<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[RoyalVane的专栏]]></title><description><![CDATA[予我时日，必为传奇]]></description><link>https://blog.youkuaiyun.com/RoyalVane</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; RoyalVane]]></copyright><item><title><![CDATA[[ NeurIPS 2020 ] 一叶知秋 —— 基于“单目标域样本”的领域自适应方法]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/111594564</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/111594564</guid><author>RoyalVane</author><pubDate>Wed, 23 Dec 2020 17:18:10 +0800</pubDate><description><![CDATA[[ NeurIPS 2020 ] 一叶知秋 —— 基于“单目标域样本”的领域自适应方法 



引言

华中科技大学、浙江大学、百度研究院新作——基于“单目标域样本”的无监督领域自适应论文《 Adversarial Style Mining for One-Shot Unsupervised Domain Adaptation》被 CCF A 类学术会议 NeurIPS2020接收。论文针对只能获取“单张目标域数据”的现实而富有挑战性的领域自适应问题场景，提出了创新的解决方法，仅仅通过对该样本的充分挖...]]></description><category></category></item><item><title><![CDATA[(转)关于 马尔科夫随机场MRF 的思考]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/42120713</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/42120713</guid><author>RoyalVane</author><pubDate>Wed, 24 Dec 2014 10:34:33 +0800</pubDate><description><![CDATA[(转)关于 马尔科夫随机场MRF 的思考


Markov Random Fields(MRF)是undirected graph的概率表示，下面说说它在computer vision中的应用。
MRF应用在视觉中，相当于一个Labeling问题，更具体点，是通过MAP inference来确定图中每个节点的label。MRF相比其他方法的优势是：1）提供了一种principled met]]></description><category></category></item><item><title><![CDATA[CUDA 5.5 + VS2010环境配置]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/19500147</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/19500147</guid><author>RoyalVane</author><pubDate>Wed, 19 Feb 2014 19:59:26 +0800</pubDate><description><![CDATA[因为要使用到GPU的编程，这两天一直在研究关于CUDA与VS2010环境的配置问题。有一篇博文写的非常详尽，先推荐大家看一看：
http://www.cnblogs.com/xing901022/p/3248469.html



这篇文章和我用到的一样是CUDA5.5的库，以及VS2010开发环境，所以很有借鉴意义。但是其中还是有一些地方弄不太明白，自己摸索了一下弄懂了，所以写一写记录]]></description><category></category></item><item><title><![CDATA[static extern 以及 extern "c"]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/19417705</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/19417705</guid><author>RoyalVane</author><pubDate>Tue, 18 Feb 2014 17:57:54 +0800</pubDate><description><![CDATA[一、static关键字

（1）在C语言中，static可以用来修饰局部变量，全局变量以及函数。在不同的情况下static的作用不尽相同。

     一般情况下，对于局部变量是存放在栈区的，并且局部变量的生命周期在该语句块执行结束时便结束了。但是如果用static进行修饰的话，该变量便存放在静态数据区，其生命周期一直持续到整个程序执行结束。但是在这里要注意的是，虽然用static对局部变]]></description><category></category></item><item><title><![CDATA[windows下 Sparse Bundle Adjustment 编译问题]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/8125388</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/8125388</guid><author>RoyalVane</author><pubDate>Mon, 29 Oct 2012 18:23:43 +0800</pubDate><description><![CDATA[windows下 Sparse Bundle Adjustment 编译问题
        
        很多论文中提到了利用Bundle Adjustment进行优化的问题。开始准备自己编写一个，可惜水平有限，一直在搁浅当中。不过好在存在一种开源软件叫做Sba，即Sparse Bundle Adjustment可以供使用，省去了不少功夫。
        可是，把文件包下载来后，ma]]></description><category></category></item><item><title><![CDATA[成就人生的十只魔戒]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/7637843</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/7637843</guid><author>RoyalVane</author><pubDate>Wed, 06 Jun 2012 13:44:04 +0800</pubDate><description><![CDATA[成就人生的十只魔戒
　　第1只魔戒：习惯
　　第一条箴言：习惯仿佛像一根缆绳，我们每天给它缠上一股新索，要不了多久，它就会变得牢不可破。
　　第二条箴言：人类所有优点都要变成习惯才有价值，即使爱这样一个永恒的主题，你也必须通过不断的修炼，变成你的习惯，才真正会化为你的行动。
　　第三条箴言：很多好的观念、原则，我们知道是一回事，但知道了是否能做到是另一码事。这中间必须架起一座桥，这桥便是习]]></description><category></category></item><item><title><![CDATA[OpenCV中与matlab中相对应的函数]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/7613009</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/7613009</guid><author>RoyalVane</author><pubDate>Tue, 29 May 2012 15:36:23 +0800</pubDate><description><![CDATA[OpenCV中与matlab中相对应的函数
 

http://blog.youkuaiyun.com/fengbingchun/archive/2010/09/13/5880453.aspx


1、matlab中的imread相当于OpenCV中的cvLoadImage(imageName,  CV_LOAD_IAMGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR)：读]]></description><category></category></item><item><title><![CDATA[opencv 矩阵操作]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/7572784</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/7572784</guid><author>RoyalVane</author><pubDate>Wed, 16 May 2012 15:22:20 +0800</pubDate><description><![CDATA[OpenCV 矩阵操作 CvMat
转自：http://hi.baidu.com/xiaoduo170/blog/item/10fe5e3f0fd252e455e72380.html
每回用矩阵都要查，这回查到一个比较正确齐全的，放在自己的博客上以后可查







综述:

OpenCV有针对矩阵操作的C语言函数. 许多其他方法提供了更加方便的C++接口，其效率与Ope]]></description><category></category></item><item><title><![CDATA[windows linux双系统引导备份与恢复]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/7333691</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/7333691</guid><author>RoyalVane</author><pubDate>Thu, 08 Mar 2012 17:24:45 +0800</pubDate><description><![CDATA[windows linux双系统引导备份与恢复 

 
 
1.先安装Windows后再在另一个分区安装Linux,那么一般可以实现双系统启动.

