淘先锋技术网

，华为今天发布了创新和知识产权白皮书，并呼吁勿将知识产权问题政治化。华为首席法务官宋柳平在深圳总部召开的新闻发布会上表示，知识产权是创新的基础，将知识产权问题政治化会威胁全球技术的进步。 宋柳平表示，“如果知识产权沦为政客的工具，将伤害人们对专利保护制度的信心。如果某些政府选择性剥夺一些公司的知识产权，将会摧毁全球创新的根基。” 这份白皮书名为《尊重和保护知识产权是创新的必由之路》，详细介绍了华为公司在创新与知识产权保护上实践与贡献。 白皮书提到，华为每年在科研投入上很大，坚持将每年收入的10%以上投入到研发。2018年，华为研发费用达1000

目录  引入JS的方式

Hierarchical 分层的 a general-purpose backbone 一个通用的骨干网络 图像局部性原理： 同一个物体的不同部位，或者说语义相近的不同物体，大概率会出现在相连的地方。 如何生成多尺度的特征？

文章目录

Menu

参考博文： 1、Pytorch学习之十九种损失函数 2、

医学影像处理项目中，处理vtkImageData数据时经常涉及到一类问题：给了一个空间坐标或者位置，如何计算对应像素索引或者距离。 从原理上，是这样一个公式：pixel_num = floor((postion1 - postion0) / spacing) . 有一些计算可能使用round函数，实质是一样。从一个空间位置有关的浮点数要推导出ImageData对应的整数索引。 但是，在开发过程中，发现当浮点数x接近边界值的时候，floor、round的结果和vtk内部计算可能不一致。 常规C++代码有三种典型实现方式：

本期将使用图像直方图的相关知识来提高图像对比度，对图像进行优化，从而提高图像清晰度。 完成本期内容，你可以： 了解图像直方图的定义和计算方法了解直方图均衡化的原理学会使用直方图均衡化优化图像 若要运行案例代码，你需要有： 操作系统：Ubuntu 16 以上 或者 Windows10 工具软件：VScode 或者其他源码编辑器 硬件环境：无特殊要求 核心库：

常用的视觉检测软件/库 视觉开发软件工具 Halcon、VisionPro、LabView、OpenCV， 还有eVision、Mil、Sapera等。 （一）、Halcon：底层功能算法多，运算性能快，功能齐全，容易上手，开发项目周期短。非开源项目，商用收费，价格较贵。 Halcon：Halcon是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它是一套image processing library，由一千多个各自独立的函数，以及底层的数据管理核心构成。其中包含了各类滤波，色彩以及几何，数学转换，

数字图像处理完整MATLAB代码在我的资源可以看到，为方便下载，下面是百度网盘资源： 链接：https://pan.baidu.com/s/17S7PZJwwvb3PFMFVxqEY5w  提取码：HUAT 滤波代码： function l_f = low_filter(img,fre) %此函数用于对图像进行滤波 %主要原理为在图像平移后频谱图进行圈定范围（面

本文转载自DeepHub IMBA 作者 | HannaMergui 目标检测和实例分割是计算机视觉的基本任务，在从自动驾驶到医学成像的无数应用中发挥着关键作用。目标检测的传统方法中通常利用边界框技术进行对象定位，然后利用逐像素分类为这些本地化实例分配类。但是当处理同一类的重叠对象时，或者在每个图像的对象数量不同的情况下，这些方法通常会出现问题。诸如Faster R-CNN、Mask R-CNN等经典方法虽然非常有效，但由于其固有的固定大小输出空间，它们通常预测每个图像的边界框和类的固定数量，这可能与图像中实例的实际数量不匹配，特别是当不同图像的实例数量不同

原文链接：transformer的细节到底是怎么样的？ 作者：爱问问题的王宸 链接：https://www.zhihu.com/question/362131975/answer/3058958207 来源：知乎

