- 博客(546)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 java后端开发面经(一)
javasynchronized对象结构：markword(8 bytes)，类指针，实例对象，对齐markword：锁信息，GC信息，hashCode锁消除是发生在编译器级别的一种锁优化方式，有时候写的代码不需要加锁却执行了加锁操作；锁粗化通常情况下，为了保证多线程间的有效并发，会要求每个线程持有锁的时间尽可能短，但是大某些情况下，一个程序对同一个锁不间断、高频地请求、同步与释放，会消耗掉一定的系统资源，因为锁的讲求、同步与释放本身会带来性能损耗，这样高频的锁请求就反而不利于系统性能的优化了
2021-08-11 19:59:39
738
原创 论文阅读梗概
REDUCING TRANSFORMER DEPTH ON DEMAND WITH STRUCTURED DROPOUT论文阅读过参数化网络虽然在很多领域取得很好的效果，但是这些模型计算量大，容易出现过拟合。文章研究了结构化dropout方法layer dropout。它在训练期间具有正则化的效果，并允许在推理阶段进行高效的修剪。结构化dropout是神经网络在预测时有更强的鲁棒性，文章将重点放在结构是层的设置上，以实现对任何所需深度的浅层和高效模型的修剪。在各种文本生成和预训练任务中，层dropout
2020-12-02 15:05:32
1438
原创 res2net：A New Multi-scale Backbone Architecture论文阅读
摘要在多尺度上表示特征对于许多视觉任务来说是十分重要的。基础CNN上的最新进展不断展示出更强的多尺度表示能力，在很多应用中实现持续的性能提升。然而大多数现有的方法以分层方式表示多尺度特征。在本文中，我们为CNN提出了一种新的构建块，它通过在一个单个残差块内构造分层的类残差连接来实现多尺度特征的获取。res2net更精细的表示多尺度特征，并增加每个网络层的感受野。提出的res2net还可以融合到最先进的CNN骨架中，并获得一致的性能提升。介绍在自然场景中，视觉模式出现在多尺度上。首先，在同一幅图像中出
2020-12-02 15:05:16
452
1
原创 大厂高频重点面试题(第二季)
1.请谈谈你对volatile的理解volatile是java虚拟机提供的轻量级的同步机制保证可见性不保证原子性禁止指令重排JMM的三大特性可见性原子性有序性各个线程对主内存中共享变量的操作都是各个线程各自拷贝到自己的工作内存进行操作后再写回到主内存中。可见性的代码验证说明package com.itheima.interview;import java.util.concurrent.TimeUnit;class MyData{ int number =
2020-11-15 16:44:45
614
1
原创 nginx学习知识点汇总
定义：Nginx是一个高性能的HTTP和反向代理服务器，特点是占用内存少，并发能力强。反向代理正向代理局域网中的电脑用户想要直接访问网络是不可行的，只能通过代理服务器来访问，这种代理服务就被称为正向代理。反向代理客户端无法感知代理，因为客户端访问网络不需要配置，只要把请求发送到反向代理服务器，由反向代理服务器去选择目标服务器获取数据。此时反向代理服务器和目标服务器对外就是一个服务器，暴露的是代理服务器地址，隐藏了真实服务器地址。负载均衡客户端发送多个连接请求到服务器，服务
2020-11-02 21:15:26
179
原创 java高频面试题（第一季）
1.自增变量注：赋值=，最后计算=右边的从左到右加载值依次依次压入操作数栈实际先算哪个，看运算符优先级自增、自减操作都是直接修改变量的值，不经过操作数栈最后的赋值之前，临时结果也是存储在操作数栈中public static void main(String[] args){ int i = 1; i = i++; int j = i++; int k = i + ++i * i++; System.out.println("i="+i); System.out.println(
2020-11-02 14:54:37
258
原创 进程间通信的五种方式
参考文章1.管道特点：1.它是半双工的(即数据只能在一个方向上流动)，具有固定的读端和写端2.它只能用于具有亲缘关系的进程之间的通信(也是父子进程或者兄弟进程之间)3.它可以看成是一种特殊的文件，对于它的读写也可以使用普通的read、write等函数。但是它不是普通的文件，并不属于其他任何文件系统，并且只存在于内存中2.FIFO特点：1.FIFO可以在无关的进程之间交换数据，与无名管道不同2.FIFO有路径名与之相关联，它以一种特殊设备文件形式存在于文件系统中。(FIFO的通信方式
2020-10-21 17:07:27
534
1
原创 zookeeper+dubbo知识点记录
1.dubbo框架1.1 dubbo概述它是一款高性能、轻量级的开源java RPC框架，它提供了三大核心能力：面向接口的远程方法调用，智能容错和负载均衡，以及服务自动注册和发现。它是一个分布式服务框架，致力于提供高性能和透明化的RPC远程服务调用方案，服务治理方案。...
