1LOVESJohnny-优快云博客

原创 CV | SCNN: Spatial CNN for Traffic Lane Detection 车道线检测算法SCNN“最全的”学习笔记

题外话：可能因为是节假日，所以这篇文章的标题非常的标题党哈哈哈哈哈~ 回归严肃，过去一段时间花了比较多的精力学习这个算法，所以想借此空闲时间，好好总结和复盘一下。感兴趣的朋友们，欢迎评论区讨论，如果有理解不对的地方也欢迎大家指正。前言车道线检测在自动驾驶感知任务中占据重要的一席，它可以辅助自动驾驶的车道保持，同时也可以为车辆定位等工作提供较强的先验信息。目前，常见的方法大抵...

2019-04-06 22:35:53 9050 39

原创随笔 | 写在二月的最后一天

又要使用这个经典的句式：时间转瞬即逝，转眼，二月已经来到了最后一天。回顾过去的一个月，说这个月转瞬即逝，也是有充分的理由的。真的感觉过去这一个月被不同的情绪敲碎、打散、融化。

2025-02-28 23:54:02 725

原创随笔 | 写在一月的最后一天

一月真是转瞬即逝，有点不舍得，有点吃惊，而不管怎么样，都得继续向前呢！再见，一月；你好，二月。我将怀抱着期许，出现，以及适时地全然放松，期待着二月~

2025-01-31 23:44:44 272

转眼又到了一年的末端。过去这一年，和前些年有些不同，变化巨大，感触良多。多到一时竟不知从何开始写。今天这篇随笔，因为时间有限，可能文法也会有些凌乱，就是想到哪里写到哪里，如果未来有机会，再做精细调整。2023年末，在经历了一些预料外的混乱后，我没有像往年一样，有一段独处的时间，好好回顾过去一年的收获，以及展望新的一年。2024年，在即将前往和朋友庆祝的旅途前，我想简单地梳理一下过去一年的收获，重拾一下往年的这个习惯。

2024-12-31 22:16:02 1263 2

原创 Linux | scp指令基于WSL在Windows/Ubuntu系统间传输文件

基于WSL在远程机器间传输文件。

2024-12-24 23:23:41 540

原创 HW | AMD GPU查看型号rocm-smi --showallinfo

在使用GPU进行AI模型训练或推理部署的时候，我们通常需要确认当前系统中的硬件信息，如GPU型号、GPU数量、GPU可用显存等等。在NVIDIA GPU上，指令nvidia-smi默认打印以上所有的常用信息。对应来说，AMD GPU中常用指令rocm-smi，打印信息中目前（2024年12月24日平安夜）还不包含GPU型号。待解决问题：如果希望查看当前系统中所配置的AMD GPU的型号，应该如何操作并将信息打印出来呢？

2024-12-24 22:59:03 952

原创 GNN | Basics of Protein and Protein Structure

The protein backbone refers to the main structural component of a protein molecule, excluding the side chains of the amino acids. It consists of a repeated sequence of the atoms along the peptide bond.

2024-11-17 01:27:28 474

原创 HW | AMD GPU上找不到rocm-smi指令 rocm-smi command not found

rocm-smi command not found

2024-11-03 01:50:14 1699 1

原创 HW | AMD GPU上 “nvidia-smi -lms” 的等价指令——MI300X实时查看GPU使用率

在AMD GPU上nvidia-smi的等价指令

2024-09-11 01:07:11 788

原创随笔 | 写在毕业后的第12天

在即将入职新公司、新职位之前，想好好总结过去这一年。不知道会写多少，也许日后会有些想要增加的内容，就再写几篇。

2024-08-01 04:52:43 324 1

原创 LeetCode｜230. Kth Smallest Element in a BST

目标是找第k个大小的数值，需要先遍历到最左边的节点，然后按照中序遍历递归。BST树的特色是：左子树 < 根节点 < 右子树。从最左子节点开始，每次新的递归k = k - 1。

2024-06-07 05:21:43 392

原创 LeetCode｜1302. Deepest Leaves Sum

一次AC ^ __________________________________ ^ 加油～出于想练习BFS，这题我用了广度优先的思路来做。这道题既可以用DFS也可以用BFS来解。

