博客 / 列表

編程夢想家 - PKC雷達目標檢測

本文作者:黃浴| 以前提到過此文(在想法中),WACV‘2021錄取:“CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection“ https://arxiv.org/abs/2011.04841 摘要:這是一個middle

機器學習 , PKC雷達目標檢測 , 人工智能 , 深度學習 , 計算機視覺

編程夢想家 - 信號插值產生鏡像的原理

1.產生FM信號並繪製頻域波形 %% 產生FM信號並繪製時域波形 fm = 500; % 調製信號頻率 Am = 0.5; % 調製信號幅度 fc = 5e3; % 載波頻率 Ac = 1; % 載波幅度 kf = 10000*pi; % 調頻靈敏度 fs = 75e3; % 採樣率 N = 3000; % 樣點總數 t = (0:N-1)'/fs; % 時間t

5e , 雲計算 , 採樣率 , 信號插值產生鏡像的原理 , 雲原生 , 頻域

編程夢想家 - flyway_schema_history 怎麼寫

Flyway 是什麼:如果説git是代碼的版本控制,那麼flyway就是數據庫的版本控制 解決問題: 正如git解決協作開發的問題,flyway一樣解決了多人協同設計數據庫的問題 修改或修復數據庫結構 修復錯誤數據 工作方式(https://flywaydb.org/getstarted/how),

機器學習 , 後綴 , 數據庫 , 人工智能 , SQL

編程夢想家 - 實時實例分割最新

本文主要解決視頻目標分割領域的一個基本問題:如何使分割模型能夠有效地適應特定視頻以及在線目標的外觀變化。 解決辦法:提出一個圖存儲網絡來對分割模型進行“學習更新”。 大概流程分為兩步:首先構建一個由全連接圖構成的情景存儲網絡,將幀存儲為節點,並通過邊捕獲跨幀的相關性。然後,可學習的控制器被嵌入以簡化內存的讀寫。 相比於以往模型的優勢:結構化的外部

機器學習 , 實時實例分割最新 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

編程夢想家 - 添加過磁盤鏡像的磁盤恢復出廠設置

服務器數據恢復環境: 一台HP DL系列服務器,通過hp smart array控制器掛載一台磁盤陣列設備,作為公司內部的文件服務器使用; 該磁盤陣列設備中有一組由十幾塊SCSI硬盤組建的RAID5; 上層安裝LINUX操作系統並部署了NFS+FTP。 服務器故障初檢: 服務器和磁盤陣列設備從老機房搬遷

服務器 , 數據 , 雲計算 , 數據恢復 , 雲原生 , 添加過磁盤鏡像的磁盤恢復出廠設置

編程夢想家 - Qt無邊框窗口拖拽和陰影

在使用Qt做界面開發時,為了提升視覺效果,經常會採用無邊框窗口設計。 實現無邊框其實很簡單,一行代碼搞定。 setWindowFlag(Qt::FramelessWindowHint); 由於移除了系統默認標題欄,窗口失去了原生的移動和縮放功能,需通過代碼手動實現。 本文旨在使用 Qt 框架實現一個無邊框窗口,具

qt , c++ , 後端開發 , qt界面開發 , qt教程 , qt界面 , Python

編程夢想家 - (八)神經網絡-線性層及其他層介紹_神經網絡線性層

20.1打開pytorch官網 1.打開torch.nn-Normalization Layers 找到BatchNorm2d: 點擊查看代碼 class torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stat

數據 , 神經網絡 , Css , 2d , 前端開發 , HTML