图像分割是计算机视觉中的重要任务，用于将图像中的不同区域分割成具有语义意义的区域。以下是几种常用的图像分割评价指标以及它们的代码实现示例（使用Python和常见的计算机视觉库）： 1. IoU (Intersection over Union) 与目标检测中的IoU类似，用于衡量预测分割区域与真实分割区域之间的重叠程度。 def calculate_iou(mask_true, mask_pred): intersection = np.logical_and(mask

一、集成学习 bagging: 基本流程： Bagging的基本流程： 经过 M 轮自助采样，可以得到 M 个包含 N 个训练样本的采样集。然后基于每个采样集训练出一个基学习器。最后将这 M 个基学习器进行组合，得到集成模型。 在使用 Bagging学习器进行预测时： 分类任务采取简单投票法，取每个基学习器的预测类别的众数。 回归任务使用简单平均法，取每个基学习器的预测值的平均。

Anaconda 创建，复制，删除环境 在服务器上配置环境时，有时候就想偷个懒，把其他服务器上现成的环境复制过来用，这里记录一下自己新建环境，复制环境，以及通过yml从其他服务器上移植环境，以及最后删除虚拟环境的一些操作或指令。 一. Conda 新建环境 在命令行输入conda list 确保你的服务器中是安装了Conda的。

win11环境下本地部署Segment Anything示例 前言运行环境

Linux系统(Ubuntu)查看某个进程(PID)所属的目录 在维护服务器的过程中，有时候会出现一些进程没人认领，这个时候会影响资源的合理分配，也担心系统被人入侵。使用nvidia-smi 以及htop，top也只能知道是哪个进程（PID）占用的资源，但是并不能知道是谁的程序。此时可以通过ll /proc/PID 指令来查看进程所属的目录从而就可以知道是谁的程序了。 nvidia-smi

        历经千辛万苦终于把mmdetection的2.11.0版本下载下来了，包括mmdet=2.11.0；mmcv-full=1.2.4，以及源文件中的mmdetection源码，注意时2.11.0的源码，而非目前的V3版本。         但在运行过程中出现了mmpycocotools安装错误问题，截图如下：

Transformer: 一、 总体架构 Transformer是“编码器—解码器”架构，由编码器(encoder)和解码器(decoder)组成，其都是多头自注意力模块的叠加。其中，input sequence分成两部分，分别为源(input)输入序列和目标(output)输出序列。前者输入编码器，后者输入解码器，两个序列均需进行embedding表示并加入位置信息。

import cv2 as cv import numpy as np import matplotlib.pyplot as plt img = cv.imread("../SampleImages/cat.jpg", cv.IMREAD_GRAYSCALE) print(img.shape) #整幅图像做普通的直方图均衡化 img_hist_equalized = cv.equalizeHist(img) #图像直方图自适应均衡化 #1. 创建CLAHE对象 #cv.createCLAHE( clipLimit=40,tileGrid

今天在做javacv图片转换时遇到格式报错的问题，但是我检查半天我的格式是Mat格式啊。 然后一查，javaCV中竟然一共有两种Mat格式，两者不互通，导入的依赖包也是不同的，而大部分情况下我们导入的都是org.opencv.core.*包，所以遇到另一种格式的Mat数据就会报错。 真是让我长见识了。 在查阅外网后终于找到了在两种Mat格式之间相互转化的方法。我们需要先将org.opencv.core.Mat转化为java.awt.image.BufferedImage，再将BufferImage转化为org.bytedeco.javacpp.

目录 二值化

Dropout的过程 1）按照概率p，对输出的结果随机置零 代码验证： #%% import torch import torch.nn as nn #%% 模型 conv1 = nn.Conv2d(2,2,kernel_size=3,stride=1,padding=0) m = nn.Dropout2d(p=0.4) #%% 数据准备 N = 2 C = 2 H = 4 W = 4 input = torc

MODIS数据常用下载网址： Find Data - LAADS DAAC 在下载之前需要注册一个账号，才可进行下载。 1.选择数据产品，本人选取MOD09Q1数据产品（250m8天合成的反射率数据）