2024-06-07 04:42:41 364

原创 LeetCode｜2331. Evaluate Boolean Binary Tree

【代码】LeetCode｜2331. Evaluate Boolean Binary Tree。

2024-06-07 00:46:59 706

原创 LeetCode｜1379. Find a Corresponding Node of a Binary Tree in a Clone of That Tree

最主要的问题在于需要弄清楚python函数内局部变量和全局变量的传递关系。简单的二叉树遍历问题，仍然在熟悉python的语法。这道简单题写了很长时间，语法还是不太熟悉。

2024-06-07 00:14:33 482

原创 LeetCode｜938. Range Sum of BST

开启python刷题时代，主要也是为了面试。

2024-06-06 19:39:31 514

原创 LeetCode｜700. Search in Binary Search Tree

简单不考虑BST的特性，直接遍历全部二叉树的所有节点。当找到目标节点后，即直接返回。

2024-05-09 00:54:03 459

原创面试经验｜Arm机器学习和图形算法工程师——技术经理面

通常面试开始时，招聘经理会介绍组别情况，以及让资深工程师做自我介绍。接下来就会让候选人自我介绍，建议大家要根据职位调整一下自我介绍，凸显自己和目标职位的匹配程度。最后表达一下很荣幸参加这个面试，希望之后有机会和大家一块工作。

2024-04-25 05:35:49 930 3

原创 LeetCode｜501. Find Mode in Binary Search Tree

时隔若干年后，我又开始刷leetcode了，看看这次会刷多少。

2024-04-09 22:21:57 484 1

原创面试经验｜PlayStation全球交互娱乐组——技术经理面

面试经验第二贴，索尼旗下的PS英国组。自我介绍部分真是每个面试必做的事情，可以提前准备好，重点突出自己的经历和优势，以及适当引导面试官往比较匹配的项目经验上提问。

2024-04-07 00:40:49 930

原创面试经验｜创业公司CTO面和技术总监面

权重激活函数的输出（前向的结果）梯度这个的答案是最容易受精度影响的是权重，最好是用最高的数据精度表示权重。梯度的影响相对最小，因为每次求反向传播更新的权值会乘以学习率learning rate使得更新值更低。

2024-04-02 05:09:22 1371

原创随笔 | 写在28年一次周四的2月29日

最惊喜的事情是，在平稳地交完满意的作业后，我终于迈出上瑜伽课的一步。在感受完身体的拉伸和放松后，身体释放出快乐的要素，我就遇到了阳光、朋友们，和意外的午饭。经常被身边这群朋友们感动和教育，尽管我常常说长他们几岁，但实际上他们都在用实际行动教会我如何去爱，如何支持，如何信任，如何追求和平衡目标及状态。我看见的是希望，她对自己的希望，同时心态放松，悠闲地期待着。为了徒步旅行做准备，一个人骑车去迪卡侬，在回家的路上突然一阵强烈的伤感。印象中，一月的某天醒来，我突然有一种深深的释然，也惊奇于之前自己的沮丧。

2024-03-01 07:58:19 278

原创 CUDA | Writing and Compiling a CUDA Code (中英版)

CUDA is the extension of C++.

2024-01-31 23:48:59 646

原创随笔 | 写在年末冬日的夜里

原来设想的十二月，交完两个大作业的我，也许会是宅在家里看一个星期的圣诞电影；然而，万万没想到，以为一切都在预期中的轻松且专注的十二月，发生了意料之外的戏剧情节。言简意赅，游离恍神，清醒过来，接下来的这条路我要一个人走了。我们的问题一直非常明显，我向往天空、大海、辽阔的可能性，他需要稳定、确定性、以及物质的要求。无论是以什么样的方式，结束了这段关系，时至今日，我已经可以完全理解。现在，即使有阵痛，我也不知道这个阵痛会持续多久，我也满心期待。我都无法想象，如果没有你们，我究竟会体验如何的伤痛。

