LJ的博客

原创 爱因斯坦（einsum）求和详细介绍

【代码】爱因斯坦（einsum）求和详细介绍。

原创 结合GPS的SAT图道路识别

网络结构：类UNet左右对称网络，主要设计体现在Decoder阶段上采样模块；

原创 AI通用大模型 —— Pathways，MoE, etc.

但为了与更多紧迫挑战任务的深度和复杂性相匹配，将需要新的、更强大的人工智能系统 —— 这些系统可以将人工智能的成熟方法与新兴的研究方向结合起来，从而能够解决我们今天无法解决的问题。Pathways将使单个人工智能系统能够在数千或数百万个任务中进行泛化，以理解不同类型的数据，并以惊人的效率做到这一点——将我们从仅仅识别模式的单一用途模型时代推进到一个更通用的智能系统反映对我们世界的更深入理解并能够适应新需求的时代。我们的大脑有许多不同的部分专门负责不同的任务，但我们只在特定的情况下调用相关的部分。

原创 html、css 和 JS(JavaScript) 的相互关联

工作所需，需要承担一些字体矢量动效玩法实现；调研发现前端可以快速实现一些矢量动画效果；本文旨在介绍前端的三大利器（HTML / CSS / JS）的区别和联系，就当个引子。

原创 黄金时代 —— 深度学习（基础/补充）

文章目录优化梯度下降AdamW前置博客-深度学习基础优化梯度下降AdamWAdam + weight decateAdamw 即 Adam + weight decate ，效果与 Adam + L2 正则化相同，但是计算效率更高，之前的 L2 正则化需要在 loss 中加入正则项再算梯度，反向传播，AdamW 直接将正则项的梯度加入反向传播的公式中，减少在 loss 中加正则项这一步Adamw 即 Adam + weight decate ,效果与 Adam + L2正则化相同

原创 opencv边缘-边界处理

图像目标边缘边界处理

原创 Cluster Editing or Correlation Clustering Problem

一个聚类算法

原创 视频快速编辑

文章目录MoviePy样例MoviePypip install moviepy可以快速实现视频的前后时间拼接和叠加MoviePy 中文样例1# 导入需要的库from moviepy.editor import * # 从本地载入视频myHolidays.mp4并截取00:00:50 - 00:00:60部分clip = VideoFileClip("myHolidays.mp4").subclip(50,60) # 调低音频音量 (volume x 0.8)clip =

原创 Kaggle（入门）

How to Win a Data Science Competition: Learn from Top Kagglers概念DataModelSubmissionEvaluationLeaderboardTitanickaggle - linkKaggle数据分析工作流程1 问题定义：先阅读题目弄清题意2 获取数据集（训练（包括交叉验证）+测试）3 数据预处理（Wrangle, prepare, cleanse）数据争用是数据格式转换，转换成方便后续处理的结构.

原创 图像视频质量评价

文章目录相关性相关性图像质量评价中的客观指标与质量相关性评价指标。SROCC（Spearman rankorder correlation coefficient，斯皮尔曼秩相关系数）KROCC（Kendall rank-order correlation coefficient，肯德尔秩次相关系数），PLCC（Pearson linear correlation coefficient，皮尔森线性相关系数）...

原创 Git项目托管学习笔记

文章目录版本控制分布式：开发者环境和服务器环境之间没有分割；每个开发者修改都可以载入成一个个新的版本 `commit` 来提交；通过推拉 push / pull，就是 github 的操作方式；服务器版本库有：版本控制集中式：开发者版本定期给服务器上传修改的代码，服务器包含所有历史版本和当前版本就是本地写代码修改代码，把代码带上版本号，上传到服务器分布式：开发者环境和服务器环境之间没有分割；每个开发者修改都可以载入成一个个新的版本 commit 来提交；通过推拉 push / pull，就

原创 骨架动作分析

文章目录全面综述：基于3D骨架的深度学习行为识别方法基于RNN的方法基于CNN的方法基于GCN的方法数据集全面综述：基于3D骨架的深度学习行为识别方法2020.2.14A Survey on 3D Skeleton-Based Action Recognition Using Learning Method传统的行为分析往往都是基于视频数据，近年来基于骨架的行为识别逐渐发展渐渐成为一个不大不小的领域骨架信息的获取可以使用 RGB，RGBD 或者 kinect 之类的传感器直接获取基于骨架信息的

原创 Rush Leetcode

文章目录Greedy二叉树Greedy先从问题出发，循环一遍，查看每步所能得到的局部最优；判断全局最优答案是什么，如何从局部最优到达全局最优！贪婪法告诉我们，凡事不能只从整体考虑事情，容易陷入困境，要尝试从细节把所有情况考虑一遍，当举不出反例，则问题解决！二叉树...

原创 对齐Meshflow相关

刘帅成 - 讲座介绍 ：文字描述，PPT截屏讲座视频：硬件防抖难题从37分钟开始关注DeepMeshflow工作，没有源码；退而求其次，关注该工作的上一个工作论文 ，代码和Deepmeshflow相比，Content方法缺少对不同区域homo的估计（不能解决视差导致的对不准问题）但是其实，对于很多问题（如相机运动估计）来说，一个全局的homo已经够了提取方法...