这是个很普遍的需求，很多人都会需要。但是往往这种简单的功能，却被商家包装成商品来售卖，要么会员，要么加群关注，想搞个无损的还得加钱！我曾苦苦找了一两个小时，也找不到一个免费好用的工具或网站。 然而，这样普遍的一个功能，网上找到的实现方法却都还没跟上时代，还是采用捕捉背景色来进行阈值分割，二值化，然后在进行逐个像素替换。那种效果可想而知，仅能针对自己的图片慢慢调参。 实践一番，我采用如下方法进行处理，可以做到功能通用，效果不错。以后背景色想换什么色就什么色，图片还能无损！ 人像分割 最终处理效果好不好，关

变换是一门非常棒的技术，在图像处理中经常用来进行对图像的检测和分割，比如在图像中检测直线、圆这样的几何体。为方便介绍hough变换，我们先从检测直线入手。 下图的坐标轴是x,y，它是基于图像平面。hough 变换的本质是从图像空间转化到,

    谈谈1080P@60 H.265实时编码器的架构设计。          首要考虑1080P@60的实时编码能力，     即设计的编码器需要具备不小于每秒60帧的编码能力，     不允许丢帧的前提下，每帧编码时间不能大于16.6ms，     按照编码主频可以推算出每帧的时钟周期数cycle，或反推，     一般情况下，可以先根据FPGA/ASIC器件平台的fmax确定主频，     此处的fmax并非器件理论上的最高主频，     而是设计RTL代码在器件上能运行的fmax，

目录 Transformer流程Attention机制

🍓个人主页：bit..  🍒系列专栏：Linux(

zobovision随谈H.265/HEVC编码FPGA实现（一）     H.265/HEVC出来已有10年，但市场应用难言巅峰，     正如古董级的H.264现在仍然大行其道，H.265的全面应用仍有待市场发酵，     至少在硬件产品端应用，值得期待。     一来H.265相对H.264而言，压缩技术确实要先进不少，不管是理论上还是实际效果方面；     二是H.265相对后来者H.266/VVC等而言，实用性更强，性价比更高，     产品端的应用讲究压缩性能和计算复杂度

一、导言 在嵌入式设备的开发中，有一些嵌入式设备对于图片的格式和大小有限制，有些在项目中使用到的图片资源需要严格限制图片的位深度。 但常规方式压缩图片会使得图片质量下降严重，我们需要效率同时又能最大程度保留图片质量的方法。通过这篇文章你能简单的了解计算机的颜色模式，并学习如何通过小工具转换PNG图片的位深度。 二、计算机颜色模式 常见的颜色有 8位 16位 24位 32位色，其中24位及以上称为真彩，是PC上最常用的颜色，其他基本用于嵌入式系统或一些工控领域，详情见下表：

目录 1、前言免责声明

文章目录 一、分割|语义相关(16篇)

Qt4 安装指令 QT5: sudo apt-get update sudo apt-get install qt5-default sudo apt-get install qtcreator sudo apt-get install qtmultimedia5-dev sudo apt-get install libqt5serialport5-dev QT4: sudo apt-get instal

1.区分大小写。 　　test与Test变量是两个不同的变量 2.变量是弱变量。 　　与C，java等等语言变量不是很一样。 　　如下java代码 int i =0; //再次赋值 i = 10;//ok i = “hello”;//wrong 类型不匹配

我眼中的弹性盒子 display: flex意思是弹性布局，弹性布局简直不要太好用，今天就来和大家具体讲讲它的属性和用法吧。 flex的属性（以下五个属性语法都是加在父元素身上的。） 一 1. flex-direction: row; 布局的排列方向 （主轴排列方向） row 默认值，显示为行。方向为当前文档水平流方向，默认情况下是从左往右。 row-reverse 显示为行。但方向和row属性值是反的，在水平方向上为从右往左。 column 显示为列 方向为在垂直方向上从上到下 column-reverse 显