2020-10-21 12:48:07
555
原创 Landmark Assisted CycleGAN for Cartoon Face Generation论文阅读
通过在真实人脸和卡通人脸之间使用不成对的训练数据来生成人的卡通图片。挑战：真实和卡通人脸的结构属于两个不同的领域，外观相差很大。如果没有明确的对应关系，很难捕捉基本面部特征，并生成高质量卡通图片。解决：提出Landmark Assisted CycleGAN，利用面部标志特征来定义一致性损失，指导在cycleGAN中训练局部鉴别器。这个过程主要分为三步，首先生成器根据cycleGAN生成一张粗糙的卡通人脸；随后，模型根据第一步生成的图像，生成一个预训练回归量来预测面部landmark，对面
2020-10-20 16:01:44
366
原创 Rethinking the Route Towards Weakly Supervised Object Localization论文阅读
对弱监督目标定位路径的再思考摘要弱监督目标定位的目标是定位只有图像级标签的对相关。
2020-10-15 15:51:50
283
原创 Rethinking the Route Towards Weakly Supervised Object Localization讲稿
背景当前的深度学习方法需要大量的精确标签，包括图像级标签、位置级别的标签和像素级别的标签。因此很多大规模数据集被提出来用于解决这个问题。但是由于源域与目标域的不同，在这些大规模数据集上训练的模型不能直接用于各种不同的任务。为了解决这个问题，弱监督方法被提出来。弱监督方法在只有图像级标签的情况下进行检测、定位和分割等任务。弱监督目标定位是一个最常见的例子，这种方法大多使用CAM来增强分类模型的定位性能。类激活映射CAM1CAM2全局平均池化用于保存图片空间信息。CAM是一个帮助我们可视化CN
2020-10-15 15:51:38
215
转载 RAFT: Recurrent All-Pairs Field Transforms for Optical Flow论文阅读
RAFT由三个主要组件组成:特征编码器，该编码器为每个像素提取特征向量;相关层，对所有像素对产生4D相关卷，后续池化产生较低分辨率卷基于gru的循环更新操作符，从相关卷中检索值，迭代更新初始化为0的流场字段。注：特征编码器用于提取每个像素的特征，相关层计算像素之间的视觉相似性，更新操作符模拟了迭代优化算法的步骤。准确率高、泛化性好，效率高。参考：https://zhuanlan.zhihu.com/p/205020999...
