- 博客(27)
- 收藏
- 关注
RSS订阅
原创 AAAI 2021最佳论文 Informer
AAAI 2021最佳论文 Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting背景Transformer的问题Informer解决的问题第一作者来自北航的Haoyi Zhou，由北航、UC伯克利、 罗格斯大学以及北京国网富达公司共同协作完成。本文设计了一种专为LSTF （长序列时间序列预测）设计的基于Transformer模型 Informer，来解决Transformer在应用于LSTF时存在一
2021-05-25 22:25:41
12171
12
原创 基于深度学习的单目2D/3D姿态估计综述（2021）
Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective, 2021本文贡献整体介绍MHPE应用场景MHPE分类主要数据集期刊会议发展2020年针对MHPE的深度学习框架的概述难点现有解决方案人体表示Keypoint-based RepresentationModel-based Representation本文对2014年以来的2D和3D人体姿态估计方法进行全面调研，精选出里程碑的方
2021-04-29 11:32:55
8260
2
原创 3D人体姿态估计（介绍及论文归纳）
3D人体姿态估计基本概念姿态估计难点人体结构化特性2D 姿态估计任务挑战3D 姿态估计问题挑战应用方法数据集类型可用信息姿态数据集PoseTrackCrowdPoseHuman3.6MDensePoseCOCOMPIIFLICLSPRGB数据集Leeds Sports Pose (LSP) DatasetFLIC DatasetMPII Human Pose DatasetMS COCO Keypoint LeaderboardAI ChallengePoseTrackRGB+D 60/120 数据集当前主
2021-04-27 13:08:03
10966
原创 基于大模型的 RAG 数据治理与评估方法
记录我在华为数存部门实习过程中部分思路、心得、完成工作与未来方向；核心内容会在未来通过论文来解释细节，暂未公开代码。
2025-09-23 12:31:29
788
原创 承压设备损伤模式识别-1
b) 300 系列不锈钢、400 系列不锈钢及双相不锈钢会产生点蚀和局部腐蚀,对于 300 系列不锈钢,尤其隔热材料为老旧硅酸盐(含氯化物),还可能发生氯化物应力腐蚀开裂,在 $80\,^{\circ}\mathrm{C}\sim150\,^{\circ}\mathrm{C}$范围内时尤为明显,而双相不锈钢对此开裂敏感性较低;根据实验室测定的结果,低流速或滞流状态下,温度在 21 ℃\~38 ℃范围内,氢氟酸浓度不超过 35%时,碳钢的腐蚀速率随氢氟酸浓度增高而增大;铬是影响耐氧化能力的主要合金元素。
2025-09-19 09:54:34
808
原创 承压设备损伤模式识别-7
# 9.6 过热 # 9.6.1 损伤描述及损伤机理 设备在运行过程中,由于冷却条件恶化等因素,壁温在短时间内快速上升,使钢材的屈服强度急剧下降,在相对较低的应力作用下发生永久变形。 # 9.6.2 损伤形态 过热的损伤形态为： a) 局部鼓胀、伸长等明显变形; b) 壁厚减薄: c) 因损伤导致失效而产生的破裂口呈张开的“鱼嘴”状。 # 9.6.3 受影响的材料 所有燃烧器管子建造用材、普通建材。 # 9.6.4 主要影响因素 过热的主要影响因素为： a) 温度:火焰冲击、局部受热
2025-09-19 09:47:36
856
原创 承压设备损伤模式识别-6
a) 输送流动介质的所有设备:管道系统多见于弯管、弯头、三通和异径管部位,以及调节阀和限流孔板的下游部位,设备系统的典型情况有泵、压缩机、发动机、叶轮、搅拌器、搅拌罐、热交换器管束、监检测孔板、涡轮叶片、喷射器、出入口接管、刮片、切割片和防冲板等;b) 选材:以腐蚀为主导损伤的场合,仅仅提高金属的硬度,耐冲蚀能力不一定能得到明显提升,可采用耐蚀金属或合金,降低介质的腐蚀性,例如除气、注入冷凝剂或添加缓蚀剂,以冲刷为主导损伤的场合,可采用硬度值高的材质,或增设耐磨衬里,或进行表面强化处理等;
2025-09-19 09:46:59
421
原创 承压设备损伤模式识别-5
1) 普通的 300 系列不锈钢(如 304、316)含碳量较高,属于非稳定态(即不含钛或铌等稳定化元素),室温时碳在奥氏体中的溶解度很小,约为 0.02%\~0.03%,远低于不锈钢的实际含碳量,故过饱和的碳被固溶在奥氏体中,当温度超过 425 ℃并在 425 ℃\~815 ℃范围内停留一段时间时,过饱和的碳就不断地向奥氏体晶粒边界扩散,并和铬元素化合,在晶间形成碳化铬的化合物,如六碳化二十三铬(Cr_{23}C_{6})等。疲劳源区通常面积较小,色泽光亮,由两个断裂面对磨造成;
2025-09-19 09:45:55
404
原创 承压设备损伤模式识别-4
球化过程中,珠光体中的片状渗碳体在高温下获得足够的能量后局部溶解,断开为若干细的点状渗碳体,弥散分布在奥氏体基体上,同时由于加热温度低、渗碳体溶解不完全,造成奥氏体成分极不均匀,以未溶解的碳化物质点或奥氏体富碳区新产生的碳化物为核心,形成细小而均匀的颗粒状碳化物,这些碳化物在钢材保温或缓冷过程中聚集长大,并向能量最低的球状渗碳体形态转化。腐蚀产生的保护膜(CuF)被氧化剂(如运行或检修期间进入设备内的空气,或纯净气体中的空气杂质)氧化,得到的氟化铜(CuF_{7})是应力腐蚀开裂的主要原因。
2025-09-19 09:45:14