2.先安装Linux再安装Windows,那么Windows会把Linux的启动破坏掉,要用Grub修复才能实现双系统的启动. 
3.不管现在是什么分区,在安装过程中你选择在哪个分区安装,那么就会把那个分区格式化成所安装系统的文件格式,w]]></description><category></category></item><item><title><![CDATA[Matlab “Out of memory”解决办法]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6935468</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6935468</guid><author>RoyalVane</author><pubDate>Fri, 04 Nov 2011 14:22:40 +0800</pubDate><description><![CDATA[最近有读者在使用Matlab过程中遇到了"out of memory"的问题。在matlab中此类问题非常常见，我也遇到过很多。一般来说，使用的矩阵的维数一旦过万，我就会双手合十，祈祷上苍，保佑我的内存赢得最终胜利。在网上也有很多介绍防止这类问题的帖子或文章，我也试过很多，有的还行，有的貌似没啥用。此篇博客只是总结总结个人的经验而已，希望对大家有所帮助。
 
解决办法 1：打开计算机的3GB开]]></description><category></category></item><item><title><![CDATA[降维方法：PCA & Spectral Clustering]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6864271</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6864271</guid><author>RoyalVane</author><pubDate>Tue, 11 Oct 2011 22:22:33 +0800</pubDate><description><![CDATA[PCA降维与Spectral Clustering（普聚类）降维有很多的共同之处。因此一起写个备忘。
 
        设原始矩阵为A，假设为64*64。PCA需要生成的关系矩阵为协方差矩阵，设为B，同样为64*64。生成矩阵B的特征向量及特征值。将特征值由大到小排序。取最]]></description><category></category></item><item><title><![CDATA[Transform Coding]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6864169</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6864169</guid><author>RoyalVane</author><pubDate>Tue, 11 Oct 2011 22:00:17 +0800</pubDate><description><![CDATA[Transform Coding（TC）是一种很流行的压缩编码的方式。今天才算完全弄明白。写个备忘录^_^

 
设一个图像原始VLAD矩阵（uncompressed matrix）A为64*64维。经过PCA降维以后为1*64，设为矩阵B。注意到B是经过PCA降维后得到的]]></description><category></category></item><item><title><![CDATA[Bag of features]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6649068</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6649068</guid><author>RoyalVane</author><pubDate>Tue, 02 Aug 2011 21:22:41 +0800</pubDate><description><![CDATA[matlab+VC 实现Bag of features       

 
        在实验室度过的时光果然比在家充实很多很多。这几天收获真的是很大。在此期间，我初步学习了一下用于图像检索的Bag of features（Bof）算法，并且编程实现了它。此算法的神奇之]]></description><category></category></item><item><title><![CDATA[Android-OpenCV]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6538443</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6538443</guid><author>RoyalVane</author><pubDate>Sat, 11 Jun 2011 18:52:00 +0800</pubDate><description><![CDATA[         Android-opencv是opencv在Android手机上的移植版。本人花了很多时间，终于在今天将OpenCV成功生成了.apk文件，在手机上运行成功。                  在网上看到很多有关于这方面的文章，但感觉有很多地方说的并不详细。写此文的目的也就在于详细的介绍Android-OpenCV从下载一直到生成.apk的步骤。         ]]></description><category></category></item><item><title><![CDATA[Android SDK Android NDK 官方下载地址]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6334519</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6334519</guid><author>RoyalVane</author><pubDate>Tue, 19 Apr 2011 21:19:00 +0800</pubDate><description><![CDATA[Android SDK Android NDK 官方下载地址Android SDK 3.0Windowshttp://dl.google.com/android/installer_r10-windows.exehttp://dl.google.com/android/android-sdk_r10-windows.zipMac OS X(intel)http://dl.google.com/android/android-sdk_r10-mac_x86.zipLinux(i386)http://dl.go]]></description><category></category></item><item><title><![CDATA[Android 平台搭建和Hello World]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/6287388</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/6287388</guid><author>RoyalVane</author><pubDate>Tue, 29 Mar 2011 22:51:00 +0800</pubDate><description><![CDATA[大家看下面的项目结构图示 : src里cn.wangmeng.test下有一个helloworld,他的名字就来自于我们新建项目的时候填写的Acivity name, 这个HelloWorld就继承自Activity(Android Framework里面最重要的一个类，详细信息可以参考 -> (Activity )， 我们简单地理解为它是一个UI的容器，直接跟用户打交道最前端的类。 还有一个R.java,这个类是系统根据res文件夹中的内容自动为你生成的，我们先讲一下res文件夹，res是resource]]></description><category></category></item><item><title><![CDATA[马遍历棋盘算法]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/5945583</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/5945583</guid><author>RoyalVane</author><pubDate>Sat, 16 Oct 2010 16:50:00 +0800</pubDate><description><![CDATA[贪心算法 马遍历棋盘]]></description><category></category></item><item><title><![CDATA[棋盘覆盖算法]]></title><link>https://blog.youkuaiyun.com/RoyalVane/article/details/5945102</link><guid>https://blog.youkuaiyun.com/RoyalVane/article/details/5945102</guid><author>RoyalVane</author><pubDate>Sat, 16 Oct 2010 11:53:00 +0800</pubDate><description><![CDATA[分治算法 棋盘覆盖算法 棋盘覆盖 ]]></description><category></category></item></channel></rss>