2020-09-28 16:03:50
2291
转载 Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection论文阅读
用于任意形状文本检测的深度关系推理图网络摘要由于场景文本的多样性和复杂性，任意形状文本检测是一项具有挑战性的任务。本文提出了一种用于任意形状文本检测的统一关系推理图网络。首先通过基于CNN的文本选取网络利用共享特征来估计文本组件的几何属性；然后局部图可以大致建立不同文本组件的连接；然后使用深度关系推理网络将进一步推断出文本组件与其邻接组件之间的链接可能性，最后根据推理结果将文本组件聚合为整体的文本实例。参考：https://blog.csdn.net/spicycoder/article/det
2020-09-28 15:12:59
347
转载 Attention Convolutional Binary Neural Tree for Fine-Grained Visual Categorization论文阅读
用于细粒度视觉分类的注意力卷积二叉神经树注意力卷积二叉神经树结构沿着树结构的边缘加入卷积操作，并使用每个节点中的路由函数来确定树从根到叶节点的计算路径(作为深度神经网络)。最终的决策是由叶节点预测的总和计算出来的。这种设计结构使该方法继承了深度卷积模型的表示学习能力和由粗到细的层次学习过程。树结构的不同分支集中在不同的局部对象区域进行分类，最终的决策是由叶节点预测的总和计算出来的。同时使用注意转换器来强制树状网络捕捉鉴别特征以获得准确结果。ACNet的architecture包含4个模块：主干
2020-09-22 16:28:46
767
1
转载 Attention Guided Anomaly Localization in Images论文阅读
注意导向的图像异常检测与定位关注问题异常的检测和定位难点真实场景下异常样本非常少图像中异常位置像素覆盖面积很小动机之前的工作需要训练异常图像来计算出检测和定位的阈值，为了去掉这个约束，作者提出一种“基于引导注意的卷积对抗性变分自编码器(CAVGA)”，这个模型通过卷积隐藏变量来保存空间信息完成异常的定位。在无监督模式下 ，作者提出一个“注意扩张损失”，期望在不使用异常图像训练情况下，模型的注意能够关注图像的所有正常区域。在弱监督模式下，作者提出一种“互补引导注意损失”，期望正常注意覆盖
2020-09-22 16:04:19
527
转载 端到端语音翻译中预训练和微调的衔接方法
ST：speech translation，语音翻译ASR：automatic speech recognition，自动语音识别MT：machine translation，机器翻译TCEN：Tandem Connectionist Encoding Network, 串联编码网络摘要在端到端的语义翻译中，预训练和微调的方法被广泛使用，但两个环节不能很好的进行衔接。文章提出了串联编码网络，是参与语音翻译任务的两个子网络都能够被预训练，且预训练中学到的参数都将在微调过程中使用，从而显著提升语音翻译
2020-09-22 11:10:49
692
原创 docker学习笔记
1. Docker介绍1.1 引言1.我本地运行没问题啊，(环境不一致)。2.哪个哥们又写死循环了，怎么这么卡。(在多用户操作系统下，会相互影响)3.淘宝在双11的时候，用户量暴增。(运维成本过高的问题)4.学习一门技术，学习安装成本过高。(关于安装软件成本过高)1.2 Docker的思想1.集装箱：会将所有需要的内容放到不同的集装箱中，谁需要这些环境就直接拿到这个集装箱就可以了。2.标准化：#运输的标准化：Docker有一个码头，所有上传的集装箱都放在了这个码头上，当谁需要某一个环
2020-09-20 09:54:31
364
转载 使用spring的JavaMail发送邮件
以前我们使用JavaMail发送邮件，步骤挺多的。现在的项目跟Spring整合的比较多。所以这里主要谈谈SpringMail发送。导入jar包。配置applicationContext-email.xml。编写代码。Maven地址如下 org.springframework spring-context-support 4.2.6.RELEASE javax.mail mail
2020-09-16 22:43:50
780
原创 RabbitMQ实战教程
RabbitMQ实战教程1.MQ引言1.1 什么是MQMQ是翻译为消息队列，通过典型的生产者和消费者模型，生产者不断向消息队列中生产消息，消费者不断从队列中获取消息。因为消息的生产者和消费都是异步的，而且只关心消息的发送和接收，没有业务逻辑的侵入，轻松实现系统间解耦。别名为消息中间件，通过利用高效可靠的消息传递机制进行平台无关的数据交流，并基于数据通信来进行分布式系统的集成。1.2 MQ有哪些当今市面上有很多主流的消息中间件，如老牌的ActiveMQ、RabbitMQ、炙手可热的Kafka，阿里巴
