实世界数据的结果结论结论实时人像消光真的需要绿屏吗?Is a Green Screen Really Necessary for Real-Time Portrait Matting?代码地址

原创 注意力机制学习

文章目录*KeyPoint**Overview*注意力池化非参数注意力池化带参数的注意力池化评分函数masked softmax operationadditive attentionscaled dot-product attentionBahdanau 注意力多头注意力自注意力spatial-wise and channel-wise attention 空间和通道注意力Transformer*Keywords*Transformer*Keywords*KeyPoint能否将注意力机制和RNN相结合

原创 注意力机制抠图HAttMatting论文笔记

文章目录***Hierarchical Attention Matting Network (HAttMatting)****KeyPoint**Overview**Keywords*摘要引言相关工作方法*Overview**Network Architecture*损失函数实现细节实验数据集和评估指标与最先进的比较*Ablation Study*真实世界图像的结果结论Hierarchical Attention Matting Network (HAttMatting)代码地址Attention-G

原创 2021 ICCV TIMI-Net 抠图网络论文笔记

文章目录面向图像抠图的三方信息挖掘与集成*KeyPoint**Overview**Keywords**terms*摘要引言相关工作*Methodology**Motivation**Network Structure*损失函数评估*Experiment Settings**Comparison to Prior Work**Internal Analysis**Generalization Analysis**Real-World Image Matting*结论面向图像抠图的三方信息挖掘与集成Trip

原创 2018 DeeplabV3+笔记

文章目录*DeepLabV3+**KeyPoint****overview******Keywords and concepts***摘要引言相关工作***Methods******Encoder-Decoder with Atrous Convolution******Modifified Aligned Xception***实验评估***Decoder Design Choices******ResNet-101 as Network Backbone******Xception as Network

原创 2019 DGF(深度引导滤波网络) 相关的论文笔记

文章目录*Fast End-to-End Trainable Guided Filter**KeyPoint**overview**keywords**extends*摘要引言相关工作*Joint Upsampling**Deep Learning based Image Filter**Guided Filtering Layer* 引导滤波层***Problem Formulation******Guided Filter Revisited***（重新审视引导过滤器）*Fully Differenti

原创 RNN学习笔记

RNN学习序列模型马尔可夫条件我们使用 xt−1,…,xt−τxt−1,…,xt−τ 而不是 xt−1,…,x1xt−1,…,x1 来估计 xtxt。只要这种近似是精确的，我们就说序列满足 马尔可夫条件（Markov condition）。训练时始终要尊重其时间顺序，即永远不要基于未来的数据进行训练。序列模型的估计需要专门的统计工具，两种较流行的选择是自回归模型和隐变量自回归模型。对于直到时间步 tt 的观测序列，其在时间步 t+kt+k 的预测输出是“kk步预测”。随着我们对预测时间 kk

原创 深度学习学习

深度学习学习文章目录基础知识监督学习（supervised learning）回归（regression）分类（classification）无监督学习聚类（clustering）主成分分析（principal component analysis）生成对抗性网络因果关系、概率图模型强化学习（reinforcement learning）激活函数常见操作BN卷积普通卷积深度卷积(Depthwise convolution, DW)逐点卷积（Pointwise Convolution, PW）训练正则化其他

原创 torch学习

张量张量类似于NumPy 的ndarray，不同之处在于张量可以在 GPU 或其他硬件加速器上运行方法作用torch.cat连接两个相同shape的tensortensor1@tensor2矩阵乘法tensor1.matmul(tensor2)矩阵乘法torch.matmul(tensor1, tensor2, out=tensor3)矩阵乘法tensor1*tensor2对应位置的值直接相乘tensor1.mul(tensor

原创 2020 Context_Prior_for_Scene_Segmentation_CVPR 论文解读

文章目录Context Prior for Scene Segmentation 用于场景分割的先验上下文KeyPoint摘要引言相关工作先验上下文(Context Prior)Affinity Loss先验上下文层 Context Prior LayerAggregation Module网络架构实验结果实施细节评估Evaluations on the ADE20K DatasetEvaluations on PASCAL-ContextEvaluations on Cityscapes结论Conte

原创 BiseNetV1 语义分割论文解读

摘要语义分割需要丰富的空间信息和相当大的感受野。然而，现代方法通常会损害空间分辨率，以实现实时推理速度，从而导致较差的性能。在本文中，我们用一种新的双边分割网络(BiSeNet)来解决这个困境。我们首先设计了一个小步幅的空间路径Spatial Path来保存空间信息和生成高分辨率的特征。同时，采用具有快速降采样策略的上下文路径Context Path来获得足够的接受域。在这两条路径的基础上，我们引入了一个新的特征融合模块Feature Fusion Module来有效地结合特征。该架构在城市景观、CamV

原创 BiSetNetV2 语义分割论文解读

BiSeNetV2Bilateral Network with Guided Aggregation for Real-time Semantic Segmentation摘要低级细节和高级语义都是语义分割任务的关键。然而，为了加快模型推理，目前的方法几乎总是牺牲低级细节，这将导致了相当大的精度下降。我们建议分别处理这些空间细节和分类语义，以实现高精度和高效的实时语义分割。为此，我们提出了一种在速度和准确性之间具有良好权衡的高效体系结构，称为双边分割网络(BiSeNetV2)。该架构包括：(i)一个

原创 Xception论文笔记

文章目录摘要引言The Inception hypothesis先前的工作**The Xception architecture**实验评估JFT数据集优化配置正则化配置训练设施（培训基础设施）和 **Inception V3**的比较在逐点卷积后中间激活函数的影响未来方向结论相关名词参考XceptionCVPR Xception: Deep Learning with Depthwise Separable Convolutions摘要我们提出了一个Inception模块的操作，该操作是常规卷积和

