qq_30193541的博客

基于keras的深度学习实现语义图像分割像素级的分割是计算机视觉研究的热点问题，图像分割的任务是对图像中的每个像素进行分类。在这篇文章中，我们将讨论如何使用深度卷积神经网络来做图像分割。我们将从数据准备到模型搭建完成一个keras的语义图像分割任务。文章目录基于keras的深度学习实现语义图像分割前言一、什么是语义分割？二、语义分割的应用场景1.医学图像2.无人驾驶汽车3.卫星图像数据分析三、用于分割的卷积神经网络四、Skip connections五、Transfer learning六、Loss

论文阅读《CBAM: Convolutional Block Attention Module》文中提出了一种即插即用的注意力模块Convolutional Block Attention Module(CBAM)，CBAM模块可以添加到卷积神经网络模型中并与模型一起进行端到端的训练。文章目录论文阅读《CBAM: Convolutional Block Attention Module》一、Abstract二、 IntroductionContribution. Our main contributi

排序算法简介排序算法大体可分为两种：1.比较排序，时间复杂度O(nlogn)~O(n^2),主要有：冒泡排序，选择排序，插入排序，归并排序，堆排序，快速排序等。2.不稳定的排序有：快速排序，选择排序，希尔排序，堆排序3.从空间复杂度看，简单选择排序，插入排序，冒泡排序，希尔排序和堆排序都仅需要借助常数个辅助空间。快速排序在空间上使用一个小的辅助栈，用于实现递归，平均情况下大小为O(logn）,当然最坏的情况下可能会增长到O(n)。二路归并排序在合并操作中需要借助较多的辅助空间用于元素复制，大小为O(

Binder学习总结文章目录Binder学习总结一、Binder概述二、Linux系统中的IPC原理2.1基本知识介绍2.1.1 进程隔离2.1.1 进程空间划分以及系统调用2.2 linux ipc原理2.2.1 linux进程间通信的方式pipe管道及FIFO有名管道信号消息队列共享内存socket三、Binder 跨进程通信原理3.1动态内核可加载模块3.1Binder IPC 实现原理四、Binder 通信模型4.1.Client/Server/ServiceManager/驱动4.1.1Bind

文章目录一、Activity的启动过程？总结一、Activity的启动过程？Acivity的工作过程，在显示调用的情形下，只需要通过如下代码即可完成：Intent intent=new Intent(this,TestActivity.class);startActivity(intent);startActivity方法存在多种重载方式，但最终都会调用到startActivityForResult方法,其具体实现如下所示。public void startActivityForRes..

OKHTTP源码解读文章目录OKHTTP源码解读一、DISPATCHER(分发器）二、拦截器1.Response response = getResponseWithInterceptorChain();2.retryAndFollowUpInterceptor拦截器3.BridgeInterceptor拦截器4.CacheInterceptor拦截器5.ConnectInterceptor拦截器6.CallServerInterceptor拦截器总结一、DISPATCHER(分发器）O

文章目录前言 一、OkHttp 二、手写自己的网络请求框架 1.构建网络请求 2.设置请求队列，设置线程池 3.设置线程从请求队列获取请求，提交到线程池执行请求 4.将返回的数据进行解析，包装为实体类 为了深入理解OkHttp源码，模仿OkHttp网络请求框架实现了一个简单的网络访问请求框架前言OKhttp是一个处理网络请求的开源项目,是安卓端最火热的轻量级框架一、okhttp使用及封装可参考http://blog.csdn.net/lmj6...