- 博客(103)
- 收藏
- 关注
RSS订阅原创 模块缝合-把A模块换成B模块（没写完）
本文介绍了将MLP Head替换为KAN模块的具体步骤：1）在model目录新建Python文件并复制KAN代码；2）导入新建的KAN类；3）添加项目路径避免导入错误；4）在Block的__init__中初始化KAN层；5）在Transformer Encoder中找到MLP位置进行替换。整个过程涉及文件创建、代码移植、路径配置和模块替换等关键操作，通过KAN的三层结构([dim,64,dim])实现MLP的功能替代。
2025-06-08 21:24:34
182
原创 深度学习模块缝合
本文介绍了在Vision Transformer模型中集成SENet模块的三种方法：1) 在模型输入层加入SENet（通道数=3）；2) 在Patch Embedding和Transformer Blocks之间加入（需将3维特征转为4维，通道数=768）；3) 在MLP Head之前加入（需将2维特征转为4维，通道数=3）。每种方法都详细说明了通道数确定、特征维度转换和代码修改步骤，并提供了示例代码片段。重点强调了维度转换时通道数的匹配问题，通过打印特征形状来验证实现正确性。
2025-06-08 21:12:54
845
原创 cursor的git版本控制（保留之前改好的版本，避免后面改完后找不到）
摘要：本文介绍了使用Cursor进行代码版本管理和Git配置的详细步骤。内容包括：运行代码的方法（点击三角按钮）、修改Python版本（通过Ctrl+Shift+P选择）、Git仓库初始化与版本切换、Gitee仓库创建与远程连接设置（需生成私人令牌）、代码提交与发布到远程仓库的操作流程，以及如何回滚到特定版本（使用git revert命令）。文中配有详细的操作截图，帮助用户完成从本地代码管理到远程仓库同步的全流程操作。
2025-06-04 12:29:17
463
原创 cursor对话
本文介绍了智能代码助手Cursor的使用方法：1）通过Apply按钮将生成的代码应用到项目；2）代码修改显示为红绿对比，建议接受绿色修改；3）提供三种模式：Agent（自动处理）、Ask（问答）、Manual（人工编辑）；4）自动补全功能和内嵌对话框操作（选中代码编辑或Ctrl+K生成）。特别说明当需要安装第三方库时应使用Agent模式，并可通过"accept all"一键接受所有建议。
2025-06-03 19:57:27
407
原创 配置cursor
Cursor代码编辑器界面与配置指南 摘要：Cursor是一款功能强大的代码编辑器，界面主要分为顶部菜单栏、左侧文件管理区、右侧编辑区和底部自动补全区。顶部菜单支持文件打开与管理，左侧提供文件浏览、搜索、Git管理和插件商店功能。编辑器支持Ctrl+I打开聊天界面，并具备智能补全功能。通过设置界面可以配置账户信息、选择AI模型（影响聊天功能）、调整自动滚动和代码审查选项。特别提供了代码质量检查功能，可自动检测语法错误、风格问题和潜在BUG，用户可选择是否需要代码审查。
2025-06-03 17:00:16
332
原创 【ACM MM会议-2024工业异常检测】FiLo++:融合细粒度描述和形变定位的零样本/少样本异常检测
写目前异常检测方法的限制需要大量目标类别的正常样本-》限制去快速适应场景提出零样本和少样本研究零样本和少样本不需要目标类的标记样本总结目前的零样本和少样本方法1.用多模态模型 2.比较图像文本相似度来检测异常指出目前零样本和少样本的研究缺陷1.通用描述无法捕获不同对象的异常 2.简单的补丁级图像-文本匹配不好定位不同形状和大小的异常区域提出自己的方法Filo++方法组成。
2025-04-13 16:45:31
334
原创 蓝桥杯填空题技巧
2.写函数，写每位数字原本有多少中可能，把18位数字相乘。3.灯管不亮-》原本为1，但熄灭了 或-》本来就不亮。1.用字符串数组存储（0-9）
2025-04-11 10:54:51
254
原创 【ACM MM 2024】FiLo++实验步骤总结