2023-12-30 04:10:42 1281

原创随笔 | 写在第一个学期中后，赶ddl两眼发黑，希望是黎明前的黑暗

如果有人问，英国的硕士一年水不水。我只想说：水的话，来试试吧！一句话总结过去三周的感受：度日如年。但也好久，没有这么酣畅淋漓地学习了。

2023-11-17 08:30:20 185

原创随笔 | 写在剑桥学习一个月的这一天

而这一句，不是轻而易举的言语，它需要我一步一个脚印，在完成一个个作业，在一次次打开自己，在一次次抚慰自己，然后继续往前走的这些时刻，给我自己鼓励和肯定。哪知道课程导师比我想象中的还要豁达，我们只聊了2分钟，然后他又展现出他迷人的洒脱的大大的微笑，跟我说：完全可以理解！工作中，我以为自己有很多不能控制的、选择的部分，是不是也可以放轻松一些，尽情顺应自己的想法去选择吧。窗外的风景让我想起《苔丝》的画面，一次次感觉四月末看的这部电影，也在给我什么安慰和力量。尽管屋内面积不大，对我来说，正好足够了。

2023-10-26 04:49:10 313

原创随笔 | 写在八月末的这一天

八月，拉开了序章。尽量整理和梳理好当前的工作，希望可以达成一个milestone。也因为正式提出要离开，收获了很多认可的同事的认可。超级感动。虽然反复提醒自己不要在意他人的评价，而信赖的合作过的同事的评价还是会给我很大的鼓励。记在这篇文章里，只希望日后怀疑自己的时候，可以打起精神来。虽然提出离开非常艰难，但还是很感动老板的关心和支持。同时，非常荣幸和这样的团队和公司，共同经历一次次的技术浪潮。好好告别，继续向前。

2023-09-01 00:04:04 155

原创随笔 | 写在七月末的这一天

这篇本应该是七月底写完，各种原因，在八月末才有时间完成。还是希望可以多记录呀~

2023-08-31 22:39:10 295

原创随笔 | 写在六月末的这一天

你好，七月。在我最喜欢的月份，祝愿他平安、顺利。

2023-06-30 22:35:50 275

原创随笔 | 写在五月末的这一天

又要用那个经典的开头：转眼，五月一瞬间就过去了。题外话：昨天一时兴起看了一部有点吓人的美剧，导致我昨天今天以来有点恍惚。看来还是不能因为一时冲动尝试自己不擅长的事情，尤其是看剧。题外话结束，进入月度碎碎念正题。

2023-05-31 23:59:33 501

原创随笔 | 如何准备奖学金面试

打招呼、介绍现状介绍highlight背景：2-3句话结束语。

2023-04-30 16:47:08 808

原创随笔 | 写在3月的最后一天

说来也巧，明天我又要启程去SH了。距离去年的长时间居家，已经过去了整整一年。晚上听着近期最爱的来都来了，正好听到去年同时期的一期节目。主播们一起哭，我的眼泪也不禁流下来。原来情绪都是正常的，因为我们的情绪弹簧功能正常。哭也不是软弱的表现。哭完，我们就来迎接新的一个月吧。另外，明天是我回归入职这家公司4周年。这四年，弹指一挥间。很幸运见证了它的一次次震撼。继续加油呀~他刚才跟我说，SH的樱花开的很美。再见，三月；你好，四月。

2023-03-31 22:56:09 443

原创 Package | 解决 graphviz.backend.execute.ExecutableNotFound: failed to execute PosixPath(‘dot‘)

graphviz.backend.execute.ExecutableNotFound: failed to execute PosixPath('dot'), make sure the Graphviz executables are on your systems' PATH

2023-01-31 23:15:48 3875 4

原创 Package | 解决 RuntimeError: Numpy is not available. Failed to initialize NumPy against version 0xf

UserWarning: Failed to initialize NumPy: module compiled against API version 0xf but this version of numpy is 0xd (Triggered internally at /opt/pytorch/pytorch/torch/csrc/utils/tensor_numpy.cpp:68.)

