qq_41897154的博客

最后直接在Edge右上角找到设置--隐私--取消下图这个”使用安全的DNS指定如何查找网站的网络地址“勾选就立马能用了。试了网上很多别的都不行：控制面板--网络--Internet选项--连接--局域网设置--取消最后一栏的勾选。

网上的介绍真是良莠不齐，终于自己摸索出来！！！1，如果要把所有加粗legend1=legend('FontName','Times New Roman',tmpName,'Interpreter', 'none','fontsize',fontSizeLegend,'Location','SouthEast');%可修改图例标注的位置，和字体，耶title(titleName,'fontsize',fontSize,'FontName','Times New Roman');xlabel(xL

创建anaconda虚拟环境失败的时候、安装某些库失败的时候解决办法。查看是否有清华源/删除清华源，保留默认源

conda install opencv-python一直报错，显示no module named cv2

在写论文时出现不兼容的情况~~原因很简单，因为.doc和.docx格式不兼容，所以可以重新保存一遍，统一格式！立竿见影

NAM：基于归一化的注意力模块摘要 识别不太显着的特征是模型压缩的关键。但是，这一点在以往的注意力机制中却没有得到研究。在这项工作中，我们提出了一种新的基于归一化的注意力模块（NAM），它抑制了较少的显着权重。它将权重稀疏惩罚应用于注意力模块，从而使它们在保持相似性能的同时提高计算效率。与 Resnet 和 Mobilenet 上的其他三种注意力机制的比较表明，我们的方法具有更高的准确性。本文的代码可以在 https://github.com/Christian-lyc/NAM 上公开访问。1引

训练时在每一个epoch结束后就会出现好几行这个警告：解释一：原因是：线程撕裂，出现了警告，警告数量为设置的线程数量，32个：大家说无关紧要，说是如果把线程数改小一些，就不会有警告了，但是会影响运行速度，所以可以当作不存在。PyTorch版本1.10之后就会修复了，问题不大。解释二：找到代码中的：torch.utils.data.DataLoader( val_dataset, batch_size=args.batch_size, shuffle=...

pip install opencv-python出现警告：WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv.

报错：AttributeError:module 'torch.nn' has no attribute 'Hardwish'我怀疑是因为pytorch的版本太低了，因为我的pytorch是1.0.1的而师兄的是1.9.0版本的，所以可以解决方法：Anaconda中新建一个虚拟环境，重新安装一个pytorch1.9.0#cuda 10.2 也可以用在cuda10.0conda install pytorch==1.9.0 torchvision==0...

报错如下：于是先把清华源给删了conda config --remove-key channels觉得安装python3.7不成功换成3.6试试，于是受到启发，重新安装3.7在WARNING警告后面发现于是觉得可能是conda需要更新了conda update -n base -c default conda问题终于解决！！！...

CVPR2020目标检测共63篇3D目标检测1.LiDAR-Based Online 3D Video Object Detection With Graph-Based Message Passing and Spatiotemporal TransformerAttention2. Structure Aware Single-Stage 3D Object Detection From Point Cloud3. DSGN: Deep Stereo Geomet...

CVPR2020目标跟踪目标跟踪How to Train Your Deep Multi-Object TrackeThe recent trend in vision-based multi-object tracking (MOT) is heading towards leveraging the representational power of deep learning to jointly learn to detect and track objects. However, exi

行人检测Detection in Crowded Scenes: One Proposal, Multiple Predictions NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing STINet: Spatio-Temporal-Interactive Network for Pedestrian Detection and Trajectory Prediction

拥挤人群计数Cross-Modal Collaborative Representation Learning and a Large-Scale RGBT Benchmark for Crowd Counting Cross-View Cross-Scene Multi-View Crowd Counting A Generalized Loss Function for Crowd Counting and Localization行人检测 Variational Pedestrian ...