【《Real-Time 第12页

Real-time correlative scan matching 论文算法分析（读懂Cartographer）

背景算法基础模型算法简化核心后记背景读这篇论文的初衷在于希望能够读懂Google’sCartographer（开源激光SLAM算法），这篇文章是Cartographer的论文《Real-TimeLoopClosurein2DLIDARSLAM》的引用文献之一，也是代码实现里realtimecorrelativescanmatcher和fastcorrelativescanmatcher的算法来源（

曹长樱飞·2020-08-08 12:59

PIXOR: Real-time 3D Object Detection from Point

PIXOR:Real-time3DObjectDetectionfromPoint简介3D目标检测整体框架数据输入网络框架loss简介LiDAR方法最精准安全，但LIDAR每扫一圈要产生10^5个无规则点，对现在的探测器是很大的挑战。主要解决方法是将点云结构化从而可以使用标准卷积操作，结构化方法大致分为以下两类:3Dvoxelgrid由于三维点云被自然分割，体素网格非常稀疏，因此大量的计算是冗余的

海清河宴·2020-08-08 00:45

Bounded Biharmonic Weigths for Real-Time Deformation

3.1Formulation{Firstofall,letmeexplainthephysicalmeaningoftheobjectivefunction.Thefunctiontriestomaketheweightofeachanchorpointoneachpointhaveleastchanged.TheidealsituationoftheobjectivefunctionisΔωj=

seamanj·2020-08-07 17:41

Real-Time Rendering 4h读书笔记-第三章

GPU作用：专门处理高度并行化显示任务的处理器。有专门定制硅用来实现zbuffer，快速访问纹理图像、各种buffer，还有找出那些像素被三角形覆盖。注意点：延迟是GPU需要面对的，因为读取数据需要花费很长时间。思考延迟的一个标准是，距离处理器越远，花费时间越长。读取内存所需时间就长于读取寄存器（cpu）时间。3.1数据并行架构cpu架构形式及如此设计原因：cpu含有多个处理器，要处理大量数据结构

younne0915·2020-08-06 11:38

【《Real-Time Rendering 3rd》提炼总结】(一) 全书知识点总览

本文由@浅墨_毛星云出品，转载请注明出处。文章链接：http://blog.csdn.net/poem_qianmo/article/details/69849858一、《Real-TimeRendering3rd》其书在实时渲染和计算机图形学领域，《Real-TimeRendering3rd》这本书一直备受推崇。有人说，它实时渲染的圣经。也有人说，它是绝世武功的目录。诚然，《Real-TimeR

浅墨_毛星云·2020-08-05 21:26

Real-Time Rendering 4h读书笔记-第二章

2.3.2可选择的顶点处理1）细分曲面阶段tessellation作用：可根据模型距离摄像机远近产生不同数量的patch2）几何着色器阶段geometryshader作用：制作粒子特效3）流输出阶段streamoutput作用：粒子模拟2.4光栅化阶段（扫描转换）作用：找出三角形（点或线）覆盖的所有像素点。把屏幕空间的二维顶点转换到屏幕像素上。分为两个子阶段：三角形设置、三角形遍历。如何判断像素是

younne0915·2020-08-05 21:02

《Real-Time Rendering 4th Edition》读书笔记--简单粗糙翻译第三章图形处理单元 The Graphics Processing Unit

写在前面的话：因为英语不好，所以看得慢，所以还不如索性按自己的理解简单粗糙翻译一遍，就当是自己的读书笔记了。不对之处甚多，以后理解深刻了，英语好了再回来修改。相信花在本书上的时间和精力是值得的。————————————————————————————————“计算机大部分时候就是你所看到的”--黄仁勋图形加速一开始应用于扫描三角形时像素的插值计算，把像素值绘制在屏幕上，纹理访问图像数据并应用到表面

xyxsuoer·2020-08-05 21:50

Real-Time Rendering Fourth Edition 学习笔记之 -- 第一章：介绍

实时渲染关心的是在计算机上重复的制作图像。这是计算机图形学中交互最高的领域。图像显示的频率使用FPS或者Hz才测量。如果是每秒一帧，就只会有一点交互的感觉，用户等到每张新图像的显示是很痛苦的；当6FPS的时候，一种交互的感觉开始增加。视频游戏FPS一般30，60,72或更高。在这样的帧速率下，用户就更加关注行为和交互。电影放映机的显示帧速率是24FPS，但是使用了快门系统，让每帧显示了2到4次来避

