<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[老年人的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Siamese_Cats</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Siamese_Cats]]></copyright><item><title><![CDATA[Self-Supervised Learning for Image Segmentation: A Comprehensive Survey论文精讲]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154680656</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154680656</guid><author>Siamese_Cats</author><pubDate>Tue, 11 Nov 2025 11:35:31 +0800</pubDate><description><![CDATA[本文综述了自监督学习在图像分割领域的应用现状与发展方向。首先分析了传统分割方法、监督学习和自监督学习三种范式的特点，指出自监督学习能利用无标记数据学习有用表示的优势。文章系统梳理了自监督学习的三大前置任务方法：预测方法（如拼图游戏）、生成方法（如图像修复）和对比方法（如SimCLR）。针对图像分割任务，特别讨论了新兴的像素级对比学习技术。最后总结了当前面临的挑战，包括标注数据依赖性强、目标设计困难等问题，并提出了整合语义信息、开发领域自适应等未来研究方向。该综述为自监督学习在图像分割领域的应用提供了系统的技]]></description><category></category></item><item><title><![CDATA[图像自监督大模型系列：BYOL论文精读]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154393765</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154393765</guid><author>Siamese_Cats</author><pubDate>Wed, 05 Nov 2025 17:37:12 +0800</pubDate><description><![CDATA[BYOL提出了一种无需负样本的自监督学习方法，通过双网络交互和EMA更新机制实现了稳定训练。该方法使用online和target两个神经网络，其中online网络包含编码器、投影头和预测器，target网络通过滑动平均更新参数。BYOL在ImageNet线性评估、半监督学习和迁移任务中均超越现有对比学习方法，挑战了&quot;负样本必要&quot;的传统认知，为自监督学习提供了更简洁鲁棒的框架。实验表明，BYOL在ResNet-50上达到74.3%的top-1准确率，在迁移学习中表现优异。]]></description><category></category></item><item><title><![CDATA[图像自监督大模型系列：DINO v1v2v3系列论文精读]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154383300</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154383300</guid><author>Siamese_Cats</author><pubDate>Wed, 05 Nov 2025 17:36:54 +0800</pubDate><description><![CDATA[《Emerging Properties in Self-Supervised Vision Transformers》提出了一种无需标签的自蒸馏方法DINO，采用ViT或CNN作为主干网络，通过局部-全局视图对比和动量更新策略进行自监督学习。创新性地引入锐化与中心化操作防止模型坍缩，使ViT在自监督下展现出优于监督学习的特性，如在图像边界识别和k-NN分类上的优异表现。相比DINOv1，DINOv2进一步优化训练方案、扩大模型规模并引入大规模数据集LVD-142M，通过自动化数据处理管道和知识蒸馏提升特征]]></description><category></category></item><item><title><![CDATA[图像自监督大模型系列：SwAV论文精读]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154358803</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154358803</guid><author>Siamese_Cats</author><pubDate>Tue, 04 Nov 2025 16:13:19 +0800</pubDate><description><![CDATA[作者提出SwAV，一种基于在线聚类的自监督视觉表征学习方法。不同于传统对比学习依赖大量负样本或复杂存储结构，SwAV通过交换不同视图的聚类分配实现特征学习。核心创新包括：(1)将图像视图映射到可训练原型向量进行在线聚类；(2)引入Sinkhorn-Knopp算法实现均匀分配；(3)通过&quot;交换预测&quot;机制优化特征。实验表明，在ImageNet分类任务上，SwAV仅需较小批量(200)即可达到76.5% top-1准确率，效率显著优于SimCLR和MoCo。消融实验验证了动量系数0.999的最]]></description><category></category></item><item><title><![CDATA[图像自监督大模型系列：SimCLR系列论文精读]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154351399</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154351399</guid><author>Siamese_Cats</author><pubDate>Tue, 04 Nov 2025 08:44:03 +0800</pubDate><description><![CDATA[论文提出了一种简单而有效的视觉表征对比学习框架SimCLR。该模型通过数据增强生成正负样本对，使用ResNet作为编码器，并结合两层MLP投影头映射到对比空间。关键创新包括数据增强组合（随机裁剪+颜色扰动）和投影头的设计，发现投影空间更适合对比学习而表征层更适合下游任务。实验表明，SimCLR在不依赖复杂架构的情况下，首次实现了无监督学习性能与监督学习相当。]]></description><category></category></item><item><title><![CDATA[图像自监督大模型系列：MoCo系列论文精读]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154347738</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154347738</guid><author>Siamese_Cats</author><pubDate>Mon, 03 Nov 2025 15:24:06 +0800</pubDate><description><![CDATA[摘要： 论文《Momentum Contrast for Unsupervised Visual Representation Learning》（CVPR 2020）提出了一种基于对比学习的无监督视觉表征方法MoCo，通过构建动态字典解决图像无监督学习中的两大挑战：字典规模受限和编码器一致性维护。MoCo引入队列机制存储历史样本作为字典，分离字典大小与batch限制，并采用动量更新（动量系数0.999）缓慢同步查询（query）与键（key）编码器的参数，确保特征一致性。实验表明，MoCo在ImageNe]]></description><category></category></item><item><title><![CDATA[力扣每日一题：1578.使绳子变成彩色的最短时间]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154346817</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/154346817</guid><author>Siamese_Cats</author><pubDate>Mon, 03 Nov 2025 13:41:29 +0800</pubDate><description><![CDATA[算是中等题中的简单题，是很容易想到用贪心思路的，随后只要能够考虑到双指针来处理多相同气球就好。]]></description><category></category></item><item><title><![CDATA[用scrapy在bilibili爬取热门视频的相关信息]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/104425811</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/104425811</guid><author>Siamese_Cats</author><pubDate>Fri, 21 Feb 2020 14:12:10 +0800</pubDate><description><![CDATA[在bilibili爬取热门视频的相关信息
第一步首先明确目标
在item文件中写入
class BilibiliItem(scrapy.Item):
    #明确目标
    name = scrapy.Field() # 视频名称
    like = scrapy.Field() # 点赞
    coin = scrapy.Field() # 投币数
    shoucang = scra...]]></description><category></category></item><item><title><![CDATA[关于Mongodb的安装和Scrapy连接MongoDB]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/104250675</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/104250675</guid><author>Siamese_Cats</author><pubDate>Mon, 10 Feb 2020 17:35:26 +0800</pubDate><description><![CDATA[关于Mongodb的安装和Scrapy连接MongoDB
关于Mongodb的安装
1.在window下安装访问网址https://www.mongodb.com/download-center/community