训练阶段步骤1：训练可学习模板•输入：正常/异常图像及其类别名称（III.B.2）•操作使用固定模板（如“A [domain] photo of [state][cls]”）与可学习文本向量结合。通过LLM生成细粒度异常描述，插入模板的字段。利用交叉熵损失优化可学习文本向量和适配器参数。•输出：优化后的可学习文本模板和适配器参数。•原文片段•含义：图像所属的领域或场景类别，用于关联特定应用场景的上下文语义。•作用：增强模型对不同领域（如工业、医学）的图像特征适配能力。•。
2025-04-02 20:21:42
803
原创 《PromptAD》实验步骤
◦ 图像级分数 (S_t = \frac{\exp(\langle z_t, \overline{w}^n \rangle)}{\exp(\langle z_t, \overline{w}^n \rangle) + \exp(\langle z_t, \overline{w}^a \rangle)})。: 生成正常原型 (\overline{w}^n) 和异常原型 (\overline{w}^a)。: 正常提示特征 (g(s^n))、异常提示特征 (g(s^m)) 和 (g(s^l))。
2025-03-29 10:56:04
928
原创 【CVPR2024-工业异常检测】PromptAD方法(CLIP和提示学习)
3.1. CLIP and Prompt Learning(CLIP和提示学习)：未知图像 + 多组文本提示（如 “a photo of [class]”）：自动学习更有效的文本提示，提升CLIP在下游任务的表现。：优化后的文本提示，提升分类或检测性能（如异常检测）。：图像属于每个文本提示的概率分布，实现零样本分类。• 计算相似度得分：8（狗）、5（猫）、1（汽车）• 输入文字提示：“狗”、“猫”、“汽车”在异常检测中，通过学习正常提示。：少量正常样本（小样本设置）：这张图大概率是狗！
2025-03-20 21:16:46
699
原创 每日一题-哞叫题(蓝桥杯）【模拟】
1.输入 N和F2.输入 竞赛字符串，把竞赛字符串放进字符串数组中3.设置 p,q指针，设置temp放移动前p所指的字符，设置25个位置的字符串数组B，设置res=04.设置循环，条件是q指向的不是字符串的最后一个字母。p指向第一个字符，q指向第二个字符5.如果p==q，则看temp中有没有放字符【有则看temp中的字符是否=q中字符，不是则把temp+p所指的字符两个按照首字母放在字符串B中且res++，没有则不放】6.如果p不等于q，则temp保留p所指的字符，且p和q各后移一格。
2025-03-05 15:37:56
424
原创 每日一题-奶酪题（蓝桥杯）【模拟】
假设有一个立方体奶酪，N=21✖1✖N的奶酪块有3种（x方向，y方向，z方向）如果x方向上想放 1✖1✖N的奶酪块，需要x方向上的有连续n个奶酪块被切走。同理，y方向和z方向也一样当 a(x,y)=n->z方向的（x，y）可以放1✖1✖N的奶酪块当 b(x,z)=n->y方向的（x，z）可以放1✖1✖N的奶酪块当 c(y,z)=n->x方向的（y，z）可以放1✖1✖N的奶酪块。
2025-03-03 19:17:08
343
原创 【CVPR2024-工业异常检测】PromptAD:与只有正常样本的少样本异常检测的学习提示
摘要写作总结：1.提出 两个关键点 （视觉语言模型【模型】+ 少量工业异常检测【方向】）2.想要解决的问题3.针对上述问题，本文提出了一种什么【方法】的什么【应用方面】方法【模型名】4.具体讲方法的步骤5.实验结果（挑好的讲）1.视觉语言模型 有助于解决 少量工业异常检测中需要设计大量提示信息的问题。2.传统提示学习方法不适用于异常检测这种单类情况（正常/不正常），适用于多类别问题（比如区分狗，猫，鸟等问题）
2025-02-23 16:52:10
1363
原创 8分钟入门 Overleaf & Latex-笔记
网址www.overleaf.com(不翻墙很可能很卡)1.点击2.通常是点击出现下面的页面3.上传对应的压缩包。
2025-01-10 20:50:09
659
原创 最短路径C++
小蓝有一天误入了一个混境之地。小蓝可以往上下左右四个方向行走，每走一步耗时一分钟。小蓝想知道他能否逃离这个混境之地，如果可以逃离这里，输出最少需要消耗多少时间，反之输出-1。
2024-12-20 20:51:40
1106
原创 卷积神经网络-填充+步长
