detecting

论文阅读：2018 arxiv CrowdHuman: A Benchmark for Detecting Human in a Crowd

https://www.doubao.com/chat/9226473480559618https://arxiv.org/pdf/1805.00123CrowdHuman:ABenchmarkforDetectingHumaninaCrowd文章目录论文翻译CrowdHuman：用于检测人群中人体的基准摘要1.引言2.相关工作2.1.人体检测数据集2.2.人体检测框架。论文翻译CrowdHuma

CSPhD-winston-杨帆·2025-06-18 11:08

Detecting Congestion in Fibre Channel Fabrics

TimeofCongestionEventsDetectingthetimeofcongestionhelpsincorrelatingitwithothereventssuchasascheduledbackupjobonavirtualizedserver,increasedactivityduringpeakbusinesshours,orchangestoapplicationbehavi

mounter625·2025-02-08 17:45

Detecting Congestion in Fibre Channel Fabrics

CongestionDirection—IngressorEgressCongestionisdirectional.Thatis,eachlinkiscomprisedoftwounidirectionallinksbundledtogether.Congestionusuallyoccursinonedirection,whilethereversedirectionmaybeunconges

mounter625·2025-02-08 17:45

Detecting Congestion in Fibre Channel Fabrics

Tx-datarate-burstTx-datarate-burstdetectsmultipleoccurrencesoftx-datarateatalowergranularityofonesecond,essentiallyhelpingindetectingtrafficbursts.TheOBFLonCiscoMDSswitcheslogstherisingandfallingthres

mounter625·2025-02-08 17:45

Detecting Congestion in Fibre Channel Fabrics

Chapter3.DetectingCongestioninFibreChannelFabricsThischaptercoversthefollowingtopics:本章包括以下主题：Congestiondetectionworkflow.Congestiondetectionmetrics.CongestiondetectionmetricsandcommandsonCiscoMDSswit

mounter625·2025-02-07 14:43

Detecting Congestion in Fibre Channel Fabrics

ThePitfallsofMonitoringNetworkTrafficAkeyconsiderationformonitoringtrafficinlosslessnetworksisthatforallpracticalpurposes,treatoccurrencesoffullorhighutilizationthesameasover-utilization.Thisisbecause

mounter625·2025-01-30 15:50

Detecting Congestion in Fibre Channel Fabrics

MTMUse-casesMTMisalightweightApp.ItisnotdesignedtotakeplaceofafullyfunctionalmonitoringplatformslikeCiscoNDFC/DCNM.Instead,itisdesignedforuserswholikecustomizingthemonitoringplatformsbasedontheproblem

mounter625·2025-01-26 11:58

Detecting Congestion in Fibre Channel Fabrics

Credit-loss-recoTheCredit-loss-recoPort-MonitorcounterdetectstheinstancesofCreditLossRecoveryonaswitchport.AstheTxCreditLossRecoverysectionexplains,whenaswitchporthaszeroremaining-Tx-B2B-creditsfor1se

mounter625·2025-01-24 20:28

Detecting Congestion in Fibre Channel Fabrics

PortMonitorPolicyParametersEachpolicycontainsoneormorecounterstomonitor.Countershavethefollowingparameters:每个策略包含一个或多个要监控的计数器。计数器有以下参数：Countername:Thenameofthecounterwhichdescribesitsfunction.说明计数器功能的

mounter625·2025-01-18 07:30

Detecting Memory Management and Threading Bugs with Valgrind

contentAboutValgrindInstallingValgrindFromSourceFromPre-compiledBinaryPrepareFWandstandardlibrarywithsymbolPrepareFWPreparesysrootonNFSSetLD_LIBRARY_PATHandcreatesymboliclinksPrepareself-implementlibr

Chia-Te Kuan·2024-09-09 01:24

Detecting Everything in the Open World: Towards Universal Object Detection

DetectingEverythingintheOpenWorld:TowardsUniversalObjectDetection，CVPR，2023在OpenWorld中检测一切：面向通用目标检测要点通用目标检测：检测每个场景并预测每个类别，一旦经过训练，通用目标检测器能够直接在未知情况下工作，而无需进一步训练检测器的通用性：（1）训练时，通过图像和空间文本的对齐利用多源图像和异构标签空间，以此

nightluo·2024-02-13 01:52

《Confusion Graph: Detecting Confusion Communities in Large Scale Image Classification》阅读笔记