贾宝蛋@·2020-08-05 20:27

Real-Time Rendering Fourth Edition 学习笔记之 -- 第二章：图形渲染管线

一环出问题，全局完。-----匿名本章将会介绍渲染管线的不同阶段。1架构非流水线系统划分成n个流水线阶段，可以以n为因子提速。其中最慢的阶段就是整个流水线性能的瓶颈。计算机图形学流水线可以简单的划分为：应用、几何处理、光栅化和像素处理阶段：2应用阶段应用阶段部分计算也可以使用GPU完成（计算着色器CS），本阶段不能划分为多个子阶段。在CPU设计中，superscalar结构可以在同一个阶段，同时处

贾宝蛋@·2020-08-05 20:27

Real-Time Rendering笔记 --------------------------------- 渲染管线

一.渲染管线：渲染管线是指渲染的基本流程或步骤,基本渲染管线分为三个阶段:应用程序(逻辑)------>几何(坐标变化和光照流水线T&L)------>光栅化1.应用程序(逻辑)阶段:进行的是逻辑处理(如:移动相机，改变粒子位置等。)是在CPU中进行处理的。2.几何(坐标变化和光照流水线T&L):进行定点坐标转化，光照投影裁剪计算等操作，为下一步光栅化做准备，其具体过程又可以分为：顶点坐标转化--

新撰组·2020-08-05 20:59

Real-Time Rendering 翻译 1.引言

欢迎大家围观评论，我每天抽出一个小时以上翻译，绝不太监。当然有翻译不好或者理解不到位的地方，欢迎大家拍砖！！！第一章引言实时渲染主要关注如何快速的在计算机上渲染出图像。是计算机图形学中最热门的领域。图像渲染到屏幕后，会影响到观察者的行为，而观察者的行为又会影响到接下来的渲染。这个反馈和渲染速度非常快，观察者不会看到单独的图像，而是沉浸到这一动态过程中。使用每秒帧数(fps)或者(Hz)来衡量图像的

su47yuwenshu·2020-08-05 20:20

Real-Time Rendering 笔记

里面有些公式和矩阵无法在电脑上书写,故用纸笔记录了一些笔记,比如公式的推算,注意要点等.由于电子书是黑白图,不好理解,所以弄了彩色配图上来Chapter1Introduction1.实时渲染---图像在计算机上快速的显示2.15fps---实时渲染的基本fps.72fps以及更大的fps观察者无法发现其中的差别60fps对反应时间来说太小了,只有15ms的时间用于用户反映.3.实时渲染的三个条件:

pizi0475·2020-08-05 19:42

Real-Time Rendering 4th Edition 读书笔记(四) 5.Shading Basics

5.ShadingBasics5.1ShadingModels其实就是多次差值计算的使用,就是CG语言中的lerp函数.dot对两个单位向量使用的结果是获得两个向量的夹角的cos值.其中的n,l,都是单位向量,dot(n,l)求得cos值,因为l的大小为1,所以在n上面的投影值为就是cos值,而l+r所得到的向量方向与n方向一样,大小为2Cos.5.2LightSources采用有密度的射线来模拟

Vitens·2020-08-05 18:04

Real-time rendering笔记

Chapter1Introduction1.实时渲染---图像在计算机上快速的显示2.15fps---实时渲染的基本fps.72fps以及更大的fps观察者无法发现其中的差别60fps对反应时间来说太小了,只有15ms的时间用于用户反映.3.实时渲染的三个条件:互动,三维空间,图形加速1.1ContentsOverview4.各章节介绍Chapter2TheGraphicsRenderingPip

