- 博客(47)
- 收藏
- 关注
RSS订阅原创 链表&矩阵
/ [有序数组] > [查找元素边界] > (二分法)public:// 二分法查找左边界 [left, right]} else {return -1;// 二分法查找右边界 [left, right]} else {return -1;
2024-01-17 21:22:25
1188
原创 C++ 知识点
🔶 面试官您好，我是深圳大学信息与通信工程的研三在校生，我叫XXX。下面我将从求职动机和过往经历介绍下我自己。🔶 对于求职动机，虽然我本科和研究生阶段都是通信类专业，但是我在校期间接触的项目大多都是和软件相关的，比如本科接触过智能车的赛道识别，硕士期间接触的深度学习图像压缩，还有自己参与过的小组项目也都是软件相关的，自己对编程类的工作也更感兴趣。
2024-01-16 18:23:13
1079
原创 算法 - 动态规划 / 贪心算法
文章目录🍺 动态规划🍻 股票问题🥂 🌸 121. 买卖股票的最佳时机 [数组] [股票] (动态规划)🥂 🌸 122. 买卖股票的最佳时机Ⅱ [数组] [股票] (动态规划)🥂 🌸 123. 买卖股票的最佳时机Ⅲ [数组] [股票] (动态规划)🥂 🌸 188. 买卖股票的最佳时机Ⅳ [数组] [股票] (动态规划)🥂 🌸 309. 买卖股票的最佳时机含冷冻期 [数组] [股票] (动态规划)🥂 🌸 714. 买卖股票的最佳时机含手续费 [数组] [股票] (动态规划)🍻 打家劫舍🥂 🌸 198. 打家劫舍
2024-01-09 21:26:03
1206
原创 后端开发相关
epoll 是事件驱动的，只有活跃的 socket 才会主动调用 callback 函数，因此 epoll 的效率与 socket 的数量无关，而仅与活跃的 socket 数量有关。短连接主要用于无频繁操作，连接数较多的情况，比如像 web 网站，因为每个 socket 连接都会占用系统资源，而采用短连接会使连接的并发量大大降低，节省系统资源。每当增加一个智能指针指向该对象时，所有的智能指针内部的计数器都会加一，每当减少一个智能指针指向该对象时，所有的智能指针内部计数器都会减一。
2023-12-23 20:59:54
842
翻译 Neural Fields in Visual Computing and Beyond
机器学习的最新进展使得人们对使用基于坐标的神经网络的方法来解决视觉计算问题越来越感兴趣。这些方法，我们称为神经场，参数化的物理性质的场景或对象跨越空间和时间。他们在诸如三维形状和图像合成、人体动画、三维重建和姿态估计等问题上取得了广泛的成功。快速的进步导致了大量的论文，但对已发现的知识的巩固还没有出现。我们提供了背景，数学基础，并回顾了神经领域文献中超过250篇论文。在第一部分中，我们通过识别神经场方法的常见组成部分来关注神经场技术，包括不同的条件反射、表示、前向映射、体系结构和操作方法。
2023-11-16 10:03:08
199
原创 笔试算法
笔试算法题链表19. 删除链表的倒数第 N 个节点 【链表】【双指针】21. 合并两个有序链表 【链表】【双指针】23. 合并 K 个有序链表 【链表】【多指针】【优先队列】25. K 为一组反转链表 【链表】【递归】【迭代】81. 分隔链表 【链表】【双指针】83. 删除排序链表中的重复元素 【链表】【双指针】92. 反转链表Ⅱ 【链表】【递归】141. 环形链表 【链表】【快慢指针】142. 环形链表Ⅱ 【链表】【快慢指针】160. 相交链表 【链表】【双指针】206. 反转链表 【链表】【递归】234
2023-10-28 15:30:39
155
翻译 Implicit Neural Representations for Image Compression
隐性神经表征（INRs）作为各种数据类型的一种新颖而有效的表征而受到关注。最近，先前的工作将 INRs 应用于图像压缩。这种压缩算法作为一种通用的方法，对任何基于坐标的数据模式都是很有希望的。然而，目前基于 INR 的压缩算法需要在很大程度上改善其率失真性能。这项工作在这个问题上取得了进展。首先，我们为基于 INR 的压缩算法提出了元学习的初始化，从而提高了速率失真性能。此外，它也导致了更快的收敛速度。其次，与之前基于 INR 的压缩工作相比，我们对网络结构进行了简单但非常有效的改变。
2023-10-25 17:41:28
214
原创 MAML在隐式神经表示中的应用
论文Learned Initializations for Optimizing Coordinate-Based Neural Representations 🎃Abstract1. Introduction2. Related Work3. Overview ⭐4. Results5. Conclusion6. AcknowledgementsA. Implementation detailsImplicit Neural Representations for Image Compression 🎃A
2023-09-12 14:22:54
517
原创 在 centos 上安装配置 MySQL8.0 教程