论文标题《ConfusionGraph:DetectingConfusionCommunitiesinLargeScaleImageClassification》混淆图：在大规模图像分类中检测混淆社区作者RuochunJin、YongDou、YueqingWang和XinNiu来自国防科技大学并行和分布式处理国家实验室，和上一篇是姊妹篇。初读摘要问题描述：对于基于深度卷积神经网络（CNN）的图像分

AncilunKiang·2024-01-29 15:49

测试开源C#人脸识别模块ViewFaceCore（6：视频活体检测）

FaceAntiSpoofing类支持单帧活体检测（AntiSpoofing函数）及视频活体检测（AntiSpoofingVideo函数），视频活体检测时从摄像头中抓取一帧图片进行检测，当检测结果状态为Detecting

gc_2299·2024-01-22 07:20

Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News

检测跨模态不一致以防范神经性假新闻在网上大规模传播旨在误导或欺骗普通民众的虚假信息是一个重大的社会问题。图像、视频和自然语言生成模型的快速发展只会加剧这种情况，并加剧我们对有效防御机制的需求。虽然已经提出了现有的方法来防御神经假新闻，但它们通常局限于非常有限的环境，即文章只有文本和元数据，如标题和作者。在本文中，我们介绍了一项更现实、更具挑战性的任务，即防御机器生成的新闻，其中也包括图像和图像标题

卫卫卫·2024-01-20 19:56

【CV论文精读】Cornernet Detecting objects as paired keypoints

CornernetDetectingobjectsaspairedkeypointsECCV2018的论文1.论文摘要提出了CornerNet，这是一种新的目标检测方法，其中我们使用单个卷积神经网络将目标边界框检测为一对关键点，即左上角和右下角。通过将目标检测为成对的关键点，我们消除了设计先前单级检测器中常用的一组锚盒的需要。除了我们的新公式，我们引入了cornerpooling，一种新型的池化层

量子-Alex·2024-01-14 19:24

WAZUH的安装、设置代理

wazuh安装wazu的安装分为以下两种方式官方文档：https://wazuh.com/blog/detecting-common-linux-persistence-techniques-with-wazuh

未知百分百·2024-01-01 18:50

【论文阅读笔记】Detecting Camouflaged Object in Frequency Domain

1.论文介绍DetectingCamouflagedObjectinFrequencyDomain基于频域的视频目标检测2022年发表于CVPR[Paper][Code]2.摘要隐藏目标检测（COD）旨在识别完美嵌入其环境中的目标，在医学，艺术和农业等领域有各种下游应用。然而，以人眼的感知能力来识别遮挡的物体是一项极具挑战性的任务。因此，我们主张COD任务的目标不仅仅是在单个RGB域中模仿人类的视

咔叽布吉·2023-12-27 22:22

Detecting vision

Thisisanappforportablevisiontesting.Athome,atschool,youcanalwaysmeasureyourvisionandletyoueasilyunderstandyoureyehealth.Youcanusethisresulttojudgewhetheryouwanttoseeadoctororwearglasses.Comeandtryit!

杀了吃肉·2023-12-06 19:04

2-EagleC: A deep-learning framework for detecting a full range of structural variations from bulk...

Hi-C技术：检测人类基因组结构变异（SVs）的一种有前景的方法。目前严重缺乏能够使用Hi-C数据进行全范围SV检测的算法,只能以低于最佳的分辨率识别染色体间易位和远程染色体内SVs（>1mb）。本文开发了一个深度学习模型，结合了深度学习和集成学习策略的框架，以高分辨率预测全范围的SVs——EagleC在癌症基因组中认识了许多先前未知的融合事件，也发掘了已知致癌基因的新型调控机制，这些发现为癌症分

