<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Wu234321的博客]]></title><description><![CDATA[入门深度学习，不断进步，不断分享~]]></description><link>https://blog.youkuaiyun.com/Wu234321</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Wu234321]]></copyright><item><title><![CDATA[1.OAG（本体增强生成）技术研究学习笔记]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/158688534</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/158688534</guid><author>Wu234321</author><pubDate>Mon, 09 Mar 2026 22:50:27 +0800</pubDate><description><![CDATA[OAG（本体增强生成）技术通过构建企业专属业务本体，将大语言模型升级为具备业务理解与执行能力的智能伙伴。相比RAG（检索增强生成）的文档检索模式，OAG能解析业务实体关系，实现多步推理和闭环操作，在制造、供应链等复杂场景中展现出决策优势。其核心在于将业务要素（对象、关系、逻辑、行动）数字化建模，形成可计算的语义网络。当前OAG已进入产业应用阶段，但仍面临本体构建复杂、系统集成困难等挑战。未来趋势包括RAG/OAG融合、智能化本体构建及垂直领域深化应用，标志着企业AI从信息获取向业务驱动的范式跃迁。]]></description><category></category></item><item><title><![CDATA[2.Agent架构的必备基础设施——上下文管理机制研究学习笔记]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/158688760</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/158688760</guid><author>Wu234321</author><pubDate>Thu, 05 Mar 2026 09:31:18 +0800</pubDate><description><![CDATA[本文从上下文的基本概念出发，深入探讨了上下文窗口限制、上下文管理策略（包括截断、压缩、摘要、缓存、检索增强等）、长上下文技术的影响，以及上下文管理与RAG/OAG等技术的协同关系。它通过对输入给模型的信息进行选择、组织、压缩和更新，确保模型在有限的上下文窗口内，始终拥有最相关、最必要的信息，从而实现高质量、连贯的交互。可以预见，随着模型能力的持续增强和应用场景的不断拓展，上下文管理将成为AI基础设施的核心组成部分——如同数据库之于传统应用，上下文管理系统将成为智能应用的“记忆中枢”。]]></description><category></category></item><item><title><![CDATA[为什么工程上更喜欢用滤波类而不是深度学习类进行目标跟踪]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/126659068</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/126659068</guid><author>Wu234321</author><pubDate>Fri, 02 Sep 2022 11:25:25 +0800</pubDate><description><![CDATA[为什么工程上更喜欢用滤波类而不是深度学习类进行目标跟踪]]></description><category></category></item><item><title><![CDATA[关于数据融合的一些小概念]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/126562227</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/126562227</guid><author>Wu234321</author><pubDate>Sat, 27 Aug 2022 20:44:56 +0800</pubDate><description><![CDATA[关于数据融合的一些小概念（自学）]]></description><category></category></item><item><title><![CDATA[目标检测一些相关知识（持续更新ing）]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/122346615</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/122346615</guid><author>Wu234321</author><pubDate>Thu, 06 Jan 2022 16:21:16 +0800</pubDate><description><![CDATA[一、常用的一些卷积神经网络有：AlexNet, VGGNet, GoogLeNet, ResNet、LeNet5。
1. AlexNet

2.VGGNet

3.GoogLeNet

4.ResNet

5.LeNet5

二、常用的区域搜索方法
RCNN使用的是选择性搜索算法。
选择性搜索算法用于为物体检测算法提供候选区域，它速度快，召回率高。
选择性搜索算法需要先使用《Efficient Graph-Based Image Segmentation》论文里的方法产生初始的分割区域，然后使用相似度计算方]]></description><category></category></item><item><title><![CDATA[目标跟踪一些算法思想]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/122334407</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/122334407</guid><author>Wu234321</author><pubDate>Wed, 05 Jan 2022 23:38:50 +0800</pubDate><description><![CDATA[meanshift目标跟踪
在第一帧中给定目标框，在第二帧中依旧选择这个目标框，计算两个的相似度，进而推断出目标的偏移量，进而得到第二帧中的目标位置。
进行相似性度量是通过计算目标模型和候选模型之间的相似程度,例如两个向量之间做点乘，和是否满足要求。
k = sum(sqrt(p.*q))
meanshift是固定窗口的。