n×n的图像 * f×f的图像 = （n-f+1）×（n-f+1）f通常为奇数(会有中心点+ 好填充)1.多次卷积图像会变小2.边缘的像素点 在f×f的卷积中覆盖的比较少，而中间的像素点会被多次覆盖到-》会丢失图像的边缘位置的信息填充例：在图像外侧填充一层像素，通常用0填充，原本6×6的图像填充成8×8的图像这张图像在卷积后还是6×6的图像，则输出变成（n+2p-f+1）×（n+2p-f+1）的图像。
2024-12-20 16:51:28
681
原创 字母异位词分组-力扣热题100道
如果所有不等于1的下标对应的字母都有，则把这个字符串跟一开始取出来的字符串放一起，把这个字符串的访问数组下标设为1。因为字母异位词的特点是 同为字母异位词的字符串所有的字母都相同，只是顺序不同。2.把取出来的字符串的每个字母转成ASCII码值作为存储在哈希表中的下标，出现一次哈希表中+1。5.继续找下一个没有被访问过的字符串,重复4的操作，一直找到strs中的字符串结束。1.按顺序取strs中的没有访问过的字符串，新建一个哈希表，设置访问数组。字母异位词是由重新排列源单词的所有字母得到的一个新单词。
2024-12-17 21:10:10
439
原创 计算机视觉-边缘检测
一张图片中可能有多个需要识别的物体，会用方框标注他们的位置和类别例：给出一张照片，计算机需要从中识别出这是一只猫一张图片的计算量是较大的，这张图片的尺寸虽然是6464，因为每张图片有3个颜色通道，所以实际的计算量是6464*3=12288。如果处理更大的照片，计算量会更大，特征向量的维度会更大。
2024-12-17 19:18:38
1041
原创 C++哈希表
前面如果写了 using namespace std;KeyType是键的类型，ValueType是值的类型。例：如果想存储 键：字符串，值：整数。用erase方法删除。
2024-12-13 20:26:24
845
原创 LeetCode 热题 100-两数之和(简单）
给定一个整数数组nums和一个整数目标值target，请你在该数组中找出和为目标值target的那两个整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案，并且你不能使用两次相同的元素。你可以按任意顺序返回答案。输入:target = 9输出:[0,1]解释: 因为，返回[0,1]。输入:target = 6输出:[1,2]输入:target = 6输出:[0,1]
2024-12-13 18:54:54
323
1
原创 【AAAI-2024工业异常检测文献总结】UCAD:无监督异常检测和分割的持续学习框架
引入 基于增量训练的无监督异常检测（UAD）方法。它的作用在于不需要依赖标记的异常数据。这对于工业图像异常检测尤为重要，因为工业图像中的异常难以预测，且难以获得大量的异常标记数据。存在的问题模型遗忘问题：UAD需要为不同类顺序训练单独的模型，这导致学习新任务时遗忘旧任务信息。持续学习的挑战：想用持续学习解决UAD灾难性遗忘的问题，但由于缺少足够的异常样本，持续学习在UAD中的应用受限。计算负担：随着类别增加，计算负担加重。顺序训练时的持续学习能力。
2024-12-11 21:19:56
2329
原创 蓝桥杯练习题-拉马车（中等）
游戏开始时，他们各自持有一组随机的纸牌序列。游戏从 A 方开始，A 和 B 双方轮流出牌。输入为两行，两个字符串，分别表示 A、B 双方初始手里的牌序列。输出为一行，一个字符串，表示 A 先出牌，最后赢的一方手里的牌序。小时候，我们可能玩过一种叫做“拉马车”的纸牌游戏。这个输出表示在游戏结束时，B 方手里的牌序为。2.如果涉及标识符，多个最好设置对应的标识符。1.A出牌，并用flagA记录A是否赢牌。2.设置结束条件，A长度=0，输出B串。1.设置结束条件，玩家的牌长度=0。1.把出的牌放到z串的开头。
2024-12-11 19:42:30
1044
原创 C++学习-类的指针
class student { // 类定义public: // 公共属性，一般方法放public// 后面加const，只读不写student();// 构造函数，里面有默认参数// 传参private: // 私有属性int age;
2024-12-07 19:40:59
308
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