最近一周主要集中精力在CVPR2020上发表的MEGA视频目标检测方法上， 认真研读了MEGA论文，做了详细的阅读笔记。 运行了MEGA的demo代码和test代码，整理了相关笔记。 参考文献：Chen Y, Cao Y, Hu H, et al. Memory Enhanced Global-Local Aggregation for Video Object Detection[C]//P

最近因为一些原因，开始学习java，现将学习笔记整理发布，便于后续查阅。我之前有C、C++和Python的基础，希望学习java能容易一些吧。 这次的笔记主要是java的入门语法，除了输入输出与C++有些不同之外，其余的语法格式与C++比较相似，也比较容易理解。 本次学习主要是参考廖雪峰的Java教程 一、java简介Java最早是由SUN公司（已被Oracle收购）的詹姆斯·高斯林（高司令，人称

最近主要阅读了三篇视频目标检测方向的文章，这三篇都是Attention-Related的文章，主要目的在于提高检测的精度。 阅读文献：[1] Han M, Wang Y, Chang X, et al. Mining Inter-Video Proposal Relations for Video Object Detection[J]// Proceedings of the European

最近主要阅读了Flow-Related的三篇视频目标检测的相关论文：FGFA、DFF、MANet。其中，FGFA使用FlowNet计算帧间光流信息，根据光流信息将临近帧的特征图加权融合到参考帧上，然后利用整合后的信息做检测和分类。DFF对FGFA进行了改进，仅在稀疏的关键帧上运行卷积子网络，并且通过光流场将其深度特征图传播给其他帧。 阅读文献： [1] Zhu X, Wang Y, Dai J,

Assignment 1: Multi-Layer Perceptron with MNIST DatasetIn this assignment, you are required to train two MLPs to classify images from the MNIST database hand-written digit database by using PyTorch. T

1.问题描述：编写一个程序，使用遗传算法求解旅行商问题： 旅行商问题(Travelling Salesman Problem, 简记TSP，亦称货郎担问题):设有n个城市和距离矩阵D=[dij]，其中dij表示 城市i到城市j的距离，i，j=1，2 … n，问题是要找出遍访每个城市恰好一次的一条回路并使其路径长度为最短。 2.问题定义： 定义个体、种群：每一条可能的路径为一个个体、所有个体构成种群

最近主要阅读了两篇基于KeyPoint的目标检测论文：CenterNet和ExtremeNet，和一篇用卷积神经网络预测光流场的论文：FlowNet。 阅读文献： [1] Duan K, Bai S, Xie L, et al. Centernet: Keypoint triplets for object detection[C]//Proceedings of the IEEE Interna

近期学长在研究方向上给了我一些指导，在此总结整理一下。 学长整理的视频目标检测综述：https://blog.csdn.net/breeze_blows/article/details/105323491 学姐整理的视频目标检测综述：https://blog.csdn.net/sinat_31184961/article/details/103128931 学长的github：https://g

最近阅读集中在目标检测方向，学习了RetinaNet、CornerNet、FCOS三篇文章。其中RetinaNet提出了一个新的损失函数Focal Loss，CornerNet和FCOS是Anchor Free的代表性算法。 阅读文章： [1] Lin T Y, Goyal P, Girshick R, et al. Focal loss for dense object detection[C]

最近实验室给我分配了服务器账号，但该服务器的ip在实验室的局域网中，不是公网ip，无法在宿舍（外网）访问该服务器（但是该服务器可以访问公网）。我希望能在公网访问到实验室的服务器，于是学习配置了ssh远程端口转发（内网穿透），使用ssh -R可以轻松做到这个事情。在实现过程中遇到了很多坑，特此总结记录一下。 背景：一台服务器A（位于内网）、一台云虚拟主机B（有公网ip，外网可访问）。 目的：实现从外