- 博客(14)
- 收藏
- 关注
原创 面试常见问题
面试常见问题一、操作系统二、计算机网络三、数据库四、C++五、Python六、Java五、Linux一、操作系统线程和进程1)一个进程有一个或多个线程。2)资源分配给进程,同一个进程的所有线程共享该进程所有资源。3)CPU分配给线程,在处理器运行的是线程。4)线程在执行过程中需要协作同步。5)进程是最基本的资源拥有单位和调度单位。进程间的通信方式1)消息传递。2)共享存储。3)管道通信。线程间的通信方式1)使用volatile关键字。2)object类的wa
2021-02-02 09:40:34
515
原创 腾讯2017秋招技术类编程题汇总
一、假定一种编码的编码范围是a ~ y的25个字母,从1位到4位的编码,如果我们把该编码按字典序排序,形成一个数组如下: a, aa, aaa, aaaa, aaab, aaac, … …, b, ba, baa, baaa, baab, baac … …, yyyw, yyyx, yyyy 其中a的Index为0,aa的Index为1,aaa的Index为2,以此类推。 编写一个函数,输入是任意...
2020-02-24 13:40:18
193
原创 网易2020校招笔试- 测试开发工程师
#include <iostream>#include<vector>using namespace std; int main(){ int t,a,b; cin >> t; int x; for (int i = 0; i < t; i++){ cin >> x; ...
2020-02-23 14:38:22
640
1
转载 pytorch的几种优化算法
原文链接:https://www.jianshu.com/p/1a1339c4acd7(侵删!!!!)一、SGD(stochastic gradient descent)随机梯度下降优点: 虽然SGD收敛比较波折,但是对梯度的要求很低(计算梯度快)。而对于引入噪声,大量的理论和实践工作证明,只要噪声不是特别大,SGD都能很好地收敛。应用大型数据集时,训练速度很快。比如每次从百万数据...
2020-02-17 09:42:20
1263
1
原创 MODIS和Landsat图像裁剪
首先在网上下载MODIS和Landsat对应日期的图像一对,因为两颗卫星投影区域不同,需要对两张图像进行剪裁,同时,需要对MODIS图像进行预处理。一、对MODIS图像预处理1、安装MCTK,安装方法在操作手册中。下载网址:https://github.com/dawhite/MCTK2、打开ENVI Classic,File==>Open External File==&g...
2019-05-06 19:18:42
5346
2
原创 Learning Parallax Attention for Stereo Image Super-Resolution
原论文地址:https://arxiv.org/pdf/1903.05784.pdf1、超分辨率(SR)旨在从其低分辨率(LR)对应物重建高分辨率(HR)图像。2、我们的主要贡献可归纳如下:1)我们通过结合立体声对应提出SR的PASSRnet;2)我们引入了一种通用的视差注意机制,它具有沿着极线的全局接收场,以处理具有大的视差变化的不同立体图像。结果表明,视差注意机制可以有效地产生...
2019-04-10 16:12:58
1722
原创 Spatiotemporal Data Fusion Using Temporal High-Pass Modulation and Edge Primitives
在第一阶段中,通过在t0时间处的单个LSHT-FSLT图像对与tk时间处的LSHT图像之间的子像素关系导出高分辨率空间权重,在tk时间中将高频细节注入到LSHT图像中。在不同数据集的时间组成中,虚假的空间不连续性是不可避免的。在第二阶段,利用时间边缘基元检测这些伪空间不连续性。1)使用3×3拉普拉斯高通图1在时间t0和tk从LSHT图像中提取高频细节。使用时间边缘基元识别虚假空间不连续性。...
2019-04-08 13:16:29
370
原创 Spatiotemporal Satellite Image Fusion Using Deep Convolutional Neural Networks总结
一、名词解释HSLT:high spatial resolution but low temporal resolution,高空间低时间分辨率LSHT:low spatial resolution but high temporal resolution,低空间高时间分辨率SR:super-resolution,超分辨率NLM:nonlinear mapping,非线性映射L...
2019-03-17 19:11:04
958
3
原创 遥感图像的高时空融合前期学习总结
一、融合方法为什么需要研究遥感图像的高时空融合呢?根据看了几篇论文之后,自己的理解是因为遥感图像的高时间分辨率和高空间分辨率不可兼得,并且得到一张清晰的遥感图像并不是那么简单的事情,因此人们就考虑将具有高时间低空间和高空间低时间分辨率的遥感图像相融合,并可以得到高空间高时间的遥感图像,目前高时空融合的方法大致分为三大类:1.基于变换模型的融合:以数据变换模型为基础,对变换后的数据进行信息的...
2019-02-28 15:28:54
7977
2
转载 网络结构小结
一、图像复原1、DnCNN利用ResNet残差学习的思想,但是与ResNet过两层或是三层加shortcut connection的方式不同,而是将网络的输出直接改成residual image(残差图片),设纯净图片为x,带噪音图片为y,假设y=x+v,则v是残差图片。即DnCNN的优化目标不是真实图片与网络输出之间的MSE(均方误差),而是真实残差图片与网络输出之间的MSE。网络结...
2019-01-24 13:15:49
341
1
原创 DetNet: A Backbone network for Object Detection论文笔记
DetNet是又旷视和清华共同研发的网络结构。论文中提到DetNet贡献主要为以下三个方面:1、第一个分析传统的ImageNet预训练模型的内在缺陷的对象探测器微调。2、提出了一种新的网络结构——DetNet==>专门为目标检测任务设计的通过保持空间分辨率和扩大接受域。3、在基于第复杂度DetNet59网络结构的MSCOCO目标检测和实例分割跟踪方面取得了成果。由于Ima...
2018-12-27 18:19:24
303
翻译 Crafting a Toolchain for Image Restoration by Deep Reinforcement Learning
摘要 我们通过强化学习研究了一种新的图像恢复方法。 与现有的大多数为特定任务训练单个大型网络的研究不同,我们准备了一个由不同复杂性的小规模卷积网络组成的工具箱,专门负责不同的任务。 我们的方法RL-Restore然后学习一个策略,从工具箱中选择适当的工具来逐步恢复损坏图像的质量。 我们制定逐步奖励函数,与每一步恢复图像的程度成正比,以了解行动政策。 我们还设计了一个联合学习计划来...
2018-12-15 18:09:34
1583
转载 R-CNN,SPP-NET,Fast-RCNN,Faster-RCNN总结
一、R-CNN=>目标检测(区域卷积神经网络) 1、可以将卷积神经网络应用region proposal的策略。自底向上训练可以用来定位目标物和图像分割。 2、当标注数据是比较稀疏的时候,在有监督的数据集上训练之后到特定任务的数据集上fine-tuning可以得到较好的新能。 3、region proposal:是一类传统的区域提取方法,看作不同宽高的滑动窗...
2018-12-13 18:19:45
364
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