FMcoder·2020-08-05 17:39

DABNet: Depth-wise Asymmetric Bottleneck for Real-time Semantic Segmentation

论文地址：https://arxiv.org/pdf/1907.11357.pdf代码地址：https://github.com/Reagan1311/DABNet论文利用了depth-wiseasymmetricconvolutionanddilatedconvolution设计了DABmodule（DepthwiseAsymmetricBottleneck），充分利用了感受视野和上下文信息。关

coding_zhang·2020-08-05 10:29

SDN-RDCD: A Real-Time and Reliable Method for Detecting Compromised SDN Devices

SDN-RDCD:AReal-TimeandReliableMethodforDetectingCompromisedSDNDevicesabstractI.introductionII.detectionofcompromisedSDNdevices.III.theproposedmethod:SDN-RDCDA.threatmodelB.principlesC.SDN-RDCDalgorith

zhaoxiaoba·2020-08-04 09:58

elasticsearch的准实时(near real-time)查询

elasticsearch是基于lucene的，lucene是可以做到实时的，就是创建索引之后，立即能查询到。但是这样，要么是牺牲索引的效率，每次都索引之后都刷新，要么就是牺牲查询的效率每次查询之前都进行刷新。索引之后进行刷新是通过：123456789101112131415elasticClient.prepareIndex("indexName","Person").setSource(XCo

洪多多·2020-08-03 17:58

【目标检测】YOLOv1 -- You Only Look Once:Unified, Real-Time Object Detection

PASCALVOC数据集：https://blog.csdn.net/baidu_27643275/article/details/82754902yolov1阅读笔记：https://blog.csdn.net/baidu_27643275/article/details/82789212yolov1源码解析：https://blog.csdn.net/baidu_27643275/articl

1273545169·2020-08-03 15:46

You Only Look Once: Unified, Real-Time Object Detection阅读笔记

疫情原因，学校新开设了一门文献阅读。唉，现在只好读一篇记录一点，最后还要写一万五千字的文献综述，绝望啊。今天的论文是：YouOnlyLookOnce:Unified,Real-TimeObjectDetection全文和翻译：AbstractWepresentYOLO,anewapproachtoobjectdetection.Priorworkonobjectdetectionrepurpose

Christine__xu·2020-08-03 12:53

Real-Time Rendering 笔记

里面有些公式和矩阵无法在电脑上书写,故用纸笔记录了一些笔记,比如公式的推算,注意要点等.由于电子书是黑白图,不好理解,所以弄了彩色配图上来Chapter1Introduction1.实时渲染---图像在计算机上快速的显示2.15fps---实时渲染的基本fps.72fps以及更大的fps观察者无法发现其中的差别60fps对反应时间来说太小了,只有15ms的时间用于用户反映.3.实时渲染的三个条件:

wolf96·2020-08-03 08:34

阅读笔记：Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion

Real-time3DReconstructioninDynamicScenesusingPoint-basedFusion摘要点表达数据融合数据一致性点的加权平均移除点动态估计摘要算法框架与kinectfusion一致，细节有变化：用了point-basedrepresentiondataassociation方法点的融合方法模型点移除动态目标估计目标分割方法代码1点表达点不仅是位置信息，还有其

weixin_43844768·2020-08-03 08:12

YoLo： You Only Look Once: Unified, Real-Time Object Detection译文

Abstract摘要WepresentYOLO,anewapproachtoobjectdetection.Priorworkonobjectdetectionrepurposesclassiﬁerstoperformdetection.Instead,weframeobjectdetectionasaregressionproblemtospatiallyseparatedboundingbox

uncle_ll·2020-08-03 06:57

TLA+ 《Specifying Systems》翻译初稿——Chapter 9 Real Time Section 1 The Hour Clock Revisited

要指定及时响应，必须使用real-time属性。在我们的生命周期内没有响应的系统没有什么意义，我们可能期望real-time在specification中是通用的，可惜不是。

知之为知知·2020-08-03 04:01

[Style Transfer]——Perceptual Losses for Real-Time Style Transfer and Super-Resolution

