阅读专题
SuMa++论文阅读
SuMa++: Efficient LiDAR-based Semantic SLAM 摘要和引言摘要关键方法结果 引言关键工作过程主要贡献 结果和讨论结果下一步讨论 方法和实验概述方法A.NotationB.Surfel-based MappingC.Semantic SegmentationD.Refined Semantic MapE.Filtering Dynamics using
BERT for Joint Intent Classification and Slot Filling 论文阅读
BERT for Joint Intent Classification and Slot Filling 论文阅读 Abstract1 Introduction2 Related work3 Proposed Approach3.1 BERT3.2 Joint Intent Classification and Slot Filling3.3 Conditional Random Fiel
阅读笔记——《代码整洁之道》ch2
引言 clean-code ch2阅读笔记 有意义的命名 名副其实 选择体现本意的名称能让人更容易理解和修改代码。 避免误导 怎么能知道该调用哪个函数呢? getActiveAccount();getActiveAccounts();getActiveAccountInfo(); moneyAmount与money没区别,customerInfo与customer
阅读笔记——《代码整洁之道》ch3
引言 clean-code ch3阅读笔记 短小 函数的第一规则是要短小，一般来说不要一个函数体不要超过半个屏幕。 只做一件事情 函数应该做一件事。做好这件事情。只做一件事。 编写函数毕竟是为了把大一些的概念拆分为另一抽象层上的一系列步骤。只做一件事的函数无法被合理地切分为多个区段。 switch语句 使用抽象工厂来实现switch语句。 如果switch如果只是出现一次，用于创
高质量英文文献应该如何查找并且阅读？
1. 查找 使用谷歌学术进行论文关键字检索，查找高度匹配的论文。这里我们可以选择年限等信息进行筛选。作为研究者我们一般选择近三年的文章进行阅读。这里谷歌学术需要科学上网，请大家自行解决。 https://scholar.google.com/ 2. 查看期刊等级 我们查找到相关论文后接下来要进行的步骤就是查看该论文发表期刊的等级。论文我一般看中科院一、二区或者CCF-A，CCF-B
论文阅读：基于改进 YOLOv5算法的密集动态目标检测方法
目录 概要 Motivation 整体架构流程 技术细节 小结 论文地址：基于改进YOLOv5算法的密集动态目标检测方法 - 中国知网 (cnki.net) 概要 目的：提出一种基于 YOLOv5改进的检测算法，解决密集动态目标检测精度低及易漏检的问题。 方法：在 YOLOv5的主干网络中使用 QARepNeXt结构提高深度学习模型训练速度；引入 S2-MLPv2注意力机制改
Isolation Forest | 隔离森林论文阅读
Note of Isolation Forest 论文：https://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/icdm08b.pdf 一、介绍 作者认为，异常数据存在两个显著的特性： 数量少，甚至是极少与正常数据有显著的属性值差异 简单来说，异常是少且非常不同的。 因此，作者要做的就是找出这些异常点，而不是为正常数据建模（传统方法
书籍阅读-《Kubernetes快速入门》-读后感
建立和管理Kubernetes集群是一个涉及多个组件和步骤的过程。如何建立一个基本的Kubernetes集群，以及如何进行基本管理： 1. 准备基础设施 首先，您需要准备硬件或云资源。可以选择在本地使用物理或虚拟机，或者在云平台（如AWS、Google Cloud Platform或Azure）上部署。 2. 安装Kubernetes 安装Kubernetes可以通过多种方式进行，以下是几
StNet: Local and Global Spatial-Temporal Modeling for Action Recognition 论文阅读
StNet: Local and Global Spatial-Temporal Modeling for Action Recognition 论文阅读 Abstract1 Introduction2 Related Work3 Proposed Approach4 Experiments5 Conclusion 文章信息： 原文链接：https://ojs.aaai.org
HarmonyOS NEXT 阅读翻页方式案例
介绍 本示例展示手机阅读时左右翻页，上下翻页，覆盖翻页的功能。 效果图预览 使用说明 进入模块即是左右翻页模式。点击屏幕中间区域弹出上下菜单。点击设置按钮，弹出翻页方式切换按钮，点击可切换翻页方式。左右翻页方式可点击翻页，也可滑动翻页，点击屏幕左边1/3区域向左翻页，点击中间1/3区域弹出菜单，点击屏幕右边1/3区域向右翻页。上下翻页方式只可上下滑动翻页。覆盖翻页方式可点击翻页，也可滑
codec engine代码阅读1~3:根目录package.xdc,release notes和example文件夹
codec engine代码阅读1~3: http://www.usr.cc/thread-52029-1-3.html http://www.usr.cc/thread-52030-1-3.html http://www.usr.cc/thread-52032-1-3.html codec engine代码阅读一---根目录下的package.xdc
论文阅读：A multi-sequences MRI deep framework study applied to glioma classfication
论文标题： A multi-sequences MRI deep framework study pplied to glioma classfication 翻译： 多序列MRI深度框架研究在胶质瘤分类中的应用 摘要 胶质瘤是最重要的中枢神经系统肿瘤之一，在男性和女性最常见的癌症中排名第15位。磁共振成像(MRI)是医学专家诊断神经胶质瘤的常用工具。根据病理的严重程度，从MRI中选择一组多序
