八股文 [toc] Java JDK、JRE、JVM 之间的关系 JDK (Java Development Kit)----Java开发工具包，用于Java程序的开发。 JRE (Java Runtime Environment)----Java运行时环境，只能运行.class文件，不能编译。 JVM (Java Virtual Machine)----Java虚拟机，Java运行时环 2024-09-04 开发
MyBatisPlus 快速开始 通过sql创建数据库和表 12345678910111213141516171819DROP TABLE IF EXISTS `user`;CREATE TABLE `user`( id BIGINT NOT NULL COMMENT '主键ID', name VARCHAR(30) NULL DEFAULT NULL COMMENT '姓名 2024-07-12 开发
springboot_heima 1234567891011/** * 引导类 SpringBoot的项目入口 * */@SpringBootApplicationpublic class SpringBootHeimaApplication { public static void main(String[] args) { SpringApplication.run(SpringBoot 2024-06-06 开发
distillation Classification Knowledge Distillation via the Target-aware Transformer (CVPR 2022) 目前不足： 感受野对模型表征能力影响十分重要，这种差异是目前一对一匹配蒸馏法导致次优结果的潜在原因。 改进： 我们提出通过target-aware transformer（TaT）进行知识提炼，使全体学生分别 2023-09-16 Deep Learning cv
math 线性规划 123456789101112131415161718from scipy import optimizeimport numpy as np# scipy.optimize.linprog(c, A_ub=None, b_ub=None, A_eq=None, b_eq=None, bounds=None, method='highs', callback=N 2023-05-22 Math
SwinTransformer 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210 2023-03-27 Deep Learning cv
SIoU 论文：SIoU Loss: More Powerful Learning for Bounding Box Regression Methods SIoU由四个部分组成 Angle cost Distance cost Shape cost IoU cost Angle cost 添加这个角度感知的损失函数组件背后的想法是最小化与距离相关的"奇迹"中的变量数量。基本上 2023-03-20 Deep Learning cv
SimAM 论文：SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks method 现有的注意力模块通常被继承到每个块中，以改进来自先前层的输出。这种细化步骤通常沿着通道维度或空间维度操作,这些方法生成一维或二维权重，并平等对待每个通道或空间位置中的神经元： 通道注意力：1D注意力 2023-03-06 Deep Learning cv
ASPP ASPP（Atrous Spatial Pyramid Pooling），空洞空间卷积池化金字塔。简单理解就是个至尊版池化层，其目的与普通的池化层一致，尽可能地去提取特征。ASPP 的结构如下： 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525 2023-03-05 Deep Learning cv
ACmix 论文：On the Integration of Self-Attention and Convolution 模型结构 主要过程就是将卷积和自注意力机制拆分成两个部分 卷积 在第一阶段，将输入的特征图沿某个位置的核权重进行线性投影，即( p , q)。这与标准的1 × 1卷积相同。 \[ \text { Stage I: } \tilde{g}_{i 2023-02-22 cv