PerceptualLossesforReal-TimeStyleTransferandSuper-Resolution基于感知损失函数的实时风格转换和超分辨重建fromECCV2016Abstract图像变换将输入图像经过一定变换后得到输出图像，近期研究常使用输出与GT之间像素级别的损失函数来训练一个前馈神经网络完成图像变换；同时也有研究表明优化深层特征的感知损失函数效果更佳，因此本文将两种方法

黄小米吖·2020-08-03 03:52

You Only Look Once: Unified, Real-Time Object Detection 论文详读

作为初学者读专业论文还是有点费劲，所以就把读的过程记录一下，方便以后再看;YouOnlyLookOnce:Unified,Real-TimeObjectDetectionAbstractWepresentYOLO,anewapproachtoobjectdetection.Priorworkonobjectdetectionrepurposesclassifierstoperformdetecti

Maybemust·2020-08-02 22:55

【论文阅读】YOLOv1-You Only Look Once: Unified, Real-Time Object Detection Joseph

文章目录1.动机2.方法2.1网络结构2.2模型成功关键因素2.2.1图片网格化(gird)2.2.2训练中的一些神操作2.2.3LOSS的设计3.YOLO的优缺点3.1优点3.1缺点1.动机YOLOv1版本发表于2016年，当时流行的一些目标检测算法有DPM（DeformablePartsModels）和R-CNN，这些方法的原理通常是从图片中首先找到一些可能是目标的区域(boxes)，然后再训

kabuto_hui·2020-08-02 20:34

论文《Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose》阅读，基于openpose的轻量级cup实时运行实现

论文原地址：https://arxiv.org/pdf/1811.12004.pdf原openpose分析作者一开始就分析原openpose的网络算法，原openpose的backbone是VGG-19。原openpose的refinementstage有5个阶段。并且坐着把5个refinementstage的正确率测试了一下，发现从第一个refinementstage1之后，正确率没有提升多少，

_Henrietta95·2020-08-02 20:10

AI论文探讨室·A+·第1期-Real-time Convolutional Neural Networks for Emotion and Gender Classification

《Real-timeConvolutionalNeuralNetworksforEmotionandGenderClassification》论文链接代码链接主要解决的问题：实时完成人脸检测、性别分类、情绪分类具体描述说明在网络训练完成后，我们在标准数据集对该网络性能进行评估。在IMDB性别数据集上分类精度达到96%，在FER-2013情绪数据集分类精度达到66%。我们也介绍最近实时能够引导反向传

独孤九剑-风清扬·2020-08-02 15:31

【那些年我们一起看过的论文】之《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》

/*天下武功，唯快不破。要想在移动终端或者嵌入式系统上应用，小巧高速是很重要的。ENet在追求高效率的同时兼顾了精度，站在巨人的肩膀上，综合了很多特色的网络结构，并在输入端首先加以压缩达到加速的目的。论文很好直观易懂，称述很坦诚，代码也非常清晰，nice!*/在移动设备上，语义分割的实时性非常重要，近期的很多深度神经网络都要求大量的浮点操作且非常耗时，因此本文专门设计了一种高效率的神经网络ENet

zijinxuxu·2020-08-02 15:45

Real-time human pose recognition in parts from single depth images 中文翻译【译】【中译】微软kinect中用的算法

Real-timehumanposerecognitioninpartsfromsingledepthimages中文翻译----------------贴图好麻烦，好多公式截图的，暂时没时间加进来------------Abstract我们给出了从单深度图像（asingledepthimage）中快速准确预测出人体关节3D位置的新方法，且没有使用时间信息。我们使用物体识别方法，设计了身体组件（p

wuyoy520·2020-08-02 14:11

A Simple Pooling-Based Design for Real-Time Salient Object Detection

论文地址：(https://arxiv.org/abs/1904.09569?context=cs)简单介绍本文论文主要介绍是检测出显著的目标；也即是目标物体的轮廓；较为准确得到目标准确的轮廓的方法是基于两个池化的操作；具体结构如下所示：网络结构本文引入了两个关于池化的结构，一个是PPM，另一个结构是FAM结构；PPM的结构是总共是四个分支；第一个和最后一个分支分为为恒等映射和全局平均池化，中间两

w_xiaomu·2020-08-02 14:17

目标检测学习之YOLO《You Only Look Once: Unified, Real-Time Object Detection》

YOLO贡献目前，基于深度学习算法的一系列目标检测算法大致可以分为两大流派：两步走（two-stage）算法：先产生候选区域(RegionProposals)然后再进行CNN分类(RCNN系列)。分类问题一步走（one-stage）算法：直接对输入图像应用算法并输出类别和相应的定位(YOLO系列)。回归问题YOLO算法的优点：1、YOLO的速度非常快。在TitanXGPU上的速度是45fps（fr