2020-09-13 18:03:24
426
原创 Batch Nuclear-norm Maximization under Label Insufficient Situations梗概
梗概在一些标签不足的情况下，决策边界上的很多样本无法得到较为准确的分类。常见的解决办法是最小化香农熵。但是这种办法会使得边界样本分类到样本数多的类别中，这样就使得分类的多样性降低。文章还提到了F范数与香农熵的单调性是相反的，因此也可以用最大化F范数来解决这个问题。每个批次的类别向量构成一个矩阵。因为每个批次是随机采样的，因此各个矩阵可以通过最大化秩来保证多样性。也就是通过最大化线性无关向量的个数。为了同时约束判别性和多样性，发现可以通过矩阵秩同时约束这两个特性。对于判别性，因为F范数越大，判别性越好
2020-08-07 13:18:59
619
原创 PyramidBox: A Context-assisted Single Shot Face Detector论文阅读
摘要本文提出了一种基于anchor的语境辅助方法，即PyramidAnchors，从而引入有监督的信息来学习较小的、模糊的和部分遮挡的人脸的语境特征设计了低层次特征金子塔来更好的融合语境特征和面部特征。同时该方法可以在单次拍摄中较好的处理不同尺度的人脸提出了一种语境敏感的预测模型，该模型由混合网络结构和最大输入输出层组成，从融合特征中学习准确的定位和分类提出了可以感知尺度的数据-anchor-抽样策略，改变训练样本的分布，重点关注较小的人脸在通用人脸检测基准数据集上，达到了目前最佳水平低层
2020-08-07 13:18:45
243
原创 Mybatis知识点整理
Mybatis含义及优缺点Mybatis就是一个实现了数据持久化的开源框架，简单理解就是对JDBC进行封装。Mybatis的优点与JDBC相比，减少了50%以上的代码量Mybatis是最简单的持久化框架，小巧并且简单易学Mybatis相当灵活，不会对应用程序或者数据库的现有设计强加任何影响，SQL卸载XML里，从程序代码中彻底分离，降低耦合度，便于统一管理和优化，并可重用提供XML标签，支持编写动态SQL语句提供映射标签，支持对象与数据库的ORM字段关系映射Mybatis的缺点SQL
2020-08-06 10:09:31
247
原创 Recognizing Chinese Texts with 3D convolutional neural network论文阅读
摘要本文提出了一种利用三维卷积神经网络对带有广告牌和道路标记的场景中的中文文本进行定位和识别的深度学习系统。该系统采用YOLO检测目标位置，利用三维卷积神经网络进行内容识别。该设计比现有的基于LSTM的设计具有更好的实时性，可以在嵌入式平台上实现。在配备了鱼眼摄像头的自动驾驶汽车上，该系统在鸟瞰道路标志上识别中文文本的准确率达到90%以上。另外实验证明该系统的执行速度对于自动驾驶应用已经足够快了。介绍目标： 设计一个基于计算机视觉的检测系统来检测道路上的标记和文字，用于自动驾驶的应用。该系统可以为自动
2020-07-31 21:32:53
172
原创 三维卷积解读及其pytorch实现
原论文：Learning Spatiotemporal Features with 3D Convolutional Networks(ICCV 2015)文章贡献点实验表明三维卷积深度神经网络是一种能够同时模拟外观和运动的良好的特征学习器。发现3x3x3在探索的架构中效果最好。在4个不同的任务和6个不同的基准上，这个模型所学习的特征优于或接近目前的最好的方法。探索过程注释：根据二维卷积的研究结果，感受野较小且结构更深的3x3卷积核能产生最好的结果。这里固定了空间感受野为3x3，只改变三维卷
2020-07-31 00:09:10
3902
原创 JVM知识点整理
视频参考定义： java程序的运行环境（java二进制字节码的运行环境）好处：一次编写，到处运行；自动内存管理，垃圾回收功能；（数组下标越界检查；多态）内存结构1.程序计数器1.1作用：记住下一条JVM指令的执行地址。Java源码经过编译形成二进制字节码(JVM指令)，JVM指令经过解释器生成机器码，机器码在CPU中执行。程序计数器通过寄存器实现。1.2特点线程私有：每个线程有自己的程序计数器不会存在内存溢出2.虚拟机栈栈：线程运行需要的内存空间栈帧：每个方法运行时需要的内
2020-07-30 21:56:33
244
原创 SqueezeNet解读及其pytorch实现
原论文：SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND <0.5MB MODEL SIZE摘要对CNN的研究主要集中在提高准确性上，这篇文章则不同，关注CNN更小的架构。较小的架构具有如下优点：分布式训练更加高效(服务器间需要较少的交流)新模型导入到客户端时开销更小(使得频繁的更新可行)FPGA的部署更加可行(FPGA内存受限)设计策略将3x3卷积核替换为1x1卷积核；因为1x1卷积核参数比3x3卷积
