DYC Blog

「想见更大的世界」

java学习

java学习

语法基础 程序本质 编程语言 编程语言可以分为三类 编译型语言 类似于c++，代码会事先被编译成机器指令（可执行文件），然后再交给CPU执行，在执行时，CPU面对的是已经编译好的指令，直接执行即可。 但由于不同型号的CPU指令集不同，所以编译好的可执行文件只能在特定的操作系统和机器上执行 解释型语言 类似Python，...

Posted by DYC on April 15, 2024

redis学习

redis学习

redis学习 redis基础 NoSQL 非关系型数据库 结构化与非结构化 传统关系型数据库是结构化数据，每张表都有严格的约束信息，插入数据必须遵守这些约束 而NoSQL则对数据库格式没有严格约束，往往形式松散，比如像键值型数据库、文档型等 关联与非关联 传统数据库的表与表之间往往存在关联，比如使用外键等 ...

Posted by DYC on March 15, 2024

java框架学习

java框架学习

java框架学习 springboot+springmvc 前端学习 html 特点 事例 css 三种引入方式 css选择器 javascript 基础语法 输出语句的三种方式 变量 1.可以重复定义；2.作用域是全局 变量的数据类型 函数 数组对象 String对象 Json对象 现在常...

Posted by DYC on October 30, 2023

go教材

go Learning

The Go Programming Language

Posted by DYC on October 27, 2023

验证指标

semantic segmentation

指标 二分类指标 True Positives,TP：预测为正，实际为正，预测为正样本是对的 False Positives,FP：预测为正，实际为负，预测为正样本是错的 True Negatives,TN：预测为负，实际为负，预测为负样本是对的 False Negatives,FN：预测为负，实际为正，预测为负样本是错的 Accuracy 即对于给定的数据，分类正确的样本数占...

Posted by DYC on September 26, 2023

BiseNetV2

semantic segmentation

BiseNetV2 低级细节和高级语义对于语义分割任务都是必不可少的 motivation 很多语义分割模型实现高精度依赖于他们的backbone，有两种包括使用膨胀卷积的backbone和使用连续下采样的结构，这样的结构因为计算量的问题会增加很多时间 contribution 提出了一种高效有效的双向结构，称为双边分割网络，用于实时语义分割，它分别处理空间细节和类别...

Posted by DYC on September 20, 2023

后处理

semantic segmentation

数据后处理 腐蚀膨胀 用来处理图形问题上。总结性的来说： + 膨胀用来处理缺陷问题； + 腐蚀用来处理毛刺问题 膨胀 首先指定对每个像素点膨胀的范围，比如指定范围为3 * 3的矩阵，卷积计算后，该像素点的值等于以该像素点为中心的3 * 3范围内的最大值。如果是二值图像，所以只要包含周围白的部分，就变为白的。 1 2 3 kernel = np.ones((3, 3), dtype=...

Posted by DYC on September 15, 2023

数据结构学习

数据结构

数据结构学习 数据结构：线性结构+非线形结构 线性结构 非线形结构 数组、广义表、树、图 稀疏数组 处理方式 实例 稀疏矩阵与二维数组转化思路 代码实现 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 3...

Posted by DYC on September 6, 2023

DDRNet

semantic segmentation

DDRNet motivation 现在语义分割模型很多通过消耗时间来提高性能，很多实时的网络 contribution 提出了一组用于实时语义分割的高效骨干网，提出的深度双分辨率网络由两个深度分支组成，在两个分支之间进行多次双边融合 设计了一种新的上下文信息提取器DAPPM模块，能够扩大感受野和融合多尺度低分辨率的上下文内容 DDRNets在分割精度和推理速度...

Posted by DYC on September 4, 2023

pidnet

semantic segmentation

pidnet motivation 双分支模型高分辨率与低频上下文信息直接融合导致出现细节信息特征容易被周围上下文淹没的问题 contribution 将CNN和PID联系起来，并提出了一个基于PID控制器架构的三分支网络 提出了Bag融合模块，用于平衡细节和上下文特征 architecture 作者认为每个对象内部像素的语义是一致的，并且只在相邻对象的边界上...

Posted by DYC on September 3, 2023

FEATURED TAGS
java semantic segmentation go
ABOUT ME

Hi, it's DYC here!