<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_46381421的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_46381421</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_46381421]]></copyright><item><title><![CDATA[Localizing Moments in Video with Natural Language论文笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/131171244</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/131171244</guid><author>m0_46381421</author><pubDate>Sun, 23 Jul 2023 16:10:06 +0800</pubDate><description><![CDATA[提出了Moment Context Network（MCN）有效地定位视频中的自然语言查询又提出了唯一识别对应时刻的文本描述的数据集DiDeMo。]]></description><category></category></item><item><title><![CDATA[Attentive Moment Retrieval in Videos论文笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/131214244</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/131214244</guid><author>m0_46381421</author><pubDate>Mon, 19 Jun 2023 11:21:09 +0800</pubDate><description><![CDATA[设计了一种记忆注意机制来强调查询中提到的视觉特征，并同时合并它们的上下文，在DiDeMo and TACoS两个数据集表现的比较好。]]></description><category></category></item><item><title><![CDATA[Cross-modal Moment Localization in Videos论文笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/131198327</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/131198327</guid><author>m0_46381421</author><pubDate>Wed, 14 Jun 2023 18:46:35 +0800</pubDate><description><![CDATA[一种称为“语言-时间注意力网络”的方法，该方法利用视频中的时间上下文信息学习单词的注意力。因此，我们的模型可以自动选择“听哪些单词”以定位所需的瞬间。以一个具有代表性的查询来说：一个摩天轮首先进入视野。之前的模型对于第一次这个特点体现的不够好，作者认为建立一个语言处理模型，对基于不同的视频上下文从查询中自适应地选择关键文本词至关重要。如图1所示作者提出了一个跨模态时刻定位网络（ROLE），它可以共同学习查询表示和时间段定位。]]></description><category></category></item><item><title><![CDATA[TALL论文笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/131155188</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/131155188</guid><author>m0_46381421</author><pubDate>Mon, 12 Jun 2023 16:08:15 +0800</pubDate><description><![CDATA[问题描述：通过语言来对未修剪视频中动作的时间定位当前的需要：适当的文本和视频表示的设计，以允许动作和语言查询的跨模态匹配能够从有限的尺寸的滑动窗口精确地定位动作所给定的特征。贡献：提出了一种新的跨模态时间回归定位器（CTRL），以联合建模候选剪辑的文本查询和视频剪辑、输出对齐分数和动作边界回归结果。]]></description><category></category></item><item><title><![CDATA[李沐多模态串讲笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/130737110</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/130737110</guid><author>m0_46381421</author><pubDate>Thu, 25 May 2023 17:12:52 +0800</pubDate><description><![CDATA[李沐精读论文视频多模态串讲笔记]]></description><category></category></item><item><title><![CDATA[ViLT论文精读笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/130716259</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/130716259</guid><author>m0_46381421</author><pubDate>Wed, 17 May 2023 18:15:48 +0800</pubDate><description><![CDATA[目前的VLP（Vision-and-Language Pre-training）方法严重依赖于图像特征提取过程，其中大部分涉及区域监督（如目标检测）和卷积体系结构（如ResNet）所以产生两个问题效率/速度方面：简单地提取输入特征比多模态融合需要更多的计算表达方面：当用预训练好的模型抽特征，这个模型大概率不是最优解，深度学习往往是端到端。ViLT改善了以上2个问题。]]></description><category></category></item><item><title><![CDATA[李沐读论文笔记--大模型时代下做科研的四个思路]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/130211423</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/130211423</guid><author>m0_46381421</author><pubDate>Tue, 18 Apr 2023 16:59:10 +0800</pubDate><description><![CDATA[大模型时代下做科研的四个思路]]></description><category></category></item><item><title><![CDATA[李宏毅《机器学习》Bert笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/129206332</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/129206332</guid><author>m0_46381421</author><pubDate>Fri, 24 Feb 2023 20:18:48 +0800</pubDate><description><![CDATA[Bert学习笔记和工作原理解释]]></description><category></category></item><item><title><![CDATA[Transformer学习笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/129187465</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/129187465</guid><author>m0_46381421</author><pubDate>Fri, 24 Feb 2023 14:30:09 +0800</pubDate><description><![CDATA[Transformer笔记]]></description><category></category></item><item><title><![CDATA[注意力机制，自注意力机制学习笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/129131840</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/129131840</guid><author>m0_46381421</author><pubDate>Tue, 21 Feb 2023 23:17:56 +0800</pubDate><description><![CDATA[注意力机制和自注意力机制中为什么要加入w^q^，w^k^，w^v^]]></description><category></category></item><item><title><![CDATA[RNN GRU模型 LSTM模型图解笔记]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/129111748</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/129111748</guid><author>m0_46381421</author><pubDate>Sun, 19 Feb 2023 