国家二级退堂鼓表演家-CSDN博客

原创 [版本控制工具]Git

Git的简单介绍

2022-07-10 22:04:16 170 1

原创【论文笔记（8）】PaDiM a Patch Distribution Modeling Framework for Anomaly Detection and Localization

PaDiM a Patch Distribution Modeling Framework for Anomaly Detection and LocalizationAbstractIntroductionRelated Work基于重建的方法基于嵌入相似度的方法Patch Distribution Modeling嵌入提取训练：学习正常状态推理:计算异常图Experiments数据和指标指标数据集实验设置结果A.消融实验B. 与最先进的方法相比定位检测C.非对齐数据集上的异常定位D.可伸缩性时间复杂度内

2021-03-09 21:01:01 7126

原创【论文笔记（7）】Memorizing Normality to Detect Anomaly: Memory-augmented DeepAutoencoder for Unsupervised

Memorizing Normality to Detect Anomaly: Memory-augmented DeepAutoencoder for Unsupervised

2021-03-01 10:07:57 1471

原创【论文笔记（6）】Focal Loss for Dense Object Detection

Focal Loss for Dense Object Detection摘要简介相关工作Focal Lossbalanced Cross Entropy摘要迄今为止精度最高的目标检测器是基于R-CNN推广的两阶段方法，其中分类器被应用于候选目标位置的稀疏集合。相比之下，对可能的目标位置进行常规密集采样的单级探测器具有更快和更简单的潜力，但到目前为止，其精度落后于两级探测器。在这篇文章中，我们调查了为什么会出现这种情况。我们发现，在密集检测器的训练过程中遇到的极端的前景-背景类不平衡是主要原因。我们建议

2020-11-12 16:57:07 603

原创【论文笔记（5）ECCV2020】Graph convolutional networks for learning with few clean and many noisy labels

Graph convolutional networks for learning with few clean and many noisy labelsAbstractIntroductionRelated WrokAbstract在这项工作中，我们考虑了当给出几个干净的标签示例时，从噪声标签中学习分类器的问题。清洁和噪声数据的结构由每个类的图来建模，并使用图卷积网络(GCN)来预测噪声示例的类相关性。对于每一类，GCN被视为一个二元分类器，它使用加权的二元交叉熵损失函数来学习区分干净的和有噪音的示

2020-10-09 17:25:42 561

原创【向日葵】Windows连接Linux出现秒断开的情况

向日葵连接问题问题描述解决办法问题描述最近由于TeamViewer被判定成商业行为后，虽然也找到了解决办法，但麻烦，需要每七天都重新破解一次，有朋友推荐了向日葵这款远程连接专业软件。说是不错，让我使用使用。安转完成后，使用Windows连接Windows就可以十分顺畅的进行远程控制，但是连接到Linux时就会在连接完成的瞬间出现连接已断开，对，就是连Linux屏幕都没有看到的那种。我的Linux是（Ubuntu18.04）解决办法经过查找相关资料和博文，发现这个的原因应该是向日葵不支持Ubuntu

2020-09-30 16:24:25 2490 1

原创【论文笔记（4）】MV-GNN: Multi-View Graph Neural Network for Compression Artifacts Reduction

MV-GNN: Multi-View Graph Neural Network for Compression Artifacts Reduction摘要简介相关工作单幅图像压缩伪影的减少多幅图像压缩伪影的减少图卷积神经网络总结方法问题描述特征提取网(FENET)基于GNN的动态融合网重构网摘要在许多面向交互的3D视觉应用中，多视点视频(MVV)中不可避免的压缩伪影会明显降低体验质量。在非对称编码的框架下，考虑到不同视点之间的相似性，利用相邻视点的高质量图像对低质量图像进行增强。然而，压缩伪影和翘曲

2020-09-23 17:40:48 1591

原创【论文笔记（3）】Dynamic Spatiotemporal Graph Neural Network with Tensor Network

Dynamic Spatiotemporal Graph Neural Networkwith Tensor Network摘要（Abstract）简介方法2.1 描述问题2.2 空间张量图和时间张量图2.2.1空间张量图(STG)2.2.2时间张量图（STG）2.2.3 切比雪夫多项式逼近2.3 时空图形卷积层(STGCL)2.4网络结构投影纠缠对状态(PEPS)2.6讨论2.6.1Tucker in STGCLPEPS 效果摘要（Abstract）动态空间图构造是图神经网络(GNN)解决时间序列数据

2020-09-22 23:38:18 799 6

weixin_38328533的博客

原创 [版本控制工具]Git

原创【论文笔记（8）】PaDiM a Patch Distribution Modeling Framework for Anomaly Detection and Localization

原创【论文笔记（7）】Memorizing Normality to Detect Anomaly: Memory-augmented DeepAutoencoder for Unsupervised

原创【论文笔记（6）】Focal Loss for Dense Object Detection

原创【论文笔记（5）ECCV2020】Graph convolutional networks for learning with few clean and many noisy labels

原创【向日葵】Windows连接Linux出现秒断开的情况

原创【论文笔记（4）】MV-GNN: Multi-View Graph Neural Network for Compression Artifacts Reduction

原创【论文笔记（3）】Dynamic Spatiotemporal Graph Neural Network with Tensor Network

原创【Linux】Linux操作系统下查看nvidia GPU的使用情况

原创【python】One-Hot编码和反One-Hot编码

原创【论文笔记（2）】3D Graph Neural Networks for RGBD Semantic Segmentation

原创 [论文笔记（1） CVPR2020] Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud

原创【python】保存Numpy数组为灰度图

空空如也

空空如也