660
原创 承压设备损伤模式识别-3
b) 介质氧含量:通常被腐蚀部位与其他部位都存在氧浓度差(如土壤/空气界面处),初始的腐蚀反应会先将局部的氧消耗掉,而其他区域的氧浓度相对较高,形成了氧浓差电池,无氧或低氧区成为电池的阳极,容易先遭受腐蚀,氧浓度高的部位则成为电池的阴极,作用方式与电偶腐蚀有些相似。流速大于 $3 \mathrm{\~m} / \mathrm{s}$ 的区域,腐蚀产物 $\mathrm{Fe}_{3} \mathrm{O}_{4}$ 剥落的部位局部腐蚀加剧,常见于弯头背弯处,以及可能发生湍流的部位(如阀门出口处)。
2025-09-19 09:44:33
559
原创 承压设备损伤模式识别-2
养分可以是无机物,如硫、氨、硫化氢,也可以是有机物,如烃、有机酸等。a) 除氧系统工作不正常时,很少的氧气就可引发锅炉冷凝水腐蚀,多表现为点蚀,呈溃疡状,在金属表面形成黄褐色或砖红色的腐蚀产物鼓包,直径从1 mm\~30 mm不等,由各种腐蚀产物组成,腐蚀产物去除后,可见金属表面的腐蚀坑;燃油或燃煤中的杂质(主要为硫、钠、钾和/或钒),在加热炉、锅炉、燃气涡轮的金属表面沉积和熔化,生成的熔渣熔解了表面的氧化物膜,使膜下新鲜金属裸露出来,和氧气反应再次生成氧化铁等氧化物,如此反复,加速材料在高温下的损耗。
2025-09-19 09:43:55
790
原创 DETR: DEtection + TRansformer 将transformer引入CV的首创
【目标检测】DETR —— End-to-End Object Detection with TransformersDETR原理论文名称：End-to-End Object Detection with Transformers原文地址：https://arxiv.org/abs/2005.12872开源地址：DETR原理任务：Object Detection 目标检测（主要关注于目标检测，作者还将DETR generalize 到 panoptic segmentation 任务上，DETR表
2021-05-14 17:09:58
1144
1
原创 2D与3D人体姿态估计数据集（统计）
相关数据集的快速发展促进了基于深度学习的姿态估计方法的发展。公共数据集为不同的方法提供了培训来源和公平的比较。考虑到数据集的规模和姿势和场景的多样性，在本文中，主要介绍了近年来的代表性数据集。它们中大多数都是高质量和大规模的数据集，在不同的拍摄场景中都有良好的注释。图像级2D单人数据集（待补充）图像级2D多人数据集（待补充）视频级2D单人数据集（待补充）3D单人数据集Human3.6MHuman3.6M是使用最广泛的多视图单人三维人体姿态基准。该数据集使用4个RGB摄像机、1个飞行时间传感器和1
2021-05-02 19:22:07
5934
1
原创 单目3D多人姿态估计网络（整合自上而下和自下而上网络）
Monocular 3D Multi-Person Pose Estimation by Intergrating Top-Down and Bottom-Up Networks 论文解读贡献实验结果整体框架3D多人姿态估计相关工作Network StructureGCN StructureTCN StructureIllustration of the heatmaps estimated from the bottom-up networkDetails of Semi-Supervised Learn
2021-04-27 16:06:59
2910
1
原创 PA-ResGCN for Skeleton-based Action Recognition论文解读与复现
基于骨架的动作识别：ResGCNResGCN论文解读ResGCN整体框架基于骨架的动作识别相关工作GCNMultiple Input Branches（MIB）ResGCNPart-wise Attention实验参数消融术研究ResGCN代码复现这是ACMMM2020的一篇文章，题目为：Stronger, Faster and More Explainable: A Graph Convolutional Baseline for Skeleton-based Action Recognition原文
2021-04-19 15:57:47
3260
16
转载 基于骨架的动作识别----论文总结
ST-GCN 2018Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition（AAAI 2018）原文地址CODE ST-GCNGCA-LSTM 2018Skeleton Based Human Action Recognition with Global Context-Aware Attention LSTM Networks（CVPR 2018）原文地址CODE GCA-LST
2021-04-18 22:46:19
2868
原创 Deep Learning with Python 学习笔记
Python深度学习--学习笔记深度学习神经网络数学基础神经网络的核心组件张量梯度神经网络入门电影评论分类——二分类问题新闻分类——多分类问题预测房价——回归问题机器学习基础深度学习用于计算机视觉卷积神经网络小型数据集上训练卷积神经网络深度学习用于文本和序列处理文本数据循环神经网络RNNs关注于LSTM、GRU（有兴趣可以了解了解Transformer，再去了解Informer）高效的深度学习最佳实践（没有讲解）生成式深度学习DeepDream神经风格迁移VAE 变分自编码器GAN总结Conclusion关
