songtianhui / blog-comments Goto Github PK

https://songtianhui.github.io/2021/09/29/dip2/

从这里开始好像突然变难了，我有点听不懂了qvp。。。

https://songtianhui.github.io/2021/10/24/paper-pointnetpp/

原文地址：https://arxiv.org/abs/1706.02413 知乎：https://zhuanlan.zhihu.com/p/266324173, https://zhuanlan.zhihu.com/p/88238420

https://songtianhui.github.io/2021/07/19/cuda/

一直是个电脑配置盲，显卡啥的都不太懂，大概学了个假cs。正在学习ML，DL，要用到pytorch, tenserflow啥的，需要用到 Nvidia cuda，正好安装一下，也捋一捋配置。 我的电脑配置 电脑型号：HUAWEI xpro 系统：Ubuntu 20.04.2 LTS 主要工作系统是 Linux，所以本篇基本是 Ubuntu 上的 Cuda 安装教程。 处理器：Intel

https://songtianhui.github.io/2021/10/12/paper-stark/

原文：https://arxiv.org/abs/2103.17154 依然由于是新论文没有太多的 post。

https://songtianhui.github.io/2021/12/02/paper-atom/

原文地址：https://arxiv.org/abs/1811.07628 博客：https://www.cnblogs.com/wangxiaocvpr/p/10520522.html, https://gkwang.net/atom/

https://songtianhui.github.io/2021/10/17/paper-vit/

原文连接：https://arxiv.org/abs/2010.11929 知乎帖子：https://zhuanlan.zhihu.com/p/342512339 ​ https://zhuanlan.zhihu.com/p/348593638

https://songtianhui.github.io/2021/09/06/internet6/

链路层 Link 运行链路层协议的任何设备均称为节点（node），包括主机、路由器、交换机和 WiFi 接入点。 沿着通信路径连接的相邻节点的通信信道称为链路（link）。 在经过特定的链路时，传输节点将数据报封装在链路层帧中，并将该帧传输到链路中。

https://songtianhui.github.io/2021/11/28/paper-detr/

原文地址：https://arxiv.org/abs/2005.12872 知乎专栏：https://zhuanlan.zhihu.com/p/267156624, https://zhuanlan.zhihu.com/p/146065711 介绍 这个其实是 Object Detection 领域的工作，但为什么要介绍呢，因为它也是 Transformer 这个东西在 cv 领域应用的一大突破

https://songtianhui.github.io/2021/11/16/paper-track-nl/

在之前学长那篇文章也就是 TNL2K，解决的主要任务就是 Tracking by Natural Language，就是对于原始的跟踪任务中额外加上自然语言的信息，使得跟踪更加鲁棒。但目前为止还没有很多的工作在这方面，所以学长也指出了这可能是一个研究的趋势，在这篇里就一起介绍在 TNK2L 中提到的现有的几篇基于自然语言追踪的论文。

https://songtianhui.github.io/2021/09/06/internet1/

什么是因特网 Internet

https://songtianhui.github.io/2021/08/11/tensorflow/

本篇是对python库 tensorflow 的学习笔记。 tensorflow官方网站

https://songtianhui.github.io/2021/11/18/paper-siamrpnpp/

原文地址：https://arxiv.org/abs/1812.11703 原作者的知乎专栏：https://zhuanlan.zhihu.com/p/56254712

https://songtianhui.github.io/2021/10/21/paper-pointnet/

原文地址：https://arxiv.org/abs/1612.00593 官方网站：http://stanford.edu/~rqi/pointnet/ 知乎：https://zhuanlan.zhihu.com/p/44809266

https://songtianhui.github.io/2021/09/28/internet4/

网络层概述 每台路由器的数据平面的主要作用是从其输入链路向其链路转发数据报；控制平面的主要作用是协调这些本地的每路由器转发动作，使得数据报沿着源和目的地主机之间的路由器路径最终进行端到端传送。 转发（forwarding） 是指将分组从一个输入链路接口转移到适当的输出接口的路由器本地动作。 路由选择（routing） 是指确定分组从源到目的地所采取的端到端路径的网络范围处理过程。 转发表（f

