Redis源码阅读笔记

论文阅读笔记：Cold Filter A Meta-Framework for Faster and More Accurate Stream Processing

论文阅读笔记：ColdFilter:AMeta-FrameworkforFasterandMoreAccurateStreamProcessing文章目录论文阅读笔记：ColdFilter:AMeta-FrameworkforFasterandMoreAccurateStreamProcessingAbstract1
烟花再美，不过·2023-11-12 00:40

1707.ICCV.Neural Person Search Machines检测加识别 论文阅读笔记

NeuralPersonSearchMachines（NPSM）一个新颖的end-to-end的（检测+reid）行人搜索识别方法论文贡献：1.提出了一种NPSM框架（基于LSTM记忆递归网络attention机制）来模拟人的视觉搜索机制，在记忆query/probe特征信息的指导下，递归地由小到大定位有效区域，由粗到精的得到iamge中与query匹配的行人区域。2.相比于现阶段PRW和CUHK
xuluohongshang·2023-11-11 22:00

Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding阅读笔记

介绍这篇文章来自2018KDD，是一篇检测飞船异常的文章。作者的想法在于，首先基于LSTM的时序预测已经能达到很好地效果，其次基于阈值(out-of-limits,OOL)方法由于计算成本小，适用范围广，易于解释及其可以与基于预测的方法完美结合等优点，依然是上佳的考虑。所以采用了基于预测和阈值的方法来做异常检测。异常检测方法当通过预测得到一个新值y^(t)\hat{y}^{(t)}y^(t)，则计
CH-MLX·2023-11-11 22:25

【论文阅读笔记】Shielding collaborative learning:Mitigating poisoning attacks through client-side detection.

个人阅读笔记，如有错误欢迎指出！
MiaZX·2023-11-11 22:24

【论文阅读笔】TEAR: Exploring Temporal Evolution of Adversarial Robustness for Membership Inference Attacks

个人阅读笔记，如有错误欢迎指出！
MiaZX·2023-11-11 22:24

【论文阅读笔记】Detecting AI Trojans Using Meta Neural Analysis

个人阅读笔记，如有错误欢迎指出！
MiaZX·2023-11-11 22:19

MMEditing代码阅读笔记三：main()函数中的train_model()

MMEditing代码阅读笔记三：main()函数中的train_model()main()函数中最后一部分train_model()函数的学习记录，学习的过程中至现在还有几点疑惑，但是查找资料也没有相关记载
MZYYZT·2023-11-11 16:01

MMEditing代码阅读笔记二：main()函数中的build_dataset()

MMEditing代码阅读笔记二：main()函数中的build_dataset()今天，继上篇文章捋清楚build_model()函数之后，进入build_dataset()函数里面看了看。
MZYYZT·2023-11-11 16:31

MMEditing代码阅读笔记一：main()函数中的build_model()

MMEditing代码阅读笔记一：main()函数中的build_model()小白一枚，编程功底很弱，接触MMEditing这套代码，刚开始小眉头一皱，鼠标见点来点去不知道咋个回事。
MZYYZT·2023-11-11 16:30

CRNN论文阅读笔记

二、使用步骤1.引入库2.读入数据总结前言因项目需求，最近在学习OCR相关的深度学习模型，之前虽然看过CRNN相关的一些文章，熟悉大体的模型框架，但还没有阅读过原论文，今天抽时间看了下，因此这里做下阅读笔记
DU_YULIN·2023-11-11 12:42

【论文阅读笔记】老照片修复——Old Photo Restoration via Deep Latent Space Translation

目录前言一、问题与核心思想二、核心工作1.将X，R，Y映射到响应的潜在空间2.训练映射网络3.人脸增强网络实践前言笔记主要学习的是CVPR2020上发表的一篇Oral文章，主要思路是作者使用变分自动编码机（VAE）将图像变换到潜在空间（也称隐空间）中，在潜在空间中通过特征对齐和特征转换的方式来完成对老照片的图像修复。这篇论文的方法不同于普通的潜在空间转换，他们通过利用真实照片和大量合成图像提出了一
Ice TeaJH·2023-11-11 11:35

（论文阅读24/100）Visual Tracking with Fully Convolutional Networks

文献阅读笔记（sel-CNN）简介题目VisualTrackingwithFullyConvolutionalNetworks作者LijunWang,WanliOuyang,XiaogangWang,andHuchuanLu
朽月初二·2023-11-11 06:31

（论文阅读21/100）DeepTrack: Learning Discriminative Feature Representations Online for Robust Visual Trac