安装环境为：在 win11系统 -> virtualbox 虚拟机 -> centos7.9 系统 -> MySQL8.0。测试时间为：2023 年 05 月。
2023-05-08 17:19:54
2377
原创 在 centos 上安装配置 C++11 教程
安装环境为：win11 系统 -> virtualbox 虚拟机 -> centos7.9 系统 -> C++11测试时间为：2023 年 04 月。
2023-04-11 12:10:42
5591
原创 STL
C++STL面经1. STL 的基本组成部分。2. STL 常见的容器，实现原理。3. STL 中的 map，hashtable，deque，list 的实现原理。1. STL 的基本组成部分。STL 为标准模板库，为一些常见数据结构和算法的模板集合。标准模板库 STL 主要有 6 部分组成：（1）Container（容器）：是一种数据结构，如 list，vector 和 deques。为了访问容器中的数据，可以使用容器输出的迭代器。（2）Algorithm（算法）：是用来操作容器中数据的模板函
2023-03-20 12:05:59
623
原创 Gin
只要API程序遵循了REST风格，那就可以称其为 RESTful API。Gin 框架允许开发者在处理请求的过程中，加入钩子函数，这个钩子函数就叫中间件。中间件适合处理一些公共的业务逻辑，比如登陆认证，权限校验，记录日志等。命令来运行代码，在 postman 中 GET。
2023-02-15 01:59:18
211
原创 Git
换句话说，如果顺着一个分支走下去可以到达另一个分支的话，那么 Git 在合并两者时，只会简单地把指针右移，因为这种单线的历史分支不存在任何需要解决的分歧，所以这种合并过程可以称为快进（Fast forward）。它会列出你指定的每一个远程服务器的简写。该命令将创建一个名为 .git 的子目录，这个子目录含有你初始化的 Git 仓库中所有的必须文件，这些文件是 Git 仓库的骨干。这次，Git 没有简单地把分支指针右移，而是对三方合并后的结果重新做一个新的快照，并自动创建一个指向它的提交对象（C6）。
2023-02-14 10:55:09
567
原创 Gorm
在案例中，定义了 User 结构体 和 数据表 user 做映射，User 结构体 被称之为 数据模型，在 gorm 框架中，操作数据需要预先定义模型。底层都是使用 go 的 database 标准库，利用反射原理，执行读写操作时，将结构体翻译为 sql 语句，并将结构体转为对应的模型。假设有一个商品表。
2023-02-01 11:55:22
480
翻译 PINs · Progressive Implicit Networks for Multi-Scale Neural Representations
多层感知器(MLP)已被证明是有效的场景编码器，当与输入的高维投影相结合时，通常称为位置编码。然而，宽频谱场景仍然是一个挑战:选择高频位置编码在低结构区域引入噪声，而低频率导致细节区域拟合较差。为了解决这个问题，本文提出了一种渐进式位置编码，将分层MLP结构暴露给增量频率编码集。
2022-11-30 21:08:37
312
翻译 SINCO: A Novel structural regularizer for image compression using implicit neural representations
隐式神经表示(INR)是一种基于深度学习(DL)的图像压缩解决方案。通过训练一个权重小于图像像素数的INR模型，将图像的坐标映射到对应的像素值，可以对图像进行压缩。虽然传统的INRs训练方法是基于加强像素图像一致性，但我们建议通过使用一种新的结构正则器进一步提高图像质量。我们提出结构正则化INR压缩(SINCO)作为一种新的INR图像压缩方法。SINCO通过使用分割网络来惩罚从压缩图像中预测的分割掩码的差异，使压缩图像的结构与真实图像相一致。
2022-11-06 17:31:27
525
翻译 MTI-Net: Multi-Scale Task Interaction Networks for Multi-Task Learning
任务特征在每个尺度上被单独提取，使我们的模型能够在多个尺度上捕捉任务交互，即接受域。蒸馏完成后，将各个尺度提取的任务特征进行聚合，进行最终的任务预测。为了提高性能，我们用特征传播机制扩展了我们的模型，该机制将提取的信息从低分辨率任务特征传递到高分辨率任务特征。(2)我们引入了一种架构，在此基础上建立了专用模块，即多尺度多模态蒸馏(第2.1节)、特征跨尺度传播(第2.4节)和特征聚合(第2.5节);(3)我们克服了多任务网络中性能下降的一个常见障碍，并观察到任务之间可以相互受益，导致与单任务相比的显著改进。
2022-10-21 23:46:29
343
翻译 On combining denoising with learning-based image decoding
噪声是任何传感器的固有组成部分，并且在不同程度上存在于在现实生活环境中捕获的任何内容中。在成像应用中，已经提出了几种预处理和后处理解决方案来处理捕获图像中的噪声。最近，基于学习的解决方案在图像增强，特别是图像去噪方面显示了令人印象深刻的结果。在这篇论文中，我们回顾了在压缩域图像去噪的多种新解决方案，通过将去噪操作集成到基于学习的压缩方法的解码器中。本文首先从不同的角度解释了这种方法的优点。然后，我们描述了提出的解决方案，包括盲和非盲方法，并将它们与现有的方法进行比较。