怎么不是呐·2023-12-06 13:25

【EMFace】《EMface: Detecting Hard Faces by Exploring Receptive Field Pyramids》

arXiv-2021文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4Method5Experiments5.1DatasetsandMetrics5.2AblationStudy5.3ComparisonwithState-of-the-Arts6Conclusion（own）1BackgroundandMotiv

bryant_meng·2023-11-28 08:41

使用Python和OpenCV检测图像中的多个亮点

原文链接：https://www.pyimagesearch.com/2016/10/31/detecting-multiple-bright-sp

小白学视觉·2023-11-26 01:31

【MTGCD-Net】Detecting Building Changes with Off-Nadir Aerial Images

出处：武汉大学夏桂松团队、商汤代码地址：code论文地址：paper预训练模型：pretrain_weightsBANDON数据集：dataset目录1.背景2.网络总体结构

zy_destiny·2023-11-25 05:52

论文翻译Detecting Overlapped Objects in X-Ray SecurityImagery by a Label-Aware Mechanism（2022）

基于标签感知机制的X射线安检图像重叠目标检测原文下载地址：DetectingOverlappedObjectsinX-RaySecurityImagerybyaLabel-AwareMechanism|IEEEJournals&Magazine|IEEEXplore摘要X射线安检的关键挑战之一是在X射线图像中检测出背包或行李箱中重叠的物品。现有的大多数方法都是通过增强颜色和边缘等底层视觉信息来提高

暖小宝·2023-11-17 08:37

[论文] Feature Squeezing:Detecting Adversarial Examples in Deep Neural Networks

思路：对抗样本经过featuresqueeze处理后大部分增加的干扰会被消除或者减小，致使featuresqueeze前后的分类结果向量（distributedvector）L1距离很大，这与正常样本经过featuresqueeze后结果相反，基于这样的规律进行对抗样本的过滤。使用的攻击手段：1.L0攻击：CW0，JSMA2.L2攻击：CW23.L正无穷：FGSM、BIM、CW正无穷squeeze

tizzyt95·2023-11-11 22:28

论文阅读：Detecting Unseen Relations Using Analogies(ICCV2019)

这篇论文不是讲场景图的，但它跟场景图很相关。查了一下这篇论文的领域应该是HOIDetection，就是人类与物体的交互检测，后面的实验做的是imageretrieval的结果。训练：1.目标检测2.提取主语s，宾语o，谓语p，三元组vp的视觉嵌入特征主语和宾语的视觉特征就是目标检测器最后一层的输出谓语的视觉特征是主宾对的空间特征三元组的特征是主语宾语的视觉特征+它们的空间坐标特征，即前两者的融合现

糖豆豆今天也要努力鸭·2023-11-11 22:56

论文阅读：Detecting Visual Relationships Using Box Attention(ICCV19)

这篇论文的思想也挺简单的：目标检测网络+boxattentioninput对于上面这幅图来说，如果attentionmap是空的，那么模型会检测出图像中所有的主语，如果attentionmap注意到右边的人，那么模型会找出与这个attentionmap所表示的主语产生交互的宾语(bbox和类别)，和谓语(类别)。如果attentionmap注意左边的人同理。那么，attentionmap又是什么呢

糖豆豆今天也要努力鸭·2023-11-11 22:56

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：DeepWukong: Statically detecting software vulnerabilities using deep graph neural network

ACMTransactionsonSoftwareEngineeringandMethodology（TOSEM）ABSTRACT作者针对目前基于机器学习的漏洞检测方法的不足，提出了一种新的方法，即同时考虑代码中的控制流、结构化信息以及跨函数的数据流信息，此外还利用了最新的图神经网络进行嵌入表示。作者将该方法实现为DeepWuKong模型，并使用现实世界中105428个C\C++程序进行评估，实验

wanacry11·2023-11-11 22:23

【论文阅读】AProNet: Detecting objects with precise orientation from aerial images

论文地址：AProNet:Detectingobjectswithpreciseorientationfromaerialimages-ScienceDirect论文代码：GitHub-geovsion/AProNet以下仅仅是部分笔记，笔记大部分手写，仅用作自己复习。（截取的图片来源于谷歌对预览论文的翻译）这样表达（文字分析，数据加图片）很说明问题。我自己画的网络图不好，直接看原图吧。图6。特征

Clark-dj·2023-11-11 22:22

【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！会议：2021S&PDetectingAITrojansUsingMetaNeuralAnalysis|IEEEConferencePublication|IEEEXplore问题：当前防御方法存在一些难以实现的假设，或者要求直接访问训练模型，难以在实践中应用。创新：通过元分类器来预测给定目标模型是否被后门攻击。该方法不对攻击策略进行假设，仅为黑盒访问。为了在不了解