文献阅读笔记简介题目DeepTrack:LearningDiscriminativeFeatureRepresentationsOnlineforRobustVisualTracking作者HanxiLi
朽月初二·2023-11-11 06:01

（论文阅读22/100）Learning a Deep Compact Image Representation for Visual Tracking

文献阅读笔记简介题目LearningaDeepCompactImageRepresentationforVisualTracking作者NWang,DYYeung原文链接LearningaDeepCompactImageRepresentationforVisualTracking
朽月初二·2023-11-11 06:01

（论文阅读23/100）Hierarchical Convolutional Features for Visual Tracking

文献阅读笔记（分层卷积特征）简介题目HierarchicalConvolutionalFeaturesforVisualTracking作者ChaoMa,Jia-BinHuang,XiaokangYangandMing-HsuanYang
朽月初二·2023-11-11 06:24

Linux（Centos6.5）下安装Redis5.0教程+RedisDesktopManager（可视化连接工具）

localhostjava]#yuminstallgcc-c++1.解压redis[root@localhostjava]#tar-zxvfredis-5.0.7.tar.gz2.进入redis目录下（根路径下），编译Redis
HaleyTiger·2023-11-10 13:29

基于FPGA的PCIe-Aurora 8/10音频数据协议转换系统设计阅读笔记

文章可知网下载阅读，该论文设计了一种PC到光纤模块（基于Aurora的光纤传输）的数据通路，成功完成了Aurora以及DDR等模块的功能验证。学习内容：本次主要学习了Pcie高速串行总线协议、Aurora高速串行总线协议、DDR相关的基础知识，并结合实际应用进行简单记录。Pcie相关笔记：1、Pcie采用端到端的传输方式，比如从PC—FPGA。其拓扑结构如下：其中Switch相当于有互联选择作用，
Fighting_FPGA·2023-11-10 13:27

SIGGRAPH 2023 - 3D Gaussian Splatting 论文阅读笔记

ArXivlink：https://arxiv.org/abs/2308.040793DGaussianSplattingforReal-TimeRadianceFieldRendering1.动机实现高视觉质量的神经辐射场方法仍然需要训练和呈现成本高昂的神经网络，而最近的更快方法不可避免地会权衡质量的速度。（总结：高质量和低成本不可兼得）对于无界和完整的场景（而不是孤立的对象）和1080p分辨率
BoGoF666·2023-11-10 11:11

Distribution-Aware Coordinate Representation for Human Pose Estimation阅读笔记

主要研究人体姿态估计中heatmap转坐标的方法，提出一种新的解码方法（其实这人体姿态我毛也不会，过来看看这个heatmap解码方法）代码：https://github.com/ilovepose/DarkPose/blob/master/lib/core/inference.py方法人体姿态估计简单来说就是要预测人的所有关节的坐标，这里主要研究把关节转为热体图，然后进行回归的那种方法。根据上下文
Nightmare004·2023-11-10 08:36

Keypoint-Guided Optimal Transport阅读笔记

假设已经直到源域和目标域之间的某几个点的对应关系公式Σm={p∈R+m∣∑ipi=1}\Sigma_m=\left\{\mathbf{p}\in\mathbb{R}_+^m|\sum_ip_i=1\right\}Σm={p∈R+m∣∑ipi=1}πi,:\pi_{i,:}πi,:表示π\mathbf{\pi}π的第iii行π:,j\pi_{:,j}π:,j表示π\mathbf{\pi}π的第jjj
Nightmare004·2023-11-10 08:35

【阅读笔记】概率预测之DeepAR(含Pytorch代码实现)

本文作为自己阅读论文后的总结和思考，不涉及论文翻译和模型解读，适合大家阅读完论文后交流想法，关于论文翻译可以查看参考文献。论文地址：https://arxiv.org/abs/1704.04110DeepAR一.全文总结二.研究方法三.结论四.创新点五.思考六.参考文献七.Pytorch实现⭐util(工具函数)ModelLoadDataTrainTest一.全文总结本文中提出了DeepAR，一种
卡卡南安·2023-11-10 06:47

PolyFormer: Referring Image Segmentation as Sequential Polygon Generation 论文阅读笔记

PolyFormer:ReferringImageSegmentationasSequentialPolygonGeneration论文阅读笔记一、Abstract二、引言三、相关工作3.1ReferringImageSegmentation
乄洛尘·2023-11-09 23:51

RIS 系列 Beyond One-to-One: Rethinking the Referring Image Segmentation 论文阅读笔记

RIS系列BeyondOne-to-One:RethinkingtheReferringImageSegmentation论文阅读笔记一、Abstract二、引言三、相关工作3.1ReferringImageSegmentation3.2
乄洛尘·2023-11-09 23:43