https://songtianhui.github.io/2021/12/09/mirai/

本章是使用 mirai 机器人安装和使用的教程，由于我目前在网络上找不到一个很全面很基础的教程，且由于社区维护导致这个东西极其复杂，学习成本极高，我经过了极其漫长的摸索才终于使用成功，所以决定写这么一篇极其基础的使用教程，也总结我遇到的一些坑，使得更多的小伙伴哪怕不会编程也可以很快上手玩起来这个机器人。😆 我也是在新服务器上重新部署这个机器人的时候决定写下这一篇教程，所以我会和你一起一步步安装它

https://songtianhui.github.io/2021/08/10/mit-cv/

暑假上了mit的机器学习课程，虽然时间很短内容不多，但觉得第二部分cv的老师讲得很好，所以做一篇笔记。

https://songtianhui.github.io/2021/09/09/adv-fingerprinting/

多项式判等 Polynomial Identity Testing PIT问题： 输入两个 ddd 阶多项式 f,g∈F[x]f, g \in \mathbb{F}[x]f,g∈F[x]，输出他们是否相等 f≡gf \equiv gf≡g。 这里 F[x]\mathbb{F}[x]F[x] 指 xxx 在域（field）F\mathbb{F}F 上的多项式环（ring）。 我们可以很自然地将这

https://songtianhui.github.io/2021/10/12/paper-transt/

原文：https://arxiv.org/abs/2103.15436 由于是2021年最新的论文，还没有很多详细的中文 post。

https://songtianhui.github.io/2021/10/10/paper-siamfc/

原文：https://arxiv.org/abs/1606.09549 知乎专栏：https://zhuanlan.zhihu.com/p/107428605 视频：https://www.bilibili.com/video/BV1GV41117J4

https://songtianhui.github.io/2021/11/18/paper-siamrpn/

来还债了。。。之前经典的几篇 siamese network 的 tracking 论文都没有整理，现在再看 tracking by nl 的论文感觉还是有必要把这几个再复习一下。 原文地址：https://openaccess.thecvf.com/content_cvpr_2018/papers/Li_High_Performance_Visual_CVPR_2018_paper.pdf 一些

https://songtianhui.github.io/2021/12/24/maogai/

表明本人博客的意识形态，正确的政治立场

https://songtianhui.github.io/2021/07/09/numpy/

本文主要是对于python库 numpy 的学习使用笔记。 参考网站： numpy官方网站 numpy中文网

https://songtianhui.github.io/2021/10/31/paper-perceriver/

原文地址：https://arxiv.org/abs/2103.03206 知乎专栏：https://zhuanlan.zhihu.com/p/360773327 youtube：https://www.youtube.com/watch?v=P_xeshTnPZg 因为太新包括下面的 Perceiver IO 都并没有太好的中文文章。

https://songtianhui.github.io/2021/09/28/internet5/

概述 转发表和流表是链接网络层的数据平面和控制平面的首要元素。这些表定义了一条路由器的本地数据平面转发行为。 这些转发表的计算、维护和安装有两种方法： 每路由器控制 逻辑集中式控制

https://songtianhui.github.io/2021/10/17/paper-pvt/

原文链接：https://arxiv.org/abs/2102.12122 知乎文章：https://zhuanlan.zhihu.com/p/353222035，https://zhuanlan.zhihu.com/p/352975314

https://songtianhui.github.io/2021/01/26/Markdown-test/

这是一级标题 这是二级标题 这是三级标题

https://songtianhui.github.io/2021/10/10/paper-preface/

思考 开始读论文了，我一直在纠结要不要做 paper notes 这件事，对于仅仅一篇论文来说貌似有点浪费时间了（其实这也是在做课程 lecture notes 的一个问题），这样的总结通常会导致学习时间成本是一般的两倍以上，因为总有个先读一遍再开始写的顺序，而且电脑的打字整理通常不如手写来得那么入脑即使它在持久性上的优越性。

https://songtianhui.github.io/2021/08/02/scikit-learn/

本文主要是对 python 库 sklearn 的学习笔记。 参考网站： sklearn官方网站 官网汉化 一个中文文档

https://songtianhui.github.io/2021/12/05/paper-siamfcpp/

原文地址：https://arxiv.org/abs/1911.06188 知乎：https://zhuanlan.zhihu.com/p/107908399 CSDN：https://blog.csdn.net/laizi_laizi/article/details/107157268 B 栈：https://www.bilibili.com/video/BV1Hp4y1S74D/

https://songtianhui.github.io/2021/08/04/dl-an/

视频指路

https://songtianhui.github.io/2021/10/31/paper-perceiver-io/

原文地址：https://arxiv.org/abs/2107.14795 知乎专栏：https://zhuanlan.zhihu.com/p/404721532 主页：https://deepmind.com/research/open-source/perceiver-IO

https://songtianhui.github.io/2022/02/03/paper-levit/?