2021-04-10 17:11:52
394
原创 Temporal-Relational CrossTransformers for Few-Shot Action Recognition 学习解读
Temporal-Relational CrossTransformers for Few-Shot Action RecognitionAbstractIntroductionRelated WorkMethodAblationsTRX with different Ω valuesThe impact of ordered tuplesMatching to multiple support set videoVisualising tuple matchesVarying the number of
2021-04-06 16:12:50
1734
44
原创 小样本学习--动作识别--文章（持续更新）
Few-shot Learning&Action Recognition--论文CMN (Compound Memory Networks), ECCV2018TARN (Temporal Attentive Relation Network), BMVC2019Permutation-invariant Attention, ECCV2020Based on Video Contents, WACV2020TRX (Temporal-Relational CrossTransformers), C
2021-04-05 20:43:05
2776
6
原创 Transformer初学习（一）
Transformer 初学习Self-attention为什么提出Self-attentionSelf-attention如何平行运算Self-attention为什么提出Self-attention我们现在有a1, a2, a3, a4四个输入，先来看一下RNN是怎么做的对于这个结构来说，必须要计算完前一个RNN，才能开始不断更新下一个RNN。也就是说，我们必须按照a1–>a2–>a3–>a4的顺序最终得到b4，不能够平行运算（Hard to parallel ！）那么就有
2021-03-24 11:05:25
308
原创 Pytorch学习笔记
Pytorch学习笔记供自己查阅方便1.torch.LongTensor 与 torch.Tensortorch.LongTensor 64位整数类型torch.Tensor = torch.FloatTensor 32位浮点类型2.Variable()计算图中用到（pytorch:动态图；tensorflow 1.X:静态图；2.X:动态图）tensor不能反向传播；variable可以反向传播3.log_softmax 与 softmax 区别log_softmax可以解决函数 上
2021-03-21 22:18:58
250
原创 FSL-GNN复现过程与代码分析（二）
FSL-GNN复现过程与代码分析（三）原码地址：https://github.com/vgsatorras/few-shot-gnn论文链接：https://arxiv.org/pdf/1711.04043.pdf这一篇主要介绍model，包含有特征提取CNN以及图神经网络GNN
2021-03-20 14:21:50
1005
原创 FSL-GNN复现过程 与 代码分析（一）
FSL-GNN复现过程与代码分析（一）原码地址：https://github.com/vgsatorras/few-shot-gnn论文链接：https://arxiv.org/pdf/1711.04043.pdf这篇文章提供的code非常优秀，在pytorch上复现起来比较容易，唯一就是label需要花时间找一下。这里我用到的数据集是mini_imagenet，在网上可以找到网盘的文件带有test、train、val的标注数据其中test包含12000个样本，train有38400个样本，
2021-03-18 22:54:21
1256
1
原创 Centos: NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver
Centos无法连接NVIDIA驱动：NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver重启服务器，GPU无法运行，torch运行CPU，nvidia-smi后输出NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver我们在终端输入nvcc -V发现驱动存在，查了很多方法，一般是在Ubuntu中讲解的这
2021-03-18 22:25:02
4174
1
原创 Linux Centos 3090 服务器环境配置（配置环境变量）
关于Linux Centos 3090ti 服务器 CUDA, CUDNN, Anaconda配置环境CUDA 11.1CUDNN 8.0.5Anaconda3其实网上很多linux环境配置，但今天在新的3090ti服务器上安装环境时还是有些卡壳，决定整理一下以供后续参考。CUDA 11.1由于30系列的显卡不支持CUDA10，我们可以先查看自己的显卡驱动以及搭配的CUDA版本。输入`nvidia-smi可以看到我的显卡驱动版本是455.45.01，支持CUDA11.1我们可以在此网址查看显卡
2021-01-24 16:56:01
1883
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人