- 博客(11)
- 收藏
- 关注
RSS订阅原创 I2C协议学习
*接收一个字节：**SCL低电平期间，从机将数据位依次放到SDA线上（高位先行），然后释放SCL，主机将在SCL高电平期间读取数据位，所以SCL高电平期间SDA不允许有数据变化，依次循环上述过程8次，即可接收一个字节（主机在接收之前，需要释放SDA）**发送一个字节：**SCL低电平期间，主机将数据位依次放到SDA线上（高位先行），然后释放SCL，从机将在SCL高电平期间读取数据位，所以SCL高电平期间SDA不允许有数据变化，依次循环上述过程8次，即可发送一个字节。
2025-11-26 10:57:43
648
1
原创 SPI协议
SPI是［单主设备（ single-master ）］通信协议，这意味着总线中的只有一支中心设备能发起通信。当SPI主设备想读/写［从设备］时，它首先拉低［从设备］对应的SS线（SS是低电平有效），接着开始发送工作脉冲到时钟线上，在相应的脉冲时间上，［主设备］把信号发到MOSI实现“写”，同时可对MISO采样而实现“读”。指令（0x02），随后在指定地址（Address[23:0]）下，写入指定数据（Data）**(img-m2zhPBCz-1764041220540)]
2025-11-26 10:57:22
619
原创 C语言学习笔记---变量/递归/指针
*大小端(Endianness)**是计算机系统中用于描述多字节数据在内存中存储顺序的概念。它决定了数据的高位字节和低位字节在内存中的物理排列顺序。大小端(字节序)的存储顺序主要取决于系统的硬件架构(CPU设计)编译器会根据目标硬件生成对应的机器码。就是指针指向的位置是不可知的(随机的、不正确的、没有明确限制的)static修饰函数后，该函数只能在当前.c文件中使用。
2025-11-19 15:18:09
427
原创 文献阅读：ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature Enhancement
ConDSeg:一个基于对比度驱动特征增强的通用医学图像分割框架。
2025-07-01 16:28:37
826
原创 文献阅读：Bilateral Reference for High-Resolution Dichotomous Image Segmentation
Bilateral Reference for High-Resolution Dichotomous Image Segmentation
2025-04-09 16:10:10
1208
原创 文献阅读： PFPRNet: A Phase-Wise Feature Pyramid With Retention Network for Polyp Segmentation
此外，随着变压器架构的显著进步，基于自我关注的深度学习方法，如TransUNet [12]、息肉-PVT [5]、PraNet [17]、LACINet [35]和G-CASCADE [47]也已被提出用于更准确的息肉分割。此外，我们的架构包含了一个定制的增强感知(EP)模块，能够从更广的角度处理多分辨率图像信息，从而增强模型在息肉定位和边界定义方面的能力。我们的解码器以全局特征为主要特征，并从全局到局部层面线性融合多尺度特征，通过这种方式，每个尺度上的融合逐渐聚焦于关键病变区域，以产生最终的分割输出。
2025-03-20 20:59:26
1621
原创 文献阅读：Dual-branch multi-information aggregation network with transformer and convolution for polyp分割
（1）我们提出了一种用于息肉分割的新型双分支网络。Transformer编码器能够强大地学习不同编码层的多尺度息肉特征的权重，并使传递到编码路径最后一层的表示包含足够的上下文信息；CNN编码器则通过仅使用前两层来捕获细粒度的浅层信息。（2）为了进一步增强所提方法的判别学习能力，设计了全局信息聚合模块和边缘信息聚合模块，以突出多尺度息肉特征中的有用信息，并应用了一种新颖的自适应通道图卷积（ACGC），以保留更有用的潜在通道信息。（3）所提方法在五个公共息肉数据集上使用六种指标进行了定量和定性评估。实验结果表明
2025-03-20 20:31:47
1568
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