2020-07-29 09:49:10
746
原创 Exploring Deep Anomaly Detection Methods Based on Capsule Net论文阅读
探索基于胶囊网的深度局部异常检测方法abstract文章中开发和探索了基于CapsNet的图像深度异常检测技术。由于CapsNet能够编码局部和整体之间的内在空间关系，因此它既可以被用作分类器，又可以用作深度自编码器。这启发我们设计一个基于预测概率和基于重构错误的正态性评分函数来评估未见图像的离群度。在三个数据集上结果表明，基于预测概率的方法性能同样很好，而基于重构错误的方法对带标记图像和未带标记图像的相似度相对敏感。另外，这两种基于CapsNet的方法在很多情况下都比原有的基准测试方法更好。int
2020-07-24 12:27:58
200
转载 pytorch划分数据集的两种方法(dataset, dataloader)
Pytorch提供的对数据集进行操作的函数详见：https://pytorch.org/docs/master/data.html#torch.utils.data.SubsetRandomSamplertorch的这个文件包含了一些关于数据集处理的类：class torch.utils.data.Dataset: 一个抽象类， 所有其他类的数据集类都应该是它的子类。而且其子类必须重载两个重要的函数：len(提供数据集的大小）、getitem(支持整数索引)。class torch.utils.dat
2020-07-20 16:46:00
25332
原创 BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition论文阅读
用于长尾视觉识别的带累积学习的双边分支网络长尾问题：少数类样本数量大，而多数类的样本很小，是一种数据分布不平衡的问题。传统解决方法：重加权和重采样，这些方法统称为重平衡方法。之所以可以取得较好的精确度，是因为它能显著的促进深度网络的分类器学习，但同时它又会一定程度上损害已学习的深层特征的表征能力。双边分支网络：提出的新方法。用于兼顾表征学习和分类器学习。 并通过实验证明了该方法的有效性。结构设计了表征学习和分类器学习两个分支，分别称为常规学习分支和再平衡分支两个分支使用相同的残差网络结构，
2020-07-04 20:34:38
929
1
原创 动态代理的相关介绍
动态代理特点：字节码随用随创建，随用随加载作用：不修改源代码的基础上对方法增强分类：基于接口的动态代理，基于子类的动态代理。基于接口的动态代理IProducer.javapackage com.itheima.proxy;/** * 对生产厂家要求的接口 */public interface IProducer { public void saleProduct(float money); public void afterService(float money)
2020-06-07 17:25:52
156
原创 spring基于注解的IOC以及IOC的案例
文章目录spring中IOC的常用注解案例使用xml的方式和注解方式实现单表的CRUD操作改造基于注解的IOC案例，使用纯注解的方式实现spring和Junit整合spring中IOC的常用注解使用注解首先要在配置文件中引入几行代码，在下面这个链接中搜索"xmlns:context"即可得到这段代码。将其复制到bean.xml配置文件中。链接作用：告诉spring在创建容器时要扫描的包，配置所需要的标签不是在beans的约束中，而是在一个名称为context名称空间和约束中。接着就可以写下面这个代码
2020-05-30 12:35:35
282
原创 spring控制反转与bean相关
文章目录Spring基于xml的IOC环境搭建ApplicationContext常用的3个实现类核心容器的两个接口引发出的问题三种创建bean对象的方法bean的作用范围bean生命周期Spring的依赖注入控制反转：把创建对象的权利交给框架，是框架的重要特征，并非面向对象编程的专用术语。包括依赖注入和依赖查找。Spring基于xml的IOC环境搭建创建配置文件，引入spring约束。<?xml version="1.0" encoding="UTF-8"?><beans xm
2020-05-28 23:17:20
265
原创 控制反转之运用工厂模式进行程序解耦
