- 博客(19)
- 收藏
- 关注
RSS订阅原创 新的跨模态融合策略：correlation-fusion
简单介绍一下自己最近发表在TIP上的一个工作：Learning Discriminative Cross-modality Features for RGB-D Saliency Detection （2021）在这个工作里，我们提出了一种新的跨模态融合策略，关联度融合（correlation fusion），用于解决基于RGB-D（Depth）数据的显著性目标检测任务。
2022-05-26 22:05:03
3482
4
转载 机器学习中正则化项L1和L2的直观理解
机器学习中正则化项L1和L2的直观理解本文转载自：https://blog.youkuaiyun.com/jinping_shi/article/details/52433975机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』...
2019-01-19 17:42:50
301
原创 ubuntu系统安装及基本配置
制作启动盘：准备工作： 1. 下载启动盘制作工具：UltralISO（软碟通）：http://cn.ultraiso.net/ 2. 下载Ubuntu 镜像文件（ISO文件）：http://cn.ubuntu.com/ 3. 格式化U盘，（快速格式化就可以的）开始制作： 1. 打开UltralISO软件，从上方菜单栏点击：文件----打开-----找到下...
2018-09-11 22:35:15
1440
原创 显著性物体检测: Global Contrast based Salient Region Detection (RC 和 HC)
前言：论文链接：Global Contrast based Salient Region Detection2013年，CVPR，来自于程明明团队，主要提出一种基于全局对比度的显著性区域检测算法。作者主要认为：全局对比，避免仅在物体轮廓处产生较高显著值（局部对比的缺点）；有利于为相似区域分配一个相近的显著值，均匀突出目标；物体显著性，主要由它与周围区域对比度决定，相距很远的区域起作用较小；算法细节...
2018-04-30 20:07:11
5163
1
原创 双系统正确卸载Ubuntu系统
双系统正确卸载Ubuntu系统第一步：下载需要的工具包，这里我用的是MBR, 可以直接从我分享的网盘链接下载，密码gw1u第二步：将下载好的文件放在任一位置，我这里以C盘根目录为例：C://MBR/第三步：在contana框中输入：cmd，右击命令提示符，以管理员身份运行 第四步：进入MBR文件目录，如我这里输入：cd MBR第五步：输入命令：MbrFix /drive 0 fixmbr /yes
2017-12-16 20:42:37
81599
6
原创 Paper reading :Hierarchical Saliency Detection
Overview of hierachical framework-2013Image Layer Extraction—————coarse representation of the input with different degrees of details 1. define scale of region R 2. Efficient Algori
2017-06-05 11:42:14
1110
原创 Boost 配置安装
下载Boost库，这里我选择下载boost_1_64_0.zip解压，找到bootstrap.bat，双击运行；执行完毕后，生成bjam.exe，双击运行；等待运行完毕，安装成功测试新建一个VS2015控制台应用程序（工程名为ConsoleApplication1)，添加如下代码#include "stdafx.h"#include <boost/lexical_cast.hpp>
2017-05-14 12:37:47
443
原创 Eigen3.3.3安装配置+VS2015+Cmake
准备工作：我的系统是win10，64位，VS是2015，Cmake3.8.1下载Eigen:在Eigen官网下载当前最新版本，我下载的是3.3.3版本新建文件夹创建根目录Eigen解压下载的压缩包，得到eigen-eigen-67e894c6cd8f，创建新的文件夹Eigen_bin，目录结构如下图：Cmake选择source code和build binaries对应的文件夹：点击
2017-05-14 12:07:39
20188
9
原创 ITK4.11.1编译配置+VS2015+Cmake3.8.1
前提：我的系统是Win10，所安装的VS是2015，已经安装了Cmake3.8.1；（其他版本的也是类似的操作，有些地方有小小的区别而已）下载ITK4.11.1到 ITK官网 下载：InsightToolkit-4.11.1.zip (hosted at Sourceforge)，解压到InsightToolkit-4.11.1（源码包，包含了ITK所有的核心源代码以及相关的示例程序。）
2017-05-14 09:37:36
6598
2
原创 opencv 与matlab 批量读取并保存图片
opencv首先添加必要的头文件（用于批量处理）：#include <dirent.h>这里可能会报错，找不到头文件，可以去网上下载，或者点击下面的链接 下载 下载后找到dirent.h文件，复制到…(对应你的VS目录)…\VC\include\接下来，批量读取并处理图片： DIR *dp; struct dirent *dirp; vect
2017-04-25 11:44:16
672
翻译 opencv3 学习笔记 第三章：
opencv3 安装配置 参考《OpenCV3 编程入门》—毛星云 冷雪飞 等编著 本系列学习笔记纯属整理书本内容#include <opencv2/opencv.hpp>using namespace cv;void main(){ printf("\t 当前使用的opencv版本为 OpenCV "CV_VERSION);//显示opencv版本 //读入图像
2017-03-01 11:02:12
373
原创 HTML学习笔记整理
html>---------------------------标题部分---------------------------------head>meta charset="utf-8">title> 网页名称 title>base> - 定义了所有链接的URL默认的链接目标地址link rel="stylesheet" type="text/css"
2017-02-16 13:53:49
552
翻译 Django 静态文件配置及使用
内容从http://www.aichengxu.com/htmlcss/49381.htm整理得来 原因：django部署方式比较特别，采用静态文件路径:STATICFILES_DIRS的部署方式，之前你写的相对路径，绝对路径因为缺少静态文件路径而全部失效解决方法：步骤一：在settings.py文件的最后加上以下内容:STATIC_URL = '/static/'STATIC_ROOT =
2017-02-12 21:29:07
659
原创 Ubuntu16.04安装pyenv 及报错解决方案
按照GitHub上的教程：安装之前要限安装curl 和git-core:sudo apt-get install curl git-core接着开始正式安装：$ curl -L https://raw.githubusercontent.com/yyuu/pyenv-installer/master/bin/pyenv-installer | bash安装完成后，根据提示将如下语句加入到 ~
2017-02-08 10:03:55
8309
翻译 MySQL安装及基本命令
Ubuntu当中安装MySQL `sudo apt-get install mysql-server`- 安装过程会弹出提示框，输入root用户的密码访问MySQL：mysql命令格式： mysql -h主机地址 -u用户名 －p用户密码DOS 窗口直接输入：mysql -u root -p，然后输入密码；修改root密码： mysqladmin -u root -p *oldpassword*
2017-02-07 11:33:10
298
转载 Ubuntu16.04 安装 VMware Tools
博文内容转自：http://www.linuxidc.com/Linux/2016-04/130806.htm 和http://www.linuxidc.com/Linux/2016-04/130807.htm可能有这问题：客户机操作系统已将 CD-ROM 门锁定，并且可能正在使用 CD-ROM，这可能会导致客户机无法识别介质的更
2017-02-06 21:51:45
2356
原创 算法设计技巧与分析笔记 第一章
1.搜索：设A【1……n】为一个n个元素的数组，判定给定元素x是否在A中线性搜索：直接扫描A中所有项目，将每个项目与x做比较。二分搜索：A【low……high】为有序非空数组（假定为升序），
2016-05-10 16:53:53
1143
1
转载 函数模板的特化
模板特化：就是在实例化模板时，对特定类型的实参进行特殊处理，即实例化一个特殊的实例版本， 当以特化定义时的形参使用模板时，将调用特化版本，模板特化分为全特化和偏特化； 1. 函数模板的特化，只能全特化； //泛型版本 template class T> int compare(const T &v1, const T &v2) { if(v1 ret
2015-05-21 21:27:03
496
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