Wei Ji·2020-08-02 13:54

A Simple Pooling-Based Design for Real-Time Salient Object Detection

这是一篇CVPR2019的文章网络结构如上图所示，为改进的FPN的“倒U”字结构。首先是VGG16或ResNet50结构形成的bottom-uppathway，然后再进行上采样、特征图融合的up-downpathway。最终恢复到原输入图片大小，经过kernels=1的卷积层分类得到显著性图。VGG16或者ResNet50降采样形成1/2、1/4、1/8、1/16四个特征图1、GGM(Global

han_jan·2020-08-02 12:56

【阅读笔记】《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》

本文记录了博主阅读论文《ENet:ADeepNeuralNetworkArchitectureforReal-TimeSemanticSegmentation》的笔记，代码。更新于2019.04.17。文章目录AbstractIntroductionRelatedworkNetworkarchitectureDesignchoicesResultsPerformanceAnalysisBenchm

ShuqiaoS·2020-08-02 12:21

A1: CVPR2019 A Simple Pooling-Based Design for Real-Time Salient Object Detection

ASimplePooling-BasedDesignforReal-TimeSalientObjectDetection该文章来自于2019CVPR.https://arxiv.org/abs/1904.09569code:http://mmcheng.net/poolnet/文章的主要亮点在于构建了两个基于池化的多尺度有效特征提取融合模块.在FPA的基础上,为了给不同特征层提供尽可能完备的信息在

喜之郎0317·2020-08-02 12:14

A Simple Pooling-Based Design for Real-Time Salient Object Detection（2）

PoolNet因为高层的丰富的语义信息可以帮助显著目标的定位，底层和中间层的特征对于提高coarseleveltofinelevel的特征提取是有必要的。我们提出了两个模块来精确的捕获显著目标的位置同时凸显细节信息overallPipeline以自顶向上的方式在top的地方建立一个GGM，每一level都聚合来自GGM提取的高层语义信息，可以明确不同特征层的显著性目标的位置，GGM之后，进一步使用

沙雅云·2020-08-02 12:43

A Simple Pooling-Based Design for Real-Time Salient Object Detection

一种基于简单池化的实时显着目标检测——PoolNet（解读）（原论文）摘要通过研究如何扩展卷积神经网络中池化部分来解决显着目标检测问题。网络基于U形结构，贡献有：首先在自下而上的路径上构建全局引导模块（GGM），旨在为不同特征层提供潜在显着对象的位置信息。设计了一个特征聚合模块（FAM），使粗级语义信息与自上而下的路径中的精细级别特征完美融合。通过在自上而下路径中的融合操作之后添加FAM，来自GG

肥羊汤·2020-08-02 12:14

A Simple Pooling-Based Design for Real-Time Salient Object Detection------论文理解

论文链接：https://arxiv.org/abs/1904.095691.摘要本文将通过扩展卷积神经网络中的池化部分来解决显著目标检测问题。在特征金字塔的基础上，在bottom-up途径上加入GGM模块（globalguidancemodule），旨在为不同特征层提供潜在显著对象的位置信息。在top-down途径加入FAM模块（featureaggregationmodule），将粗糙级的特征

ruoruojiaojiao·2020-08-02 12:07

Object Detection---PoolNet:A Simple Pooling-Based Design for Real-Time Salient Object Dete...（论文解读五）

Title：PoolNet:ASimplePooling-BasedDesignforReal-TimeSalientObjectDetectionNotedata：2019/05/16Abstract：基于U型结构构建了全局引导模块(GGM)与特征聚合模块(FAM)，使得粗糙的语义信息与自上而下的路径中的精细特征融合，在处理300*400图像时可以超过30FPS的速度运行！Code：pytorc

