Object-Contextual Representations for Semantic Segmentation
Object-Contextual Representations for Semantic Segmentation 论文名称：Object-Contextual Representations for Semantic Segmentation 作者：Yuhui Yuan, Xilin Chen, Jingdong Wang 期刊：ECCV2020 代码：https://github.com/HRNet/HRNet-Semantic-Segmentation 原文摘要 In this paper, we study the context aggregation problem in semantic segmentation. Motivated by that the label of a pixel is the category of the object that the pixel belongs to, we present a simple yet effective approach, ...
Hierarchical Multi-Scale Attention for Semantic Segmentation
Hierarchical Multi-Scale Attention for Semantic Segmentation 论文名称：Hierarchical Multi-Scale Attention for Semantic Segmentation 作者：Andrew Tao, Karan Sapra, Bryan Catanzaro 期刊：尚未查出（时间2020） 代码：https://github.com/NVIDIA/semantic-segmentation 原文摘要 Multi-scale inference is commonly used to improve the results of semantic segmentation. Multiple images scales are passed through a network and then the results are combined with averaging or max pooling. In this work, we present an attention-based...
Non-local Neural Networks
Non-local Neural Networks 论文名称：Non-local Neural Networks 作者：Xiaolong Wang, Ross Girshick, Abhinav Gupta, Kaiming He 期刊：CVPR2018 代码：https://github.com/facebookresearch/video-nonlocal-net 原文摘要 Both convolutional and recurrent operations are building blocks that process one local neighborhood at a time. In this paper, we present non-local operations as a generic family of building blocks for capturing long-range depen- dencies. Inspired by the classical non-local means method [4] in computer...
炼丹术的有用工具(不定期更新)
知识补全(不定期更新) 拉普拉斯矩阵(Laplacian Matrix) 对于一张图G=(V,E)G=(V,E)G=(V,E)，其拉普拉斯矩阵LLL的定义为：L=D−AL=D-AL=D−A，其中DDD是图的度矩阵，AAA是邻接矩阵。举个例子，如下图： 其邻接矩阵为： A=(010010101010010100001011110100000100)A = \left(\begin{array}{llllll} 0 & 1 & 0 & 0 & 1 & 0 \\ 1 & 0 & 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 & 1 & 1 \\ 1 & 1 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 &...
计算机网络（二）——物理层
计算机网络（二）——物理层 物理层的任务以及特性 物理层主要任务：确定与传输媒体接口有关的一些特性——定义标准 机械特性：定义物理连接的特性，规定物理连接时所采用的规格，接口形状，引线数目，引脚数量和排列情况（网线，插排） 电气特性：规定传输二进制位时，线路上信号的电压范围，阻抗匹配，传输速率和距离限制（有数字，多少V表示0,之类的） 功能特性：指明某条线上出现的某一电平表示何种 意义，接口部件的信号线的用途（高低电平的意义） 规程特性（过程特性）：定义各条物理线路的工作规程和时序关系 数据通信的相关术语 通信的目的：传送消息 数据data：传送信息的实体，通常是有意义的符号序列 信号：数据的电气/电磁的表现，是数据在传输过程中的存在形式。 1. 数字信号/离散信号，表示消息的参数的取值是离散的 2....
RefineMask:细粒度实例分割
RefineMask:细粒度实例分割 论文名称：RefineMask: Towards High-Quality Instance Segmentationwith Fine-Grained Features 作者：Gang Zhang, Xin Lu, Jingru Tan, Jianmin Li, Zhaoxiang Zhang, Quanquan Li, Xiaolin Hu 期刊：CVPR2021 代码：https://github.com/zhanggang001/RefineMask 原文摘要 The two-stage methods for instance segmentation, e.g.Mask R-CNN, have achieved excellent performance re-cently. However, the segmented masks are still very coarsedue to the downsampling operations in both the ...
线性动态规划
杨老师的照相排列 杨老师的照相排列 解题思路 从题目中我们知道，最多排5排，每排最多30人 要求是第一排从左到右递减，从上到下递减，并且每个人的编号越小，身高越高 假设我们有1,2,33个数字，我们一个一个地排列他们 先排1，显然1只能排在n左上角，即[0,0]的位置，因为如果他排在[0,1]或者[1,0]这些位置那么[0,0]位置放的同学身高应该要比1大，显然这种情况是不可能的。 接着我们排2，他只能排在*的位置,因为如果你放在[0,2],[1,1]的位置就说明[0,1],[1,0]位置的同学身高要比2大，显然这种情况也不可能，因为1的位置定好了，1，2之间没有比2高的了。 [1∗0∗00]\left[ \begin{matrix} 1 & * &0\\ * & 0...
二分与排序
最佳牛围栏 最佳牛围栏 解题思路 分析题目，首先我们指导题目给我们一串数字，这个数字有n个，并且都是1≤x≤20001\leq x\leq 20001≤x≤2000的，现在要找到一个连续字串，该字串的长度大于等于F，要使得这个连续字串的平均值最大。 这个可以用二分的思路进行寻找，我们的数字最小为1，最大为2000，我们取出边界的中间值，1000，然后使用1000减去这一串数字，使用前缀和sum来存取减去后的数字。我们使用双指针i，j，i从0开始，j从F开始，i,j同时移动，每次确认0~i区间内的最小值minsum ，若满足条件sum[j]-minsum>0则说明这段区间的平均值比当前的二分平均值大，因此就将l变换到mid再次进行二分，否则就将r变换到mid，进行二分。 (ps:我也不知道自己在说什么) AC代码 1234567891011121314151617181920212223242526272829303132333435363738394041#include <bits/stdc++.h>using namespace std;const int...