2022-11-02 16:16:26 17474 4

原创随笔 | 写在十一月的第一天

整个十月没有如愿输出技术文章，在十一月的第一天，简单回顾一下过去的十月。

2022-11-01 23:55:55 279

原创随笔 | 写在九月末的这一天

这个月又没来得及更新技术博客，时间走的越来越快了呢（bushi（是的，对于第三个关键词完全没有自责的意思。（（bushi。

2022-09-30 23:57:09 543

原创 Package | 解决Could NOT find GLEW (missing: GLEW_INCLUDE_DIRS GLEW_LIBRARIES)

实验环境：Ubuntu 18.04+Docker container，出现GLEW报错信息如Could NOT find GLEW (missing: GLEW_INCLUDE_DIRS GLEW_LIBRARIES)。

2022-08-31 14:25:46 5270 1

原创 Package | 解决 module ‘cv2‘ has no attribute ‘gapi_wip_gst_GStreamerPipeline‘

由于这个问题出现了两回，决定记录一下。实验背景是使用opencv python库进行数据预处理，遇到报错信息如下：“import cv2”

2022-08-22 15:19:39 45197 13

原创随笔 | 写在七月末的这一天

这个月过的太快，快到都来不及写技术博客（bushi。在月末快要过去之前，还是照常打开了博客。想着唠叨几句，试图记录些什么。

2022-07-31 23:49:44 223

原创 LeetCode | 876. Middle of the Linked List

Given the head of a singly linked list, return the middle node of the linked list.If there are two middle nodes, return the second middle node.Input: head = [1,2,3,4,5]Output: [3,4,5]Explanation: The middle node of the list is node 3.Input: head = [1,2,3

2022-06-30 23:54:46 230

原创 LeetCode | 784. Letter Case Permutation

Given a string s, you can transform every letter individually to be lowercase or uppercase to create another string.Return a list of all possible strings we could create. Return the output in any order.Input: s = “a1b2”Output: [“a1b2”,“a1B2”,“A1b2”,“A1B2”

2022-06-30 23:42:45 184

一天搞懂深度学习

一天搞懂深度学习，是李宏毅教授的讲义PPT，对于初学深度学习的人来说，是很好的入门文档。希望对大家有帮助。

2017-01-19

Semantic Co-segmentation in Videos

Discovering and segmenting objects in videos is a challenging task due to large variations of objects in appearances, deformed shapes and cluttered backgrounds. In this paper, we propose to segment objects and understand their visual semantics from a collection of videos that link to each other, which we refer to as semantic co-segmentation. Without any prior knowledge on videos, we rst extract semantic objects and utilize a tracking-based approach to generate multiple object-like tracklets across the video. Each tracklet maintains temporally connected segments and is associated with a predicted category. To exploit rich information from other videos, we collect tracklets that are assigned to the same category from all videos, and co-select tracklets that belong to true objects by solving a submodular function. This function accounts for object properties such as appearances, shapes and motions, and hence facilitates the co-segmentation process. Experiments on three video object segmentation datasets show that the proposed algorithm performs favorably against the other state-of-the-art methods.

2017-01-05

Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials

Most state-of-the-art techniques for multi-class image segmentation and labeling use conditional random fields defined over pixels or image regions. While regionlevel models often feature dense pairwise connectivity, pixel-level models are considerably larger and have only permitted sparse graph structures. In this paper, we consider fully connected CRF models defined on the complete set of pixels in an image. The resulting graphs have billions of edges, making traditional inference algorithms impractical. Our main contribution is a highly efficient approximate inference algorithm for fully connected CRF models in which the pairwise edge potentials are defined by a linear combination of Gaussian kernels. Our experiments demonstrate that dense connectivity at the pixel level substantially improves segmentation and labeling accuracy.

2017-01-02

Feature Space Optimization for Semantic Video Segmentation

We present an approach to long-range spatio-temporal regularization in semantic video segmentation. Temporal regularization in video is challenging because both the camera and the scene may be in motion. Thus Euclidean distance in the space-time volume is not a good proxy for correspondence. We optimize the mapping of pixels to a Euclidean feature space so as to minimize distances between corresponding points. Structured prediction is performed by a dense CRF that operates on the optimized features. Experimental results demonstrate that the presented approach increases the accuracy and temporal consistency of semantic video segmentation.