Jayden yang·2020-08-02 12:58

A Simple Pooling-Based Design for Real-Time Salient Object Detection论文翻译

ASimplePooling-BasedDesignforReal-TimeSalientObjectDetection论文翻译@(论文笔记)摘要我们通过研究如何扩大CNN中池化的作用来解决显著性目标检测问题。基于U型结构，我们首先在从底到上路径上组建了全局导向模块GGM，其目的是为了给不同特征水平的层提供潜在的目标位置信息。我们接着设计了一个特征整合模型FAM来很好地处理粗粒水平语义信息，与从上

achong_2050·2020-08-02 12:00

显著性检测之A Simple Pooling-Based Design for Real-Time Salient Object Detection

ASimplePooling-BasedDesignforReal-TimeSalientObjectDetection文章目录ASimplePooling-BasedDesignforReal-TimeSalientObjectDetection网络结构主要亮点大量的池化操作(FAM、GGM)使用边缘检测联合训练实验细节各模块的有效性联合训练的有效性效果比较相关链接原始文档：https://ww

有为少年·2020-08-02 12:27

【论文阅读】A Simple Pooling-Based Design for Real-Time Salient Object Detection

摘要：本文通过扩展卷积神经网络中的池化部分来解决显著目标检测问题。基于特征金字塔，在自底向上路径上加入GGM模块（GlobalGuidanceModule），目的是为不同特征层提供潜在显著对象的位置信息。在自顶向下路径上加入FAM模块（FeatureAggregationModule），目的是将粗糙语义信息和细致特征更好融合。在FPNs的融合操作后的自顶向下路径中加入FAMs，能够多尺度地对GGM

Cheungleilei·2020-08-02 12:48

显著性目标检测之A Simple Pooling-Based Design for Real-Time Salient Object Detection

文章目录摘要网络概述网络模型分析GlobalGuidanceModuleFeatureAggregationModule与边缘检测共同训练实验结果烧蚀研究与卓越方法的对比总结摘要文章的主旨为扩大池在卷积神经网络中的作用来解决突出目标检测的问题；根据此立意，作者提出了一下方法：在u形结构的基础上，首先在自底向上的路径上构建了一个全局引导模块(GGM)，目的是在不同的特征层上提供潜在显著目标的位置信息

sssupergirl·2020-08-02 12:43

大数据网站英语学习

跨多个数据中心since：由于un-tar：解压replica：复制品horizontallyscalable：可扩展react：反应fault-tolerant:容错性wicked-fast:快速性real-time

历精图治·2020-08-01 10:58

RTSeg: Real-time Semantic Segmentation Comparative Study

1.Introduction 大多数的语义细分研究都是为了提高细分模型的准确性，而忽略了计算效率的解决方案。在这个方向上进行的少数工作没有提供有原则的方法来评估不同的分割设计选择。本文提出了一种基于解耦设计的基于特征提取和解码的实时语义分割基准框架. 在本文中，我们提出了第一个在分割中对实时架构进行基准测试的框架。我们的主要贡献是:(1)我们提供了一种模块化的分割体系结构解耦，将其转化为特征提

顾北向南·2020-08-01 09:03

如何严谨地做性能测试

下面的这些性能测试的方式基本上来源自我的老老东家汤森路透，一家做real-time的金融数据系统的公司。一，你得定义一个系统的

张召重·2020-08-01 07:26

websocket

现在，很多网站为了实现即时通讯(real-time)，所用的技术都是轮询(polling)。

苏怡仙-Hart·2020-08-01 00:19

Druid Broker Nodes

Broker节点在启动时会加载zookeeper中segment的位置信息，在客户端请求到来时，会根据这些segment的位置信息，将请求路由到响应的historical节点或real-time节点。

qiruiduni·2020-07-31 21:32

Druid Historical Node

Druid的Historical节点主要负责加载深存储中或Real-time节点创建的不可变数据块（segment）,这些节点不会相互感知，只知道如何加载（load）、删除（drop）、和操作segment