MiaZX·2023-11-11 22:19

Detecting Gamepads

DetectingGamepadslocalUserInputService=game:GetService("UserInputService")ifUserInputService.GamepadEnabledthenprint("Playerhasgamepadenabled...")endlocalUserInputService=game:GetService("UserInputSer

jaycex2020·2023-11-05 00:55

（论文阅读16/100）Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural

文献阅读笔记简介题目Inside-OutsideNet:DetectingObjectsinContextwithSkipPoolingandRecurrentNeuralNetworks作者SeanBell,C.LawrenceZitnick,KavitaBala,RossGirshick原文链接https://arxiv.org/abs/1512.04143.pdfInside-Outside

朽月初二·2023-11-04 13:27

用Packetbeat和Watcher探测DNS隧道

来源：https://www.elastic.co/cn/blog/detecting_dns_tunnels_with_packetbeat_and_watcher检测DNS隧道可以通过DNS协议建立隧道

Threathunter·2023-11-04 08:03

Detecting Everything in the Open World: Towards Universal Object Detection(论文解析)

DetectingEverythingintheOpenWorld:TowardsUniversalObjectDetection摘要1介绍2相关工作3准备工作4TheUniDetector框架4.1.异构标签空间训练4.2.开放世界推理5实验5.1.开放世界中的目标检测5.2.封闭世界中的目标检测5.3.广泛目标检测5.4开放词汇目标检测比较5.5.消融实验6结论摘要在本文中，我们正式探讨了通用

黄阳老师·2023-11-02 14:02

论文阅读 - Detecting Social Bot on the Fly using Contrastive Learning

目录摘要：引言3问题定义4CBD4.1框架概述4.2ModelLearning4.2.1通过GCL进行模型预训练4.2.2通过一致性损失进行模型微调4.3在线检测5实验5.1实验设置5.2性能比较5.5少量检测研究6结论https://dl.acm.org/doi/pdf/10.1145/3583780.3615468摘要：社交机器人检测正在成为社会安全领域广泛关注的任务。一直以来，社交机器人检测

无脑敲代码，bug漫天飞·2023-11-01 12:26

Detecting diabetic retinopathy in eye images

DetectingdiabeticretinopathyineyeimagesThepastalmostfourmonthsIhavebeencompetinginaKagglecompetitionaboutdiabeticretinopathygradingbasedonhigh-resolutioneyeimages.InthispostItrytoreconstructmyprogress

weixin_30354675·2023-10-28 02:43

论文阅读 - Detecting the Hidden Dynamics of Networked Actors Using Temporal Correlations

WWW'23https://dl.acm.org/doi/pdf/10.1145/3543873.3587672煽动运动对基于事实的推理构成威胁，侵蚀人们对机构的信任，撕裂我们的社会结构。在21世纪，宣传运动迅速发展，以新的网络身份出现。其中许多宣传活动持续不断，资源充足，因此识别和清除它们既困难又昂贵。社交媒体公司主要通过优先控制"协调的不真实行为"来应对网络宣传的威胁。这一策略的重点是识别明确

无脑敲代码，bug漫天飞·2023-10-26 23:18

Detecting Multivariate Time Series Anomalies with Zero Known Label（论文翻译）

零已知标记的多变量时间序列异常检测目录摘要简介相关工作时间序列异常检测图结构学习异常检测的归一化流程准备标准化流程方法数据准备整体结构基于自我注意的图结构学习时空条件实体感知规范化流程联合优化异常检测和解释异常检测异常解释实验设置数据集实现细节评估指标：对比方法：性能评估方面消融研究超参数鲁棒性异常率分析结果分析动态图结构实体特定密度估计不同的稀疏特性总结摘要多变量时间序列异常检测在一类分类环境下