选择版本，根据系统32位或64位下载.msi文件
2.选择custom自定义安装目录

3.MongoDB Compass是一个图形界面管理工具，我们可以在后面自己到官网下载安装，这...]]></description><category></category></item><item><title><![CDATA[scrapy框架下实现用户代理的随机更换功能]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/104239526</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/104239526</guid><author>Siamese_Cats</author><pubDate>Mon, 10 Feb 2020 00:52:41 +0800</pubDate><description><![CDATA[scrapy框架下实现用户代理的随机更换功能用户代理为什么需要用户代理在middlewares.py中实现用户代理的随机更换功能
用户代理
User Agent，简称UA，它是一个特殊字符串头，一些网站常常通过判断 UA 来给不同的操作系统、不同的浏览器发送不同的页面，因此可能造成某些页面无法在某个浏览器中正常显示，但通过伪装 UA 可以绕过检测。
为什么需要用户代理
我们在爬虫中常常会遇到这种情...]]></description><category></category></item><item><title><![CDATA[对MySQL的学习笔记]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/103333355</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/103333355</guid><author>Siamese_Cats</author><pubDate>Sun, 01 Dec 2019 13:35:28 +0800</pubDate><description><![CDATA[对于MySQL的学习笔记
一.是什么
1.MySQL 是最流行的关系型数据库管理系统，在 WEB 应用方面 MySQL 是最好的 RDBMS(Relational Database Management System：关系数据库管理系统)应用软件之一。
2.数据库（Database）是按照数据结构来组织、存储和管理数据的仓库。
3.数据以表格形式出现，然后由许多行和列构成表单
二.为什么
储存数据...]]></description><category></category></item><item><title><![CDATA[MySQL的安装]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/103332246</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/103332246</guid><author>Siamese_Cats</author><pubDate>Sun, 01 Dec 2019 11:19:42 +0800</pubDate><description><![CDATA[关于MySQL的安装步骤
第一步
在网上找资源，根据求稳不求新原则，选择安装5.几的版本即可。我选择安装的是5.5.62版本的。
第二步
点击下载的安装包。
第三步
开始安装
打开安装包后显示如下图，等待了几秒

在勾选accept后点击next
按照如下图选择
依次点击MySQL Servers， MySQL Serve，选择64x后带点击右箭头，仅选择MySQL Server和Client P...]]></description><category></category></item><item><title><![CDATA[关于HDCP的一些个人理解]]></title><link>https://blog.youkuaiyun.com/Siamese_Cats/article/details/102985397</link><guid>https://blog.youkuaiyun.com/Siamese_Cats/article/details/102985397</guid><author>Siamese_Cats</author><pubDate>Sat, 09 Nov 2019 22:24:38 +0800</pubDate><description><![CDATA[HDCP的基本定义与发展历程
基本定义
HDCP，中文名是高带宽数字内容保护技术，外文名是high bandwidth digital content protection，该技术是由技术是由好莱坞与半导体界巨人Intel合作开发，保护未经压缩的数字音视频内容，所属电子信息技术领域。
发展历程
DVD区域识别码
为了保护版权，并防止利益损失，人们最先开发了DVD区域识别码，区域码就是将全球分为6个...]]></description><category></category></item></channel></rss>