原创 DIM抠图网络 Deep Image Matting 论文笔记

文章目录**Deep Image Matting**KeyPoint摘要引言相关工作基于采样的方法 sampling-based传播的方法 propagation method新的方法新的抠图数据集**Our method**编码器-解码器阶段 **Matting encoder-decoder stage**网络结构损失函数实现**Matting refinement stage** 匹配细化阶段网络结构实现实验结果alphamatting.com数据集**Composition-1k**测试数据集真

原创 抠图与语义分割神经网络论文学习

文章目录摘要引言相关工作模型架构提取单个帧特征的编码器**Bottleneck block****Upsampling block****Output block**DGF训练抠图的数据集数据增强分割数据集训练的步骤损失函数相关名词来自Robust High-Resolution Video Matting with Temporal Guidance源码目录github摘要我们引入了一种强大的、实时的、高分辨率的人类视频抠图方法，可实现新的最先进性能。我们的方法比以前的方法轻得多，并且可以在 Nv

原创 CSS样式初级入门教程——持续更新

目录五类CSS选择器简单选择器组合器选择器伪类选择器伪元素选择器属性选择器插入css样式的方法优先级排序具体代码注释颜色颜色名rgbhexhsl背景边框样式宽度圆角边距内外边距合并外边距宽高轮廓文本字体图标链接列表displayblock 元素inline 元素区别与联系布局位置overflow浮动和清除透明度透明悬停效果五类CSS选择器简单选择器根据名称、id、类来选取

原创 python 迭代器的切片、排列组合、索引、多迭代、链式迭代、生成器

文章目录特点iter()、next()用法for循环创建迭代器类迭代器反向迭代生成器切片排列、组合索引迭代多迭代链式迭代特点访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。迭代器有两个基本的方法：iter() 和 next()。（list），元组（tuple），字典（dict），集合（set），字符串（str）都可用于创建迭代器列表文件也是一个迭代器，可以使用next方法逐行读取迭代到结

原创 python高级编程 ——装饰器、闭包、函数进阶

文章目录闭包装饰器基本原理用法不带参数的修饰器带参数的装饰器类装饰器描述器闭包使用闭包可以调用私有变量，同时可以在该私有变量基础上添加想要的参数。def father(fatherName): def son(sonName): print("{}是{}的爸爸".format(fatherName, sonName)) return sontest = father("老王")test("小明")test("小李")输出老王是小明的爸爸老王是小李的爸爸

原创 PyQt5环境Pycharm+anaconda配置

文章目录在pycharm中新建项目安装所需包配置Qt designer和pyUIC首先下载好pycharm和anaconda在pycharm中新建项目新建项目选择anaconda环境检查所需包：pyqt5，pyqt5-tools，sip等，注意选择anaconda包管理器可以在anaconda navigator搜索查看安装所需包可以通过pycharm安装，我安装的时候只安装了pyqt没有找到pyqt5-tools，也可以以管理员身份打开Anaconda prompt，注意切换环境（可

原创 C\C++ 数据溢出错误！！！

原创 Matplotlib学习笔记（一）

这里写目录标题导入matplotlib库figure（图像）图像构成生成窗口代码相关设置axis坐标轴子图axes、axis（轴）两种绘图风格面向对象风格pyplot风格绘制常见图形普通画图plot散点图scatter直方图bar形状常见线属性设置线属性的方法点类型导入matplotlib库import matplotlib.pyplot as pltimport numpy as np #一般与numpy库配合使用figure（图像）图像构成生成窗口代码fig = plt.figure(

原创 机器学习实战————KNN算法初学编程练习

import numpy as npimport matplotlib.pyplot as pltdef createDataSet(): group = np.array([[1.0, 1.1], [1.0,1.0], [0,0], [0,0.1], [0.5,0.5], [0.5,0

原创 tensorflow学习——更新

文章目录tensor的含义数据类型创建张量常用生成张量函数常用函数数学运算维度相同的张量间运算重要函数tensor的含义维数名称举例0−D0-D0−D标量 scalarscalarscalar01−D1-D1−D向量 vectorvectorvector[1,2]2−D2-D2−D矩阵matrixmatrixmatrix[[1,2],[2,3]]n−Dn-Dn−D张量tensortensortensor[[[……数据类型类型

原创 顺序表与链表的c++代码对比

顺序表与单链表对比（以c++代码为例）目录顺序表与单链表对比（以c++代码为例）结构表示形式创建方式初始化方式判断为空表求长度输出方式随机访问元素的值判断元素是否在表中插入元素删除元素销毁表结构表示形式顺序表类似数组，也可由一个结构体表示，该结构体含有一个数组和一个记录数组有效元素长度的变量。typedef struct { int number[40]; int length;}SqList; //typedef表示别名用一个结构体作为单链表的一个节点，该结构体含有一个

原创 一文掌握python赋值语句

赋值建立对象引用值，而不是建立对象的拷贝。序号代表语句类型1a=1基本语句2a=b共享b的引用3[a,b]=[1,2]列表赋值4a,b=[1,2]序列赋值5a,b=1,2序列赋值相当于(1,2)6a,*b=1,2,3扩展的序列赋值7[a,[b,c]]=[1,[2,3]]嵌套赋值8a=b=1多目标赋值9a+=1增强赋值【注】：式中的[]可替换为()或{}，[1,2]可替换为长度为2的字符串。1.

原创 Numpy库教程（二）numpy库常用函数

1. 初始化随机初始化函数名参数randomrandrandintrandn填充初始化函数名参数fullzeros\nonzeroonesfull\zeros\ones_likeeyediagarange操作初始化操作(a是一个np数组)参数a.reshapea.flatten函数名参数tile2. 性质