- 博客(107)
- 收藏
- 关注
RSS订阅原创 FoundationPose 推理全流程解读：从一帧 RGB-D 到 6D 位姿
本文结合论文FoundationPose与官方代码，把 model-based（给定 CAD 模型）场景下单帧位姿估计的推理流程从输入到输出走一遍：每一步做什么、数据长什么样（shape）、为什么这样设计。
2026-10-29 20:17:44
101
原创 VSCode连接远程容器失败（Missing GLIBC ＞=2.28!）
摘要：本文解决了VSCode远程连接容器时出现的GLIBC版本过低（需≥2.28）问题。通过分析三种方案，最终选择升级容器内GLIBC的方案二。详细记录了替换Debian软件源、处理密钥验证错误（依次导入3个缺失公钥）及安装libc6的全过程。关键步骤包括修改apt源配置、添加过期源允许选项，最终通过strings命令验证GLIBC版本升级成功。该方案避免了更换基础镜像或降级VSCode的弊端，为同类问题提供了可复用的解决路径。
2025-12-05 16:47:22
839
1
原创 论文阅读-Adaptive Multi-Modal Cross-Entropy Loss for Stereo Matching
本文是对Adaptive Multi-Modal Cross-Entropy Loss for Stereo Matching的论文精读。
2025-09-23 18:55:37
1188
原创 论文阅读-Gated CRF Loss for Weakly Supervised Semantic Image Segmentation
GatedCRFLoss的论文精读
2025-08-17 12:34:09
1350
原创 搞懂Score-based Generative Model
本文是在参考了网上的多个高质量教程之后，对Score-based Generative Model的相关内容进行的一次梳理。大部分内容来自B站UP主VictorYuki的视频，可以认为是学习视频内容时的笔记，参考的视频为【扩散模型 Diffusion Model 3-x】。文中不会涉及过于复杂的公式推导，尽量以结论性的内容为主，让读者对其整体框架有一个清晰了解。在阅读前，建议先阅读我的另一篇博客。
2025-03-24 10:01:38
987
原创 论文阅读 - Non-Local Spatial Propagation Network for Depth Completion
本文是论文Non-Local Spatial Propagation Network for Depth Completion的精读笔记
2024-02-15 21:01:13
2546
2
原创 论文阅读 - Understanding Diffusion Models: A Unified Perspective
本文是对Understanding Diffusion Models: A Unified Perspective的精读，略去了其中的一部分内容，之后会在其他博客单独成篇
2023-08-16 19:45:44
4568
7
原创 论文阅读 - End-to-End Wireframe Parsing
本文是ICCV2019的一篇论文，核心是提出了一种简单的end-to-end的two-stage的检测图像中线段的方法。同时，文章也提出了一种新的评价线段检测效果的指标，这个指标可以惩罚同一个位置有交叠的线段预测，也可以惩罚连接错误的线段。
2023-03-05 15:19:28
1252
1
原创 深度学习基础-2
本文介绍了深度学习的基础知识，以全连接神经网络为例，介绍了全连接层，激活函数，交叉熵损失，计算图与反向传播，梯度消失与梯度爆炸，权重初始化，Batch Normalization。
2022-11-20 14:39:16
1728
1
原创 Rust小技巧 - 把异步函数放进vector当中
有些时候，我们希望将将异步函数放到vector当中，或者说是注册进vector当中，然后在某个地方遍历这个vector来实现对已经注册了的异步函数的调用。
2022-05-09 14:21:47
899
原创 Rust小技巧 - 让函数既可接受String或&str，也可以返回String或&str
rust函数输入不同参数或者输出不同参数的方法。Into和Cow的应用。
2022-05-04 19:22:19
3167
原创 论文阅读 - CRNN
An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition论文阅读
2022-03-07 18:59:42
5585
原创 搞懂CRF
文章目录1 前言2 Log-linear model3 MEMM3.1 模型概述3.2 label bias问题4 CRF4.1 模型概述4.2 模型训练4.3 模型解码4.4 小结参考资料1 前言条件随机场(conditional random field, CRF)是在建立序列模型时的常用模块，它的本质就是描述观测到的序列xˉ\bar{x}xˉ对应的状态序列yˉ\bar{y}yˉ的概率，记作P(yˉ∣xˉ)P(\bar{y}|\bar{x})P(yˉ∣xˉ)。这里字符上的横线表示这是一个序列，下
2022-02-08 17:10:15
3435
原创 论文阅读 - Is Space-Time Attention All You Need for Video Understanding?
这篇论文是在vision transformer的基础上，在时间维度进行了attention，将图像分类拓展到了视频分类。这也是第一个完全抛弃CNN，只用transformer搭建整个网络的视频分类模型。
2022-01-31 09:42:10
6078
1
原创 论文阅读 - An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
文章目录1 概述2 方法简述2.1 encoder之前2.2 encoder之后3 实验结果参考资料1 概述这篇论文是一篇将tranformer引入到图像领域的里程碑式的文章。因为这是第一次在处理图像时，将所有的卷积模块统统抛弃，只使用attention。并且实验证明了只用attention比使用卷积的网络在图像分类上效果要更好。正片文章的内容并不难理解，前提熟知transformer的原理，不了解或者想要回顾一下的小伙伴，可以看我的另一篇搞懂Transformer。而论文提出的vision tra
2022-01-29 10:22:20
4141
原创 小工具：基于颜色的视频和图片切割
文章目录1 前言2 方案简述3 效果1 前言最近做一个短视频相关的项目的时候，发现输入的视频有很多是有黑边的，有些可能是白边或者其他颜色的边。这对下游的模型处理有很大的影响。于是就写了一个自动判断填充边的颜色，并根据该颜色自动切割视频或者图片的小工具。这个真的挺方便的，所以就分享出来。代码可见https://github.com/zjuPeco/color_base_image_crop。2 方案简述所有的颜色都是将rgb值映射到hsv空间后，再映射到事先总结好的一个颜色表当中。每个hsv对应颜色
2022-01-17 19:11:01
3114
1
原创 论文阅读 - AUTOVC: Zero-Shot Voice Style Transfer with Only Autoencoder Loss
autovc论文解读
2021-12-10 16:00:31
3473
原创 Yolo系列知识点梳理（Yolov1-v5）
文章目录1 概述2 Yolo系列模型2.1 基石 - Yolov12.1.1 Yolov1的网络结构1 概述Yolo系列的模型是大多数做目标检测的图像算法工程师都在使用的，使用时经常也是先用了看看效果再说，如果效果不错，有时间再回头来研究一下模型，有时甚至就忘了回过头来细究。这篇文章就是一个回头的产物。Yolo的每一个系列都令人惊艳，本文综合了原始论文和网上各家的一些说法，把Yolo每个系列究竟产出了一些什么做一个系统的梳理，也方便我以后的再回头。如果Yolo之后有人继续更新下去，本文也会尽量做到继
2021-10-23 20:00:51
12302
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