文章目录 B.NE 指令格式CBNZ 指令格式

1. 弹塑性分析的主要问题 1.1 elastic-plastic deform behavior abaqus 默认的塑性表现行为是金属材料经典塑性理论，采用mises屈服面定义各向同性屈服。 一般金属材料都是各向同性材料，弹塑性行为： 小应变时，材料表现为线弹性；应力大于屈服应力后，stiffness 下降，此时

重要贝叶斯公式：后验概率∝先验概率*似然函数 先验概率： 在贝叶斯分布中，先验概率分布是指关于某个变量X的分布，即是在获得某些信息或者依据前，对变量X的不确定性所作出的猜测。这是对不确定性（而不是随机性）赋予一个量化的数值的表征，这个量化数值可以是一个参数，或者是一个潜在的变量。先验概率依赖于主观上的经验估计，也就是事先根据已有的知识的推断。例如， X 可以是投一枚硬币，正面朝上的概率，显然在我们未获得任何其他信息的条件下，我们会认为 P(X)=0.5。

#pragma once //在头文件的最开始加入这条杂注，就能够保证头文件只被编译一次 #include <cmath>//支持一些常用的数学函数的头文件 #include <pcl/point_types.h> //PCL对各种格式的点的支持头文件 typedef pcl::PointXYZI PointType; //typedef 是为pcl::PointXYZI 类型起新名字PointType，pcl::PointXYZI 是一个简单的XYZ坐标加intensity的point类型

目录 一、摘要二、主要内容

本文章将介绍如何通过docker在边缘计算设备nvidia orin/xavier上快速配置深度学习环境.该方法适用于Tensorflow,Pytorch,但是本文以介绍Tensorflow的安装为主. 文章目录

给定信号， 令小波变换的尺度

微信授权 wx.getUserProfile({ desc

缘起 今年(2023年) 2月的时候做了个适配Amazon S3对象存储接口的需求，由于4月份自学考试临近，一直在备考就拖着没总结记录下，开发联调过程中也出现过一些奇葩的问题，最近人刚从考试缓过来顺手记录一下。 S3对象存储的基本概念 S3是什么？ Amazon S3(Simple Storage Service)对象存储出现得比较早且使用简单的RESTful API，于是成为了对象存储服务(Object Storage Service，O

随着互联网的发展，在线教育逐渐成为学习的主要方式之一。在线考试系统作为在线教育的重要组成部分，对于学习者提供了更为便捷和灵活的学习方式。但是，如何优化学习体验，提高学习效果，仍然是在线考试系统需要解决的问题之一。 一个优化学习体验的在线考试系统应该具备清晰的界面和友好的用户体验。通过摒弃繁杂的内容和复杂的操作，使用户能够快速上手和操作，提高学习效率。HTML标签的应用可以帮助我们规划页面布局，直观地展示内容，使用户能够直接理解和使用系统。而通过在页面中使用 标签，可以将文字内容分段展示，让用户更加容易阅读和理解，提高学习体验

Golang反射reflect机制用法

前言 本文主要介绍如何下载lux的安装和使用 一、Scoop和Lux的安装 1.打开Windows PowerShell

现在是2023年3月26日，由于最近有个比赛需要用到yolov5但是本人从前从未接触此方面知识，想着先给他跑起来再说。于是本人亲自装在自己电脑上，准备跑一下，并且和大家一样踩了很多坑，搜了很多资料，安装过程很是麻烦且容易弄错，所以我想着把我遇到的错误以及解决方案列出来，仅供大家参考，如果大家有什么新的错误也可以留言添加，如果我知道的也可以给大家解决，相信此文会给你一定的帮助。（安装过程参考其他博主，文末已注明） 写得很匆忙 很多细节未有顾及到，后面会再写一篇具体的数据集准备到训练到推理。

记录学习时遇到的错误，本人目前还是菜鸟，有说错的地方多多包含，提出问题，一起学习进步！ 在编译自定义接口时出现很长的报错，主要就是这两个： AttributeError processing template 'msg.idl.em' AttributeError: module 'em' has no attribute 'Interpreter' 问题就出在了这个em包上，我们在编译时候用的是emp