17:44:25 +0800</pubDate><description><![CDATA[RNN GRU模型 LSTM模型图解笔记]]></description><category></category></item><item><title><![CDATA[算法高级部分--并查集：方块栈（POJ1988）]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/126920531</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/126920531</guid><author>m0_46381421</author><pubDate>Sun, 18 Sep 2022 19:08:48 +0800</pubDate><description><![CDATA[贝西正在玩游戏，方块编号为1～N（1]]></description><category></category></item><item><title><![CDATA[算法高级部分--并查集]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/126880740</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/126880740</guid><author>m0_46381421</author><pubDate>Fri, 16 Sep 2022 19:05:16 +0800</pubDate><description><![CDATA[对并查集的理解
主要用于解决一些**元素分组的问题**比如可以求图的连通分支数。它是管理一系列**不相交**的集合，并支持两种操作：
合并（Union）：把两个不相交的集合合并为一个集合。
查询（Find）：查询两个元素是否在同一个集合中。]]></description><category></category></item><item><title><![CDATA[算法高级部分--并查集：畅通工程]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/126767535</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/126767535</guid><author>m0_46381421</author><pubDate>Fri, 16 Sep 2022 19:03:56 +0800</pubDate><description><![CDATA[某省调查城镇交通状况，得到现有城镇道路统计表，表中列出了每条道路直接连通的城镇。省政府“畅通工程”的目标是使全省任何两个城镇间都可以实现交通（但不一定有直接的道路相连，只要互相间接通过道路可达即可）。问最少还需要建设多少条道路？ ]]></description><category></category></item><item><title><![CDATA[欧几里得算法证明，最小公倍数求法证明]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/126121857</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/126121857</guid><author>m0_46381421</author><pubDate>Thu, 04 Aug 2022 18:32:32 +0800</pubDate><description><![CDATA[欧几里得算法， 又名辗转相除法求最大公约数的一种方法。基于这个定理，用较大数除以较小数，再用出现的余数（第一余数）去例如：求 10 ，25的最大公约数：所以10，25的最大公约数为5。]]></description><category></category></item><item><title><![CDATA[算法不能盲目刷！！算法题组（持续更新）]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/126089301</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/126089301</guid><author>m0_46381421</author><pubDate>Sun, 31 Jul 2022 19:17:02 +0800</pubDate><description><![CDATA[辅导了几年的noip，自己平常也刷刷算法，最大的心得就是每一个算法的解法都是曾记无数个小题的集合，所以算法是不能盲目刷，最高效的方法就是按照专题学习，从0开始，查漏补缺，]]></description><category></category></item><item><title><![CDATA[算法题集：数学问题--数字黑洞（c/c++）]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/126056078</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/126056078</guid><author>m0_46381421</author><pubDate>Fri, 29 Jul 2022 15:56:48 +0800</pubDate><description><![CDATA[给定任一个各位数字不完全相同的4位正整数，如果我们先把4个数字按非递增排序，再按非递减排序，然后用第1个数字减第2个数字，将得到一个新的数字。一直重复这样做，我们很快会停在有“数字黑洞”之称的6174，这个神奇的数字也叫Kaprekar常数。例如，我们从6767开始，将得到……现给定任意4位正整数，请编写程序演示到达黑洞的过程。输入格式输入给出一个(0,10^​4)区间内的正整数N。输入样例16767输出样例1。...]]></description><category></category></item><item><title><![CDATA[算法刷题(c/c++)---字典树]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/125677046</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/125677046</guid><author>m0_46381421</author><pubDate>Sun, 17 Jul 2022 12:04:11 +0800</pubDate><description><![CDATA[在英语中，我们有一个叫做词根(root)的概念，可以词根后面添加其他一些词组成另一个较长的单词——我们称这个词为继承词(successor)。例如，词根an，跟随着单词other(其他)，可以形成新的单词another(另一个)。现在，给定一个由许多词根组成的词典dictionary和一个用空格分隔单词形成的句子sentence。你需要将句子中的所有继承词用词根替换掉。如果继承词有许多可以形成它的词根，则用最短的词根替换它。你需要输出替换之后的句子。示例1输入输出。...]]></description><category></category></item><item><title><![CDATA[原来我一点也不懂vector.size()]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/125678312</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/125678312</guid><author>m0_46381421</author><pubDate>Fri, 08 Jul 2022 16:00:04 +0800</pubDate><description><![CDATA[今天偶然写了某一个算法题,测试部分代码部分的时候发现一个对我来说很奇怪的"bug"比如下面这段代码
运行结果是：
当时我很懵逼啊，我寻思3怎么可能小于-9？接下来又换一个形式
这次就输出正常了(什么输出也没有)百思不得其解之后查资料，发现我一直以为vector.size()返回的是一个数没错，可这个数的类型是无符号整数
于是测试了下，果然如此
输出：
那么这里为什么当无符号数字0减去14之后会变成一个很大的数字呢，
学过计算机组成原理的同学应该知道，在计算机的运算当中，是没有减法的，只有加法，也即是说0-1]]></description><category></category></item><item><title><![CDATA[算法中阶练习---两个有序数组的中位数（leetcode肝了一天,上面的题解有瑕疵)]]></title><link>https://blog.youkuaiyun.com/m0_46381421/article/details/125546061</link><guid>https://blog.youkuaiyun.com/m0_46381421/article/details/125546061</guid><author>m0_46381421</author><pubDate>Wed, 06 Jul 2022 16:48:54 +0800</pubDate><description><![CDATA[给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数 。算法的时间复杂度应该为 O(log (m+n)) 。示例 1：输入：nums1 = [1,3], nums2 = [2]
输出：2.00000
解释：合并数组 = [1,2,3] ，中位数 2
示例 2：输入：nums1 = [1,2], nums2 = [3,4]
输出：2.50000
解释：合并数组 = [1,2,3,4] ，中位数 (2 + 3) / 2 = 2.5提示：num]]></description><category></category></item></channel></rss>