云时代架构阅读笔记七——Maven 核心概念与理论

原文链接：https://mp.weixin.qq.com/s/iRufBIJM02eqfr0pwzKMog/artifactId/maven-metadata.xml，将其与本地仓库的对应元数据合并后，计算出RELEASE或者LASTEST的真实值，然后基于真实值检查本地和远程仓库；如果依赖版本是SNAPSHOT，则基于更新策略读取所有远程仓库的元数据groupId/artifactId/ver
weixin_30284355·2023-11-09 21:49

深度解剖~ FreeRtos阅读笔记5 FreeRtos内存管理详解

5Freertos内存管理芯片中最为稀缺珍贵的往往是存储资源，为了更好的利用它们，开发者不得不变得吝啬分配、斤斤计较到每一个字节。FreeRtosV8.0.1针对动态内存分配提供了四种方案，分别放在heap1、heap2、heap3、heap4文件中。5.1分配方式heap1heap1分配方法最为简单，代码量也相对较小，heap1只能申请不能回收，适合任务、队列等不需要执行删除操作的工程。ucHe
橘子x·2023-11-09 18:15

Convolutional Neural Networks for Multimodal Remote Sensing Data Classification论文阅读笔记

近年来，为了提高单模态遥感数据的分类性能，人们进行了大量的研究。然而，随着从卫星或机载平台获取的遥感数据的可用性不断增加，多模式遥感数据的同时处理和分析对遥感界的研究人员提出了新的挑战。为此，我们提出了一种基于深度学习的多模式RS数据分类新框架，其中卷积神经网络（CNNs）作为骨干，具有先进的跨通道重建模块，称为CCR-Net。顾名思义，CCR-Net通过跨模态的重建策略，可以更有效地相互交换信息
ru-willow·2023-11-09 08:12

论文阅读笔记：Extended Vision Transformer (ExViT) for Land Use and Land Cover Classification

摘要注意力机制驱动的深度模型最近取得了成功，如最具代表性的视觉转换器（ViT），吸引了一波高级研究来探索它们对更广泛领域的适应。然而，遥感（RS）领域中基于Transformer的方法更关注单模态数据，这可能会在充分利用不断增长的多模态地球观测数据时失去可扩展性。为此，我们提出了一种新的多模式深度学习框架，通过在最小修改的情况下扩展传统的ViT，针对土地利用和土地覆盖（LULC）分类任务。与采用线
ru-willow·2023-11-09 08:42

Change Detection on Remote Sensing Images Using Dual-Branch Multilevel Intertemporal Network论文阅读笔记

随着卷积神经网络的不断创新，遥感图像的变化检测（CD）如雨后春笋般涌现。随着技术的高速升级，识别前景-背景类别不平衡变化的障碍仍然存在，尤其是在样本有限和大量干扰的情况下，如季节性周转、照明强度和建筑改造。此外，到目前为止，这两种现成的方法都没有探讨在访问差异特征之前在双时态图像之间直接交互的可行性。在本文中，我们提出了一个双分支多级跨期网络（DMINet）来高效地导出变化表示。具体来说，通过将自
ru-willow·2023-11-09 08:42

SpectralDiff论文阅读笔记

高光谱图像分类是遥感领域的一个重要问题，在地球科学中有着广泛的应用。近年来，人们提出了大量基于深度学习的HSI分类方法。然而，现有方法处理高维、高冗余和复杂数据的能力有限，这使得捕获数据的光谱空间分布和样本之间的关系具有挑战性。为了解决这一问题，我们提出了一种基于扩散模型的HSI分类生成框架(SpectralDiff)，该框架通过迭代去噪和显式构建数据生成过程，有效地挖掘高维和高冗余数据的分布信息
ru-willow·2023-11-09 08:39

数据仓库工具箱The Data Warehouse Toolkit 阅读笔记 （三：零售业务）

第三章目录前言一、维度模型构建的4个步骤1.选择业务过程2.声明粒度3.确定维度4.确定事实二、维度表设计细节1.日期维度2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。一、维度模型构建的4个步骤强烈抵制仅仅考虑数据来源来建模数据。讲注意力放在数据上可能不会像雨商业用
Dear Slim.·2023-11-09 04:50