Austismes·2023-10-18 12:24

[RSA议题分析] eBPF Warfare - Detecting Kernel & eBPF Rootkits with Tracee

文章目录简介议题分析基础知识用户空间与内核空间hookrootkit追踪技术eBPF架构Tracee-一个运行时安全检查工具RootKit种类与各个阶段的攻防LD_PRELOADRootKitKernelModuleRooKitKernelRootKitHidingKernelRootKitHooksyscalltablehookingfileoperationshookingKernelRoot

breezeO_o·2023-10-13 18:34

CornerNet: Detecting Objects as Paired Keypoints阅读笔记

1要解决的问题基于anchor的目标检测算法存在的弊端：1：首先，需要大量的anchorboxes来保证与groundtruth都充分重叠,但是最后真正作为正样本的只是其中很少的一部分，这样导致严重的正负样本不均衡，也会极大降低训练速度。2：其二，anchorboxes会相应的引入大量的超参数，数量，长宽比，大小等等，这些参数的选择是根据特定的检测物体设定的，不具有普适性，而且FPN中多尺度预测需

彭_闯·2023-09-25 00:53

Greenplum高可用-如何检测失效Segment

本文翻译自https://docs.vmware.com/en/VMware-Greenplum/7/greenplum-database/admin_guide-highavail-topics-g-detecting-a-failed-segment.html

post_yuan·2023-09-12 20:27

Android Stodio编译JNI项目，Cmake出错：Detecting C compiler ABI info - failed

在使用AndroidStodio编译JNI项目时出现Cmake错误，报错如下：Executionfailedfortask':app:configureCMakeDebug[arm64-v8a]'.>[CXX1429]errorwhenbuildingwithcmakeusingC:\Users\Dell\AndroidStudioProjects\MyApplication2\app\src\m

阿波_!@·2023-08-19 15:21

Deep Validation: Toward Detecting Real-world Corner Cases for Deep Neural Networks

[dsn'19]DeepValidation:TowardDetectingReal-worldCornerCasesforDeepNeuralNetworksKeywords:DLRobustness,AEdetectionTakeaways:Background1.AEdetectionDesign1.MotivationLegitimateinputrange/probabilitydist

已迁移到CSDN·2023-08-19 14:42

Detecting Twenty-thousand Classes using Image-level Supervision

DetectingTwenty-thousandClassesusingImage-levelSupervision摘要背景方法PreliminariesDetic:具有图像类别的检测器loss技术细节扩展Grad-CAMGrad-CAM原理总结摘要摘要由于检测数据集的规模较小，目前的物体检测器在词汇量方面受到限制。而图像分类器的数据集更大，也更容易收集，因此它们的词汇量要大得多。我们提出的Det

计算机CV民工·2023-08-16 13:50

更新url参数以及根据参数来获取资源的设定(Detecting url changes and updating content in component)

angular更新url参数和component中的内容的方法大概的介绍如图。就是想点击button更新url的部分参数，然后在根据参数来获取content中的内容routing检测和content更新.pngpaginationcomponentsetPage(clickedPage){//backtothetopofthewindowdocument.documentElement.scrol

妙啊啦·2023-08-14 17:00

（WWW2023）论文阅读-Detecting Social Media Manipulation in Low-ResourceLanguages

论文链接：https://arxiv.org/pdf/2011.05367.pdf摘要社交媒体被故意用于恶意目的，包括政治操纵和虚假信息。大多数研究都集中在高资源语言上。然而，恶意行为者会跨国家/地区和语言共享内容，包括资源匮乏的语言。在这里，我们调查是否以及在何种程度上可以在低资源语言设置中检测到恶意行为者。我们发现，2016年美国总统大选后，Twitter打击干扰行动的一部分是，大量用他加禄语

无脑敲代码，bug漫天飞·2023-08-13 05:44

01《Detecting Software Attacks on Embedded IoT Devices》随笔

2023.08.05今天读的是一篇博士论文论文传送门：DetectingSoftwareAttacksonEmbeddedIoTDevices看了很长时间，发现有一百多页，没看完，没看到怎么实现的。摘要联网设备的增加使得嵌入式设备成为各种网络攻击的诱人目标，攻击者可以通过访问和控制远程设备进行恶意活动。这些物联网设备可以被攻击者利用，在不需要任何物理硬件访问的情况下破坏受害者平台的安全性。为了检测

雨兮雨·2023-08-09 00:34

[论文阅读] CTPN---Detecting Text in Natural Image with Connectionist Text Proposal Network