...]]></description><category></category></item><item><title><![CDATA[目标跟踪一些常用的评价指标（持续更新ing）]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/122320769</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/122320769</guid><author>Wu234321</author><pubDate>Wed, 05 Jan 2022 12:20:48 +0800</pubDate><description><![CDATA[目标跟踪常用评价指标]]></description><category></category></item><item><title><![CDATA[面试常考题]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/121285354</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/121285354</guid><author>Wu234321</author><pubDate>Fri, 12 Nov 2021 11:59:50 +0800</pubDate><description><![CDATA[1. Http和Https的区别（面试常考题）
一、Http和Https的基本概念
Http：超文本传输协议（Http，HyperText Transfer Protocol)是互联网上应用最为广泛的一种网络协议。设计Http最初的目的是为了提供一种发布和接收HTML页面的方法。它可以使浏览器更加高效。Http协议是以明文方式发送信息的，如果黑客截取了Web浏览器和服务器之间的传输报文，就可以直接获得其中的信息。
Https：是以安全为目标的Http通道，是Http的安全版。Https的安全基础是SSL。S]]></description><category></category></item><item><title><![CDATA[Semantic-Segmentation-Editor 标注工具 localhost:3000无法访问]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/120563601</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/120563601</guid><author>Wu234321</author><pubDate>Thu, 30 Sep 2021 11:24:11 +0800</pubDate><description><![CDATA[iis和ipv6有问题
可参考：
https://blog.youkuaiyun.com/ambertian/article/details/70238020
https://www.cnblogs.com/rulasann/p/9442420.html


]]></description><category></category></item><item><title><![CDATA[关于使用open3d进行点云一系列操作的一些方法]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/120561033</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/120561033</guid><author>Wu234321</author><pubDate>Thu, 30 Sep 2021 09:52:57 +0800</pubDate><description><![CDATA[关于使用open3d进行点云一系列操作的一些方法

rgb+depth =pcl

import open3d as o3d
import os
import pcl

color = '1.jpg'
depth = '1.png'
color_raw = o3d.io.read_image(color)
depth_raw = o3d.io.read_image(depth)
rgbd_image = o3d.geometry.RGBDImage.create_from_color_and_depth(c]]></description><category></category></item><item><title><![CDATA[python如何输出相同位数的字符串]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/120495992</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/120495992</guid><author>Wu234321</author><pubDate>Sun, 26 Sep 2021 20:05:55 +0800</pubDate><description><![CDATA[python如何输出相同位数的字符串

zfill

for i in range(1,5):
	print(str(i).zfill(4))

输出：0001,0002,0003,0004

%

b=66
print('%09d'%b)  #保留九位不够前面补零
print('%9d'%b)   #保留九位不够补空格



format

print(format(1.23456, '.2f')) 
print(format(1.23456, '.3f'))
print(format(1.23456, ]]></description><category></category></item><item><title><![CDATA[解决Matlab 在ubuntu中分辨率过小的问题]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/120495792</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/120495792</guid><author>Wu234321</author><pubDate>Sun, 26 Sep 2021 19:54:23 +0800</pubDate><description><![CDATA[解决Matlab 在ubuntu中分辨率过小的问题
打开matlab, 输入：
s = settings;s.matlab.desktop.DisplayScaleFactor;
s.matlab.desktop.DisplayScaleFactor.PersonalValue = 1.7

然后重启matlab
参考博文：https://blog.youkuaiyun.com/zwhut/article/details/79779174

...]]></description><category></category></item><item><title><![CDATA[modelnet40_ply_hdf5_2048下载]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/120495570</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/120495570</guid><author>Wu234321</author><pubDate>Sun, 26 Sep 2021 19:49:20 +0800</pubDate><description><![CDATA[modelnet40_ply_hdf5_2048下载
欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全新的界面设计 ，将会带来全新的写作体验；
在创作中心设置你喜爱的代码高亮样式，Markdown]]></description><category></category></item><item><title><![CDATA[基于DCF的跟踪算法综述]]></title><link>https://blog.youkuaiyun.com/Wu234321/article/details/116977200</link><guid>https://blog.youkuaiyun.com/Wu234321/article/details/116977200</guid><author>Wu234321</author><pubDate>Tue, 18 May 2021 10:00:22 +0800</pubDate><description><![CDATA[基于DCF的跟踪算法综述
1. SRDCF(2015,ICCV,Martin Danelljan)
a.问题：
DCF方法利用训练样本的周期假设在目标领域训练分类器，解决了缺少训练数据的问题，但是引入了边界效应，降低了跟踪模型的质量
b.贡献:
引入了“spatial regularization component"，利用其空间位置来惩罚相关滤波器的系数
c.优化方法：
基于迭代高斯赛德尔
2.ATOM(2019,CVPR,Martin Danelljan)
a.问题：
自2018VOT，tracking]]></description><category></category></item></channel></rss>