论文阅读笔记：STAN: Spatio-Temporal Attention Network for Next Location Recommendation

1摘要基于地点的移动端服务商，譬如Yelp、Uber，要从大量的用户签到和轨迹信息中学习用户的行程习惯，对用户下一个访问地点进行预测，并以此为用户的下一步行程需求进行规划和推荐。然而，现有模型对时空信息的利用存在局限性，譬如只利用前后一步的时间和空间差[1,2]，人为划分空间区域[3]或者只聚合距离较近的地点[4]，并对访问地点的频率不加考虑。本文旨在提出一种基于注意力机制的神经网络架构，考虑用户
UQI-LIUWJ·2023-11-09 02:15

（论文阅读18/100）SSD: Single Shot MultiBox Detector

文献阅读笔记简介题目SSD:SingleShotMultiBoxDetector作者WeiLiu,DragomirAnguelov,DumitruErhan,ChristianSzegedy,ScottReed
朽月初二·2023-11-09 02:43

GFP-GAN论文阅读笔记

题目：TowardsReal-WorldBlindFaceRestorationwithGenerativeFacialPrior翻译：《面向现实世界的生成性人脸先验盲复原》解决的问题：如何从低分辨率低质量的真实图像中获得较好的先验知识，复原人脸图像提出：GFP-GAN。其包含了一个退化去除模块和预训练的人脸GAN作为人脸先验。通过直接的潜在代码映射和几个通道分割空间特征变换（CS-SFT）层以从
是FL呀·2023-11-08 11:53

AFL源码阅读笔记（二）—— llvm_mode 和 pass 源码

书接上回：AFL源码阅读笔记（一）——gcc普通插桩上一篇文章中我们分析了传统编译器（gcc、clang）背景下进行插桩，整体而言比较粗暴，思路是碰到可插桩的情况，通过trampoline跳到插桩代码（
CSU_DEZ_THU·2023-11-08 10:05

【论文阅读笔记】3D语义SLAM论文摘要整理

前文回顾【论文阅读笔记】Past,Present,andFutureofSimultaneousLocalizationandMapping【论文阅读笔记】语义SLAM语义映射模型SectionVI.REPRESENTATIONII
肥鼠路易·2023-11-08 05:15

Center-based 3D Object Detection and Tracking 论文阅读笔记

Center-based3DObjectDetectionandTracking论文阅读笔记by：瀚[email protected].秋于国防科大文章供个人总结归纳使用，但由于作者理解水平有限欢迎大家对其中存在的错误与不明的地方进行讨论
Glingli·2023-11-07 23:01

MDvsFA-cGAN算法论文阅读笔记Miss detection vs. false alarm: Adversarial learning for small object...

论文来自：H.Wang,L.Zhou,andL.Wang,“Missdetectionvs.falsealarm:Adversariallearningforsmallobjectsegmentationininfraredimages,”inProc.IEEE/CVFInt.Conf.Comput.Vis.(ICCV),2019,pp.8509–8518.这个笔记只是我自己学习中的记录，里面很多
Glingli·2023-11-07 23:30

RLCM算法论文阅读笔记：Infrared small target detection utilizing the multiscale relative local contrast .....

J.Han,K.Liang,B.Zhou,X.Zhu,J.Zhao,andL.Zhao,“Infraredsmalltargetdetectionutilizingthemultiscalerelativelocalcontrastmeasure,”IEEEGeosci.RemoteSens.Lett.,vol.15,no.4,pp.612–616,2018,doi:10.1109/LGRS.20
Glingli·2023-11-07 23:30

基于改进Faster R-CNN的空中目标检测 文献阅读笔记

摘要相比传统图像目标检测算法，基于大数据和深度学习的检测算法无须人工设计特征，且检测性能更稳健。在防空应用背景下，自建了空中目标静态和视频图像数据集用于训练和测试，改进了基于深度学习的目标检测框架FasterR-CNN，将其专用于空中目标检测。结合空中目标检测任务的特点和需求，提出膨胀积累、区域放大、局部标注、自适应阈值、时空上下文等改进策略，弥补了FasterR-CNN对弱小目标和被遮挡目标不敏
Glingli·2023-11-07 23:30

FreeRTOS源码阅读笔记2--list.c

list.c中主要完成列表数据结构的操作，有列表和列表项的初始化、列表的插入和移除。2.1列表初始化vListInitialise()2.1.1函数原型voidvListInitialise(List_t*constpxList)pxList：列表指针，指向要初始化的列表。2.1.2函数框架简单来说，列表的初始化就是链表根节点的初始化，如图所示：2.2列表项初始化vListInitialiseIt
c_up·2023-11-07 23:19