这篇论文思路和FasterRCNN是差不多的。总体来说，就是先通过RPN(RegionProposalNetwork)来提取proposal，然后再对提取得到的proposal进行classification。阅读实现代码：CTPN文章对FasterRCNN有以下几点修改：FasterRCNN中使用的3种size和3种长宽比组合的9种anchor，但是CTPN中，他固定了anchor为16px(v

UpCoderXH·2023-08-07 09:12

Detecting Everything in the Open World: Towards Universal Object Detection

1.论文简介论文题目《DetectingEverythingintheOpenWorld:TowardsUniversalObjectDetection》发表情况，CVPR2023[论文地址][https://arxiv.org/pdf/2303.11749.pdf][代码地址][https://github.com/zhenyuw16/UniDetector]2.背景与摘要本文旨在解决通用目标检

seniusen·2023-08-06 03:14

Detecting Curve Text in the Wild: New Dataset and New Solution

本文提出了CTW-1500数据集，并提出了CTD+TLOC弯曲文字检测算法。方法是，在proposal基础上预测14个文字关键点。采用的方法基本就是fasterrcnn+ctpn。并加了一些后处理。

AAAAAAIIIIII·2023-07-26 04:38

推荐频道

detecting

论文阅读：2018 arxiv CrowdHuman: A Benchmark for Detecting Human in a Crowd

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Congestion in Fibre Channel Fabrics

Detecting Memory Management and Threading Bugs with Valgrind

Detecting Everything in the Open World: Towards Universal Object Detection

《Confusion Graph: Detecting Confusion Communities in Large Scale Image Classification》阅读笔记

测试开源C#人脸识别模块ViewFaceCore（6：视频活体检测）

Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News

【CV论文精读】Cornernet Detecting objects as paired keypoints

WAZUH的安装、设置代理

【论文阅读笔记】Detecting Camouflaged Object in Frequency Domain

Detecting vision

2-EagleC: A deep-learning framework for detecting a full range of structural variations from bulk...

【EMFace】《EMface: Detecting Hard Faces by Exploring Receptive Field Pyramids》

使用Python和OpenCV检测图像中的多个亮点

【MTGCD-Net】Detecting Building Changes with Off-Nadir Aerial Images

论文翻译Detecting Overlapped Objects in X-Ray SecurityImagery by a Label-Aware Mechanism（2022）

[论文] Feature Squeezing:Detecting Adversarial Examples in Deep Neural Networks

论文阅读：Detecting Unseen Relations Using Analogies(ICCV2019)

论文阅读：Detecting Visual Relationships Using Box Attention(ICCV19)

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

论文阅读：DeepWukong: Statically detecting software vulnerabilities using deep graph neural network

【论文阅读】AProNet: Detecting objects with precise orientation from aerial images

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

Detecting Gamepads

（论文阅读16/100）Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural

用Packetbeat和Watcher探测DNS隧道

Detecting Everything in the Open World: Towards Universal Object Detection(论文解析)

论文阅读 - Detecting Social Bot on the Fly using Contrastive Learning

Detecting diabetic retinopathy in eye images

论文阅读 - Detecting the Hidden Dynamics of Networked Actors Using Temporal Correlations

Detecting Multivariate Time Series Anomalies with Zero Known Label（论文翻译）

[RSA议题分析] eBPF Warfare - Detecting Kernel & eBPF Rootkits with Tracee

CornerNet: Detecting Objects as Paired Keypoints阅读笔记

Greenplum高可用-如何检测失效Segment

Android Stodio编译JNI项目，Cmake出错：Detecting C compiler ABI info - failed

Deep Validation: Toward Detecting Real-world Corner Cases for Deep Neural Networks

Detecting Twenty-thousand Classes using Image-level Supervision

更新url参数以及根据参数来获取资源的设定(Detecting url changes and updating content in component)

（WWW2023）论文阅读-Detecting Social Media Manipulation in Low-ResourceLanguages

01《Detecting Software Attacks on Embedded IoT Devices》随笔

[论文阅读] CTPN---Detecting Text in Natural Image with Connectionist Text Proposal Network

Detecting Everything in the Open World: Towards Universal Object Detection

Detecting Curve Text in the Wild: New Dataset and New Solution