2022-10-21 23:44:30
229
翻译 Nerfies: Deformable Neural Radiance Fields
本文提出了一种方法，能够使用从手机中随意捕获的照片真实地重建可变场景。可以观察到这些类NeRF变形场容易出现局部极小值，本文提出了一种基于坐标的模型从粗到细的优化方法，该方法可以带来更稳定的优化。通过把几何处理和物理模拟的原理应用于类神经网络模型，我们提出了变形场的弹性正则化，进一步提高了鲁棒性。
2022-10-21 23:42:57
1047
1
翻译 The Devil Is in the Details: Window-based Attention for Image Compression
学习过的图像压缩方法显示出比经典图像压缩标准更好的率失真性能。现有的大多数学习图像压缩模型都是基于卷积神经网络的。尽管做出了巨大贡献，但基于CNN的模型的一个主要缺点是其结构不是为捕捉局部冗余而设计的，尤其是非重复纹理，这严重影响了重建质量。因此，如何充分利用全局结构和局部纹理成为基于学习的图像压缩的核心问题。受视觉转换器（ViT）和Swin Transformer最新进展的启发，我们发现将局部感知注意机制与全局相关特征学习相结合可以满足图像压缩的期望。
2022-10-21 23:38:48
1539
翻译 Deep feature compression for collaborative object detection
最近的研究表明，通过在移动设备和云之间分配计算工作量，可以显著提高深度神经网络在移动应用中的效率。这种模式被称为协作智能，包括移动设备和云计算之间的特征数据通信。这种方法的效率可以进一步提高，通过有损压缩特征数据，这里迄今为止没有研究。在这项工作中，我们专注于协同目标检测，并研究了特征数据的近无损和有损压缩对其准确性的影响。我们还提出了一种在有损特征压缩下提高精度的策略。实验表明，使用该策略可以在不牺牲精度的前提下减少70%的通信开销。
2022-10-21 23:36:49
154
1
翻译 Privacy-Preserving Feature Coding for Machines
自动化机器视觉管道不需要精确的视觉内容来执行它们的任务。因此，在不显著影响机器视觉精度的情况下，有可能从数据中删除隐私信息。我们提出了一种新的方法来创建一个可以被下游机器视觉模型使用的图像的隐私保护潜在表示。这种潜在表示是使用对抗训练来构建的，以防止输入的精确重建，同时保持任务的准确性。具体来说，我们分离了一个深度神经网络(DNN)模型，并插入一个自动编码器，其目的是降低维数，并删除与输入重建相关的信息，同时最小化对任务准确性的影响。
2022-10-06 16:40:20
226
翻译 Latent-Space Scalability For Mutil-Task Collaborative Intellingence
研究了多任务协同智能的潜在空间可扩展性，其中一个任务是目标检测，另一个任务是输入重构。在我们提出的方法中，可以有选择地解码部分潜在空间以支持目标检测，而在需要输入重构时可以解码其余的潜在空间。当只需要目标检测时，这种方法允许减少计算资源，并且可以在不重构输入像素的情况下实现。通过改变训练损失函数中各项的比例因子，可以训练系统在目标检测精度和输入重构质量之间实现各种权衡。通过与相关基准相比的实验，验证了可调系统在两个任务上的性能。............
2022-08-13 21:16:41
198
1
翻译 COIN++: Neural Compression Across Modalities
COIN++，这是一种神经压缩框架，可以无缝处理各种数据模式。具体方法是基于将数据转换为隐式神经表示，即将坐标（如像素位置）映射到特征（如RGB值）的神经函数。
2022-07-23 16:35:15
1247
1
翻译 Progressively-connected Light Field Network for Efficient View Synthesis
NeRF论文笔记
2022-07-17 18:40:33
632
1
翻译 A Unified End-to-End Framework for Efficient Deep Image Compression
图像压缩是一种广泛使用的减少图像空间冗余的技术。近年来，基于学习的图像压缩利用神经网络强大的表示能力取得了重大进展。然而，目前最先进的基于学习的图像压缩方法计算量巨大，限制了其实际应用能力。在本文中，我们基于三种新技术提出了一种称为高效深度图像压缩（EDIC）的统一框架，包括通道注意模块、高斯混合模型和解码器端增强模块。具体来说，我们设计了一种用于基于学习的图像压缩的自动编码器式网络。为了提高编码效率，我们使用通道注意模块来利用潜在表示之间的通道关系。此外，熵模型引入了高斯混合模型，提高了比特率估计的准确性
2022-07-12 22:42:00
499
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