最近在想要把 mixformer 做轻量化，所以看了一些加速 Transformer 的论文。 论文地址：https://arxiv.org/abs/2104.01136

https://songtianhui.github.io/2021/12/10/paper-mixformer/

这是学长的论文，还没有放到 Arxiv 上，成果还是相当不错的。

https://songtianhui.github.io/2021/12/01/dip3/

Ch 09 形态学及其应用 数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础。 数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。 结构元素 设有两幅图像 BBB 和 AAA。若 AAA 是被处理的对象，而 BBB 是用来处理 AAA 的，则称 BBB 为结构元素，又被形象地称做刷子。结构元素通常都是一些比较小的图像。

https://songtianhui.github.io/2021/10/21/adv-concentration/

Chernoff Bound 我们扔一枚硬币，它的结果是无法预测的，但我们扔很多次，比如 10000 次，那么 HEAD 的个数很有可能在 500 左右，这个就叫对于**集中性（concentration）**的衡量（measure）。

https://songtianhui.github.io/2022/01/24/regularization/

我们都知道机器学习里有一个损失函数，是我们的优化目标，我们也会给它加上正则化，为了防止过拟合，但深刻理解这里面的原理其实并不简单。那么损失函数和正则化到底是怎么一回事呢，就让小编带大家一起来看一看吧（

https://songtianhui.github.io/2021/07/05/leetcode/

问求上完了，依然不能放松对数据结构和算法的训练，要坚持不懈的刷题。着重对一些经典题型和方法进行总结。

https://songtianhui.github.io/2021/11/04/paper-tnl2k/

原文地址：https://arxiv.org/abs/2103.16746 主页：https://sites.google.com/view/langtrackbenchmark/ 知乎专栏：https://zhuanlan.zhihu.com/p/361541508

https://songtianhui.github.io/2021/11/01/internet3/

运输层服务 运输层协议为运行在不同主机上的应用进程之间提供了逻辑通信（logic communication） 功能。 运输层协议是在端系统中而不是在路由器中实现的，在发送端，运输层将从发送应用进程接收到的报文转换成运输层分组，称为运输层报文段（segment）。

https://songtianhui.github.io/2021/09/08/digital-image-processing/

Ch1 概述 数字图像是指由被称作像素的小块区域组成的二维矩阵。 将物理图像行列划分后，每个小块区域称为像素（pixel）。 每个像素包括两个属性：位置和亮度 （或色彩）。 数字图像的两个基本问题 像素数目 灰度值的度量 本质问题就是物理信号离散化，数字化

https://songtianhui.github.io/2021/09/07/adv-min-max-cut/

课程主页：http://tcs.nju.edu.cn/wiki/

https://songtianhui.github.io/2021/10/07/adv-balls-into-bins/

球进桶（Balls into Bins） 问题是，考虑把 mmm 个球均匀独立地扔进 nnn 个桶里，其实就相当于一个随机函数 f:[m]→[n]f : [m] \to [n]f:[m]→[n]。 下面讨论三个与之相关的问题。

https://songtianhui.github.io/2021/10/18/paper-swin-transformer/

原文地址：https://arxiv.org/abs/2103.14030 知乎文章：https://zhuanlan.zhihu.com/p/360513527，https://zhuanlan.zhihu.com/p/367111046

https://songtianhui.github.io/2021/09/18/internet7/

概述 无线主机（wireless host） 手机等，可能移动也可能不移动。 无线通信链路（wireless communication link）

https://songtianhui.github.io/2021/09/16/adv-hashing-sketching/

本章主要是讲 hashing 和 sketching 技术。（这两个词确实有点难找到合适的翻译。。。）

https://songtianhui.github.io/2022/01/23/paper-rcnn/

补基础系列，回顾加深一下经典的目标检测算法 R-CNN 系列，包括其中很多重要的**。 相关 post：https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e

https://songtianhui.github.io/2021/07/20/pytorch/

之前已经安装好了 cuda，现在来安装 pytorch，顺便再装一个 anaconda。同样的，本篇是针对 Ubuntu 20.04 LTS 的 pytorch 和 anaconda 安装流程。

https://songtianhui.github.io/2021/06/24/oj-template/

快期末oj了，也是最后一学期的