《哥德尔、艾舍尔、巴赫——集异璧之大成》阅读笔记1

1、谁也不知道非智能行为和智能行为之间的界限在哪里。事实上，认为存在明显界限也许是愚蠢的。但是智能的基本能力还是确定的，它们是：对于情境有很灵活的反应充分利用机遇弄懂含糊不清或彼此矛盾的信息认识到一个情境中什么是重要的因素，什么是次要的在存在差异的情景之间能发现它们的相似处从那些有相似之处联系在一起的事务中找出差别用旧的概念综合出新的概念，把它们用新的方法组合起来提出全新的观念2、悖论：计算机的本
嗯，这是一个好名字·2023-11-07 19:33

Syzkaller学习笔记---更新syz-manager(二)

Syzkaller学习笔记Syzkaller安装文件系统内核Androidcommonkernel参考文献syzkaller源码阅读笔记-1前言syz-extractmainarchListcreateArchesworkerprocessArchprocessFileextractcheckUnsupportedCallsarchList
無名之涟·2023-11-07 13:52

Programming abstractions in C阅读笔记：p181-p183

《ProgrammingAbstractionsInC》学习第61天，p181-p183总结。一、技术总结1.linearsearchalgorithm2.lexicographicorder(字典顺序)3.binarysearchalgorithm(二分查找算法)/**1.二分查找也应用了递归的思想。*2.这里的代码只是demo*/#include#include"strlib.h"intFin
codists·2023-11-07 06:18

2023年10月文章一览

2023年10月编程人总共更新了6篇文章：1.2023年9月文章一览2.ProgrammingabstractionsinC阅读笔记：p161-p1653.ProgrammingabstractionsinC
codists·2023-11-07 06:18

Programming abstractions in C阅读笔记：p127-p129

《ProgrammingAbstractionsInC》学习第51天，p127-p129，总结如下：一、技术总结1.stringlibrary掌握常用函数如strlen，strcpy用法。2.bufferoverflow(缓冲区溢出)(1)什么是buffer?p129，Arraysthatarepreallocatedandlateruseasarepositoryfordatacalledbuf
codists·2023-11-07 06:17

Programming abstractions in C阅读笔记：p123-p126

《ProgrammingAbstractionsInC》学习第50天，p123-p126，总结如下：一、技术总结1.notaion这也是一个在计算机相关书籍中出现的词，但有时却不是那么好理解，因为它可以指代很多对象，这里做一个记录。示例：p124。InC,youcanuseanycharacterarraytoholdstringdata.charstr[6]={'h','','l','','o'
codists·2023-11-07 06:46

Programming abstractions in C阅读笔记：p184-p195

《ProgrammingAbstractionsInC》学习第61天，p184-p195总结。一、技术总结1.mutualrecursion2.naturalnumber(1)定义p184,Ifyoulimitthedomainofpossiblevaluestothesetofnaturalnumbers,whicharedefinedsimplyasthesetofnonnegativeint
codists·2023-11-07 06:12

【阅读笔记】时间序列之TPA-LSTM(含Pytorch代码实现)

本文作为自己阅读论文后的总结和思考，不涉及论文翻译和模型解读，适合大家阅读完论文后交流想法，关于论文翻译可以查看参考文献。论文地址：https://arxiv.org/abs/1809.04206TPA-LSTM一.全文总结二.研究方法三.结论四.创新点五.思考六.参考文献七.Pytorch实现⭐util(工具函数)ModelLoadDataTrain一.全文总结本文提出使用一组滤波器来提取时不变
卡卡南安·2023-11-07 04:12

《ARMv8-A编程指南》阅读笔记-04

第六章A64指令集许多编程人员在应用层写代码，不需要接触底层的汇编语言。然而，汇编语言在需要高度优化的代码段中是非常有用的。在写编译器这种类型的应用时。需要使用C语言没有实现的底层功能时。对boot代码进行移植时。编写硬件驱动和操作系统时。在对C语言代码进行调试，需要理解汇编指令和C语句之间的映射时。以上场景中汇编语言的阅读能力可以提供很大的帮助。6.1指令助记符A64汇编语言对助记符进行重载，并
-Willing-·2023-11-07 03:37

《Single Image Haze Removal Using Dark Channel Prior》阅读笔记

《SingleImageHazeRemovalUsingDarkChannelPrior》前言这篇文章是何大神于09发表在cvpr上的传统图像处理方向的文章，直到现在其效果任然不输于深度网络。论文连接：https://ieeexplore.ieee.org/document/5567108/代码连接：见文章末Abstract在本文中，我们提出了一个简单但有效的图像先验暗通道，以去除单一输入图像的雾
K_K_Chen·2023-11-06 23:17
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他