原创 AlphaPose阅读

PixelShuffle + DUC（Dense Upsampling convolution）博客Pytorch的可视化，使用 NetronNetron 安装：pip install netronnetron对pth文件解析比较差，所以可以传为onnx格式m = model()d = torch.rand(1, 3, 416, 416)onnx_path = "onnx_model_name.onnx"torch.onnx.export(m, d, onnx_path)netron.st.

原创 Alphapose的setup

github - setup# 0. 切换cuda版本为10.0# 1. Create a conda virtual environment.conda create -n alphapose python=3.6 -yconda activate alphapose# 2. Install PyTorchconda install pytorch==1.1.0 torchvision==0.3.0python -m pip install cython # 本地install的时候报错.

原创 ubuntu系统上安装多个版本cuda/cudnn

export CUDA_HOME=/usr/local/cudaexport PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}sudo rm -rf cudasudo ln -s /usr/local/cuda-9.2 /usr/local/cudacd /usr/local/stat cuda

原创 linux 安装 opencv

项目需要，给linux安装个 opencv准备编译环境：sudo apt-get install build-essential必须包sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev可选包sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libj.

原创 Face Recognition（一 综述2）

文章目录发展历史损失函数变迁侧重发展中的 关键方法Masi I, Wu Y, Hassner T, et al. Deep face recognition: A survey[C]//2018 31st SIBGRAPI conference on graphics, patterns and images (SIBGRAPI). IEEE, 2018: 471-478.上述论文 侧重于 人脸识别（Verification + Identification）步骤！人脸检测器用于定位人脸。 然

原创 Face Recognition（一 DCNNs）

文章目录2015 DDFD2015 DDFDMulti-viewface detection using deep convolutional neural networksDDFD(Deep Dense Face Detector)是一种基于AlexNet进行微调（finetune）改进的一种深度学习的网络模型。是雅虎公司2015年的作品，可以实现基于多角度，遮挡，关照下的人脸检测，一种unconstrain的人脸检测算法。5个卷积层，3个全连接层组成，在最后一个全连接层直接输出，没有经过SVM

原创 Face Recognition（一 传统算法）

2001 Viola & Jones Face Detection《Rapid Object Detection using a Boosted Cascade of Simple Features》Haar-like + Adaboost2014 JDAJoint Cascade Face Detection and Alignment验证人脸对齐的有效性使用低阈值的VJ人脸检测方法作为基准，其人脸检测结果的 False Positive Rate 较高文章训练一个基于S

原创 Face Recognition（一 综述）

文章目录OverviewFace DetectionFace PreprocessingFace RepresentationOverview1 Face Detection 在图像或视频中定位人脸Traditional Methods：Viola-Jones Face Detector / Deformable Part ModelsDCNNs2 Face Preprocessing 将原始自然的人脸校正为规范的视角并且进行裁剪Face Alignment 利用空间变换将脸部扭曲到

原创 Infrared Small Target Detection 2021

文章目录IPI Model (2013)IPI 模型SIRST 数据集（2020）PLUS：综合评价指标（F-Measure）IPI Model (2013)《Infrared Patch-Image Model for Small Target Detection in a Single Image》infrared small target detection is one of the key techniques in infrared search and track (IRST) sys

原创 黄金时代 —— 深度学习 (多目标跟踪 2021)

文章目录引入相关工作Long-term Visual TrackingOnline Update for Visual TrackingLong-term Tracking with Meta-UpdaterFrameworkMeta-UpdaterCascaded LSTMMeta-Update TrainingLTMU 2020长期目标跟踪相对于短期目标跟踪 和实际应用更加贴近大多数长期跟踪器使用的是离线训练的Siamese结构，这样不易受到遮挡干扰等噪声的影响短期跟踪器是可以有在线更新的

原创 C++学习笔记 — 由浅入深（侯捷）

C++ 程序设计杂七杂八struct和class的区别：class 是引用类型，它在堆中分配空间，栈中保存的只是引用；而 struct 是值类型，它在栈中分配空间。class是引用类型，struct是值类型；既然 class 是引用类型，class 可以设为 null；但是我们不能将 struct 设为 nullnew 一个类的实例时，在栈（stack）上存放该实例在托管堆（Managed Heap）中的地址，而实例的值保存在托管堆（Managed Heap）中。托管堆分配在被操作系统保留的一

原创 STL 简要笔记

原创 YAML 语法

YAML 试图用一种比 XML 更敏捷的方式，来完成 XML 所完成的任务YAML的可读性好YAML和脚本语言的交互性好YAML使用实现语言的数据类型YAML有一个一致的信息模型YAML易于实现YAML可以和XML文件一样基于流来处理YAML和XML文件一样，表达能力强扩展性好语法缩写大小写敏感使用缩进表示层级关系缩进时不允许使用Tab键，只允许使用空格缩进的空格数目不重要，只要相同层级的元素左侧对齐即可注释表示注释，从这个字符一直到行尾，都会被解析器忽略.