qiruiduni·2020-07-31 21:32

Druid 存储格式

Real-time节点在生成segment时，segment的名称由数据源（表）、起始时间、结束时间、版本号四部分组成，作为segment的唯一标识。版本号越大，数据越新（疑问：版本

qiruiduni·2020-07-31 21:01

推荐频道

【《Real-Time

Real-time correlative scan matching 论文算法分析（读懂Cartographer）

PIXOR: Real-time 3D Object Detection from Point

Bounded Biharmonic Weigths for Real-Time Deformation

Real-Time Rendering 4h读书笔记-第三章

【《Real-Time Rendering 3rd》 提炼总结】(一) 全书知识点总览

Real-Time Rendering 4h读书笔记-第二章

《Real-Time Rendering 4th Edition》读书笔记--简单粗糙翻译 第三章 图形处理单元 The Graphics Processing Unit

Real-Time Rendering Fourth Edition 学习笔记之 -- 第一章：介绍

Real-Time Rendering Fourth Edition 学习笔记之 -- 第二章：图形渲染管线

Real-Time Rendering笔记 --------------------------------- 渲染管线

Real-Time Rendering 翻译 1.引言

Real-Time Rendering 笔记

Real-Time Rendering 4th Edition 读书笔记(四) 5.Shading Basics

Real-time rendering笔记

DABNet: Depth-wise Asymmetric Bottleneck for Real-time Semantic Segmentation

SDN-RDCD: A Real-Time and Reliable Method for Detecting Compromised SDN Devices

elasticsearch的准实时(near real-time)查询

【目标检测】YOLOv1 -- You Only Look Once:Unified, Real-Time Object Detection

You Only Look Once: Unified, Real-Time Object Detection阅读笔记

Real-Time Rendering 笔记

阅读笔记：Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion

YoLo： You Only Look Once: Unified, Real-Time Object Detection译文

TLA+ 《Specifying Systems》翻译初稿——Chapter 9 Real Time Section 1 The Hour Clock Revisited

[Style Transfer]——Perceptual Losses for Real-Time Style Transfer and Super-Resolution

You Only Look Once: Unified, Real-Time Object Detection 论文详读

【论文阅读】YOLOv1-You Only Look Once: Unified, Real-Time Object Detection Joseph

论文《Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose》阅读，基于openpose的轻量级cup实时运行实现

AI论文探讨室·A+·第1期-Real-time Convolutional Neural Networks for Emotion and Gender Classification

【那些年我们一起看过的论文】之《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》

Real-time human pose recognition in parts from single depth images 中文翻译【译】【中译】微软kinect中用的算法

A Simple Pooling-Based Design for Real-Time Salient Object Detection

目标检测学习之YOLO《You Only Look Once: Unified, Real-Time Object Detection》

A Simple Pooling-Based Design for Real-Time Salient Object Detection

【阅读笔记】《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》

A1: CVPR2019 A Simple Pooling-Based Design for Real-Time Salient Object Detection

A Simple Pooling-Based Design for Real-Time Salient Object Detection（2）

A Simple Pooling-Based Design for Real-Time Salient Object Detection

A Simple Pooling-Based Design for Real-Time Salient Object Detection------论文理解

Object Detection---PoolNet:A Simple Pooling-Based Design for Real-Time Salient Object Dete...（论文解读五）

A Simple Pooling-Based Design for Real-Time Salient Object Detection论文翻译

显著性检测之A Simple Pooling-Based Design for Real-Time Salient Object Detection

【论文阅读】A Simple Pooling-Based Design for Real-Time Salient Object Detection

显著性目标检测之A Simple Pooling-Based Design for Real-Time Salient Object Detection

大数据网站英语学习

RTSeg: Real-time Semantic Segmentation Comparative Study

如何严谨地做性能测试

websocket

Druid Broker Nodes

Druid Historical Node

Druid 存储格式

【《Real-Time Rendering 3rd》提炼总结】(一) 全书知识点总览

《Real-Time Rendering 4th Edition》读书笔记--简单粗糙翻译第三章图形处理单元 The Graphics Processing Unit