2017-01-02

An Experimental Comparison of Min-Cut/Max-Flow Algorithms

最大流/最小割算法的简介，理解常用最大流最小割概念的文献，值得学习。 minimum cut/maximum flow algorithms on graphs emerged as an increasingly useful tool for exact or approximate energy minimization in low-level vision. The combinatorial optimization literature provides many min-cut/max-flow algorithms with different polynomial time complexity. Their practical efficiency, however, has to date been studied mainly outside the scope of computer vision. The goal of this paper is to provide an experimental comparison of the efficiency of min-cut/max flow algorithms for applications in vision. We compare the running times of several standard algorithms, as well as a new algorithm that we have recently developed. The algorithms we study include both Goldberg-Tarjan style “push-relabel” methods and algorithms based on Ford- Fulkerson style “augmenting paths.” We benchmark these algorithms on a number of typical graphs in the contexts of image restoration, stereo, and segmentation. In many cases, our new algorithm works several times faster than any of the other methods, making near real-time performance possible. An implementation of our max-flow/min-cut algorithm is available upon request for research purposes.

2016-08-24

Object Recognition with Color Cooccurrence Histograms

We use the color cooccurrence histogram (CH) for recognizing objects in images. The color CH keeps track of the number of pairs of certain colored pixels that occur at certain separation distances in image space. The color CH adds geometric information to the normal color histogram, which abstracts away all geometry. We compute model CHs based on images of known objects taken from different points of view. These model CHs are then matched to subregions in test images to find the object. By adjusting the number of colors and the number of distances used in the CH, we can adjust the tolerance of the algorithm to changes in lighting, viewpoint, and the flexibility of the object. We develop a mathematical model of the algorithm’s false alarm probability and use this as a principled way of picking most of the algorithm’s adjustable parameters. We demonstrate our algorithm on different objects, showing that it recognize objects in spite of confusing background clutter, partial occlusions, and flexing of the object.

2016-07-21

(matlab) Seam_Carving

Shai Avidan Mitsubishi Electric Research Labs, SeamCarving for Content-Aware Image Resizing, 2007 源码资料；图像智能缩放的经典算法；值得学习。

2016-07-15

Robust Image Retargeting via Axis

图像智能缩放（Image Retargeting）方向的优秀文章！值得学习！

2016-07-14

Seam Carving for Content-Aware Image Resizing

传统的等比例缩放技术，直接将图像整体缩放为目标尺寸，这样做通常会破坏图像内容的比例关系，因为会出现目标长宽比与源图像长宽比不一的情况，图像内容因此会受到损失，另一方面如果目标尺寸较小而源图像的重要信息区域占整幅图像比例不大的情况下进行等比例缩放的结果是，图像信息同样会损失严重。图像智能缩放算法不同于传统的缩放技术，该算法根据图像内容的分析得出图像重要信息的分布情况，然后尽可能保留重要信息的同时，对图像进行连续且单调的像素路径的移除或插入操作，最后在保证图像矩形格式不变的前提下，缩放生成满足目标图像尺寸。

2016-07-14

达拉然的守护

任务为了帮助萧邦顺利通过跨省冒险，助华尔兹反败为胜，大家要去捡尽可能多的粮草，你可以上下左右四种方式行走，找到粮食便可以捡起，最后上报你能拿到的粮食的最大数量。由于阿尔塞斯的粮仓诡异莫测，你会被传送到粮仓的任意一个地方。输入阿尔塞斯有多个粮仓，所以输入数据有多组，每一组数据先输入两个数字，分别代表粮仓的长x和宽y（没有greedisgood指令，所以资源有限，x和y<=2000）然后输入相应大小的粮仓构造，由y行x列组成。当x和y都为0的时候输入结束。其中：“.”代表是粮食，“#”代表是防护网（意味着你不可以跨越），“@”代表你被传送的位置（传送到的位置上面有粮食）公开的第一个用例即是格式。可以自行理解。输出在你被传送到的位置上，可以捡到的最大粮食数量。

2013-04-02

堆排序代码

实验要求：用堆排序算法按关键字递减的顺序排序。程序输入：待排序记录数（整数）和待排序记录（整数序列）；程序输出：建堆结果和建堆后第一、第二次筛选结果。（注：待排序记录数大于等于3）

2013-01-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人