首先写一个jdbc的程序来说明编译器依赖问题package com.itheima.jdbc;import java.sql.Connection;import java.sql.DriverManager;import java.sql.PreparedStatement;import java.sql.ResultSet;public class JdbcDemo1 { /** * 程序的耦合 */ public static void main(St
2020-05-28 10:38:51
303
转载 IntelliJ IDEA 2018.3.3配置 Tomcat 9，控制台出现中文乱码 “淇℃伅”
https://www.cnblogs.com/Yin-BoKeYuan/p/10320622.html
2020-05-26 20:28:32
301
原创 AlexNet的简介与pytorch实现
AlexNet亮点：首次使用GPU进行网络加速训练使用了ReLU激活函数，而不是传统的Sigmoid激活函数以及Tanh激活函数使用了LRN局部响应归一化在全连接层的前两层中使用了dropout随机失活神经元操作，以减少过拟合网络结构conv1：kernels：48*2=96kernel-size：11padding：[1,2]stride：4input-size:[224, 224, 3]output-size:[55, 55, 96]55 = 224−11+(1+2
2020-05-26 09:35:06
317
原创 一个博客项目-3分类管理
分类管理页面分类列表分页分类新增、修改、删除分类管理页面types.html可以在blogs基础上进行修改types-input.html可以再blogs-input基础上进行修改分类列表分页首先要做dao层和service层TypeRepository.javapackage com.lmr.blog.dao;import com.lmr.blog.po.Type;import org.springframework.data.jpa.repository.J.
2020-05-26 09:21:57
248
原创 一个博客项目-2后台管理
后台管理1.构建登录页面和后台管理页面2.UserService和UserRepository3.LoginController实现登录4.MD5加密5.登录拦截器登录页面登录页面在semantic中找模板(layout)templates下新建包admin，下有后台管理相关页面。新建_fragments.html文件。<!DOCTYPE html><html lang="en" xmlns:th="http://www.w3.org/1999/xhtml">
2020-05-24 10:59:54
336
原创 Mutli-task Learning with Alignment Loss for Far-field Small-Footprint Keyword Spotting论文阅读
用于远场唤醒词识别的带对齐损失的多任务学习方案摘要实际应用中，远场环境是经常遇到的，并且它会由于房间混响和各种噪声而导致性能下降。基线方法：卷积神经网络(使用远场和近场语音的混合数据进行训练)介绍KWS也称为唤醒词检测，是一项在连续语音信号中检测预定义关键字出现的任务。要求：唤醒词检测要有较小的内存和计算成本在复杂环境(噪声或远场环境)中有较高的检测精度和鲁棒性方法：隐马尔科夫模型(HMM)，被用来构造关键字模型和填充/背景模型。高斯混合模型深度神经网络延迟神经网络(TDNN
2020-05-23 17:53:08
508
原创 One-shot Voice Conversion with Disentangled Representations by Leveraging Phonetic Posteriorgrams论文阅
通过利用语音后验图进行一键音色变换摘要提出了一种基于解纠缠表示的语音从任意源说话人到任意目标说话人的转换模型。语音转换是将源说话人的语音转换成目标说话人的语音的一项任务。大多数先前工作都要求在训练中使用平行语料库或非平行语料库了解源说话人或目标说话人，或两者都了解。相反的是作者研究了一种非平行语音语料库和一次性学习环境下的语音转换问题。...
2020-05-23 17:52:33
323
原创 一个博客项目-1
框架搭建Intellij IDEA + springboot + maven新建项目Spring Initializer…引入SpringBoot模块webThymeleaf： 前端页面模板JPA：数据MySQL：数据库驱动Aspects：Spring AOPDevTools：开发工具配置文件application.properties与application.ymlspring: thymeleaf: mode: HTML profiles: acti
2020-05-21 15:07:43
277
晚来的数据库复习.zip
2019-12-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人