近似最近邻搜索的QALSH方法-阅读笔记
近似最近邻搜索的QALSH方法 LSH和它的变体是解决高维欧氏空间下c-近似最近邻（c-ANN）搜索问题的著名索引方法。传统上，LSH函数在某种意义上是以未知查询的方式构建，即在任何查询到达之前划分桶。然而，距离一个查询越近的目标可能被划分在不同的桶中是令人不快的。由于利用yi遗忘查询桶划分，针对外存的最先进的LSH方案，即C2LSH和LSB森林，整数近似比率仅为c>=2。在这篇文章中，我们介
Query-Adaptive Late Fusion for Image Search and Person Re-identification阅读笔记
Query-Adaptive Late Fusion for Image Search and Person Re-identification 自适应查询的图像检索晚期融合 摘要：很多文献表明特征融合对图像检索是有效的。一般来说融合各种各样的特征会帮助查询到更多有效的结果。然而，我们不会提前知道，对于给定查询，哪个特征是有效的。故而判断特征的有效性极其重要。 本文提出了一种针对得分层的有效
PARTICULAR OBJECT RETRIEVAL WITH INTEGRAL MAX-POOLING OF CNN ACTIVATIONS阅读笔记
不久前看到一篇paper，感觉效果虽然不是特别好，但是对于图像检索和目标识别的后续工作特别有启发意义，所以大致记录一下阅读笔记，以此激励自己学习。 近年来，基于CNN的图像表征已经为图像检索提供了很有效的描述子，超越了很多由预训练CNN模型的到的短向量表示。然而这些方法和模型不适用于几何感知重排，仍然会被一些依赖于精确的特征匹配，几何重排或者查询扩展的传统图像检索所超越。所以本文的工作利用CNN
Building3D An Urban-Scale Dataset and Benchmarks 论文阅读
文章主页 Building3D 任务 提出了一个城市规模的数据集，由超过 16 万座建筑物以及相应的点云、网格和线框模型组成，覆盖爱沙尼亚的 16 个城市，面积约 998 平方公里。 动机 现有的3D建模数据集主要集中在家具或汽车等常见物体上。缺乏建筑数据集已成为将深度学习技术应用于城市建模等特定领域的主要障碍。 要点 数据集包含原始点云，建筑物点云，屋顶点云，以及网格模型和线框模
经典文献阅读之--U-BEV(基于高度感知的鸟瞰图分割和神经地图的重定位)
0. 简介 高效的重定位对于GPS信号不佳或基于传感器的定位失败的智能车辆至关重要。最近，Bird’s-Eye-View (BEV) 分割的进展使得能够准确地估计局部场景的外观，从而有利于车辆的重定位。然而，BEV方法的一个缺点是利用几何约束需要大量的计算。本文《U-BEV: Height-aware Bird’s-Eye-View Segmentation and Neural Map-bas
pdf阅读器哪个好用？4款高效阅读软件推荐
pdf阅读器哪个好用？在数字化时代的浪潮中，PDF文档凭借其卓越的跨平台兼容性、便捷的传输方式以及保持格式一致的稳定性，已经成为我们日常工作与学习的得力助手。在这样的背景下，选择一款功能强大、操作便捷的PDF阅读器，不仅能显著提高我们处理PDF文件的工作效率，更能带来流畅、舒适的阅读体验。下面，就为大家推荐几款值得一试的PDF阅读器。 软件一：嗨动PDF转换器（PC） ①简洁易用的界面设计：界
TNNLS:Fast Self-Supervised Clustering With Anchor Graph论文阅读
1 Abstract 由于避免了使用通常在现实世界中不足的标记样本，无监督学习被视为在聚类任务中的快速和强大策略。然而，直接从原始数据集进行聚类会导致高计算成本，这限制了其在大规模和高维问题上的应用。最近，基于锚点的理论被提出来部分缓解这个问题，并自然地稀疏化了亲和力矩阵，但仍然存在挑战，即在保持高效性的同时获得出色的性能。为了解决这个问题，我们首先提出了一个快速的半监督框架（FSSF），结合了
Effective 阅读总结
一丶对象的创建和销毁 (一) 静态工厂方法替代构造器 1.静态工厂方法的几大优势： (1) 静态工厂方法与传统构造器方法不同的第一大优势 ，他们有名称: sample：返回一个素数 public static int BigInteger.probablePrime(int, int, Random){} (2)不必再每次调用它的时候都创建一个新的对象： sample:重复利用 预先创建好的实例
STM: SpatioTemporal and Motion Encoding for Action Recognition 论文阅读
STM: SpatioTemporal and Motion Encoding for Action Recognition 论文阅读 Abstract1. Introduction2. Related Works3. Approach3.1. Channel-wise SpatioTemporal Module3.2. Channel-wise Motion Module3.3. STM
海洋环境保护论文阅读记录
海洋环境保护 论文1：Critical role of wave–seabed interactions in the extensive erosion of Yellow River estuarine sediments 波浪-海床相互作用在黄河河口广泛侵中的关键作用 estuatine 河口的，港湾的 erodibility侵蚀度 sediment erodibility 沉积侵蚀度
点云分割论文阅读01--FusionVision
FusionVision: A Comprehensive Approach of 3D Object Reconstruction and Segmentation from RGB-D Cameras Using YOLO and Fast Segment Anything FusionVision：使用 YOLO 和 Fast Segment Anything 从 RGB-D 相机重建和分