原创 Python中的数据结构

文章目录python: list, dictcollectionsnumpy: ndarraypython: list, dictcollectionsfrom collections import (namedtuple, deque, defaultdict, OrderedDict, Counter)namedtuple:Point = namedtuple('Point', ['x', 'y'])p = Point(1, 2)print p.x, p.ydeque:q =

原创 石器时代 —— 背包9讲学习

参考 — 链接01背包问题题目有NNN件物品和一个容量为VVV的背包每个物品只能放与不放！ithithith 物品的占用容量是 c[i]c[i]c[i]，价值是 w[i]w[i]w[i]；求解将哪些物品装入背包可使价值总和最大？状态数组f[i][v]f[i][v]f[i][v] 表示前 iii 件物品恰放入一个容量为 vvv 的背包可以获得的最大价值状态转移方程f[i][v]=max(f[i−1][v],f[i−1][v−c[i]]+w[i])f[i][v]=max(f[i-1

原创 石器时代 —— Leetcode刷题日记 （二 数据结构）

算法是寻找思维定式的思维后篇 - 算法思维文章目录1 `数据结构相关`简单系统设计 - Twitter简单系统设计 - 计算器L772 基本计算器III结构实现队列/栈 互相实现L232 用栈实现队列L225 用队列实现栈二叉堆实现优先级队列L703. 数据流中的第K大元素W1 小顶堆实现 - Priority_queueW2 二叉搜索数实现 - 红黑树 - Multiset数据缓存机制LRU缓存LFU缓存单调栈&单调队列单调栈 Monotonic StackL739 每日温度496 下一个.

原创 石器时代 —— Leetcode刷题日记 （二 算法思维）

随机刷题7 整数翻转输入: 123输出: 321class Solution {public: int reverse(int x) { int res = 0; while (x != 0) { if (abs(res)>INT_MAX/10) return 0; res = res*10+(...

原创 显著性 / 注意力机制

文章目录显著性图像显著性检测基本原理视觉注意力机制显著性自底而上的注意力机制，能否"注意到" 红外小目标：Itti模型：颜色、亮度和方向 三种特征自顶而下的注意力机制，TODO图像显著性检测基本原理视觉注意力机制...

原创 （多模态 / 多维度）特征融合

文章目录模式分类中的特征融合方法引入现状 ( < 2017)算法基于贝叶斯理论的特征融合算法决策级水平融合(*)特征级水平融合模式分类中的特征融合方法引入传统模式识别思路：特征工程（特征提取、特征降维、特征融合等）、分类器设计、训练测试特征如：颜色特征、SIFT特征、HOG特征、HOF特征、GIST特征等分类器如：KNN、SVM，Random Forest、CNN等特征分为：人工设计的特征 和 深度特征，前者特点鲜明意义明确，后者面向具体问题（即理解为 提取的特征 是针对CNN训练时侧重

原创 Cupy：Numpy在GPU上面的扩展

文章目录介绍介绍CuPy是一个通过利用CUDA GPU库在Nvidia GPU上实现Numpy阵列的库。通过该实现，由于GPU具有许多CUDA核心，因此可以实现优异的并行加速CuPy的界面是Numpy的镜像，在大多数情况下，它可以用作直接替代品。只需用兼容的CuPy代码替换你的Numpy代码，就可以获得GPU加速。CuPy将支持Numpy所拥有的大多数阵列操作，包括索引，广播，数组上的数学和各种矩阵变换pip install cupy在Numpy和CuPy之间切换，cp 替换为 np一旦我们达

原创 闲聊 艺术

TODO

原创 算法Z —— 综合篇

TODO

原创 算法Y —— 进阶篇

文章目录往年题IEEEXtreme 11.0Blackgate Penitentiary无向图 判断是否有环DFS拓扑排序Running Up StairsFibonacciRumorAeneas' cryptographic disc (4th c. B.C.)BeetleBagRecXorGotta Catch 'Em AllLet’s Cheer Up BobOctopuses with Watches往年题IEEEXtreme 11.0Blackgate Penitentiary输入信息：

原创 罗马音 - 记录

文章目录元音辅音总结元音表示音译a、i、u、e、o阿 衣 吴 哎 噢辅音表示音译ka、ki、ku、ke、ko卡、ki、库、kei、kousa、sisisi (xi)、sususu (si)、se、so萨、西西西、斯斯斯、sei、搜ta/da、cicici (qi)、cucucu (ci)、te/de、to塔、七、ci、tei、touna、ni、nu、ne、no那、妮、努、內、nouha、hi、hu、he、ho哈、hi、介

原创 白铁时代 —— （监督学习）原理推导

来自李航《统计学习方法》0 概论1 优化类1.1 感知机1.2 k近邻1.3 朴素贝叶斯1.4 逻辑回归最大熵模型1.5 支持向量机1.6 EM算法1.7 概率图模型HMMCRF2 集成类2.1 BoostingAdaboostBoost Tree & GBDT*XGBoost2.2 *Bagging随机森林...

原创 黄金时代 —— 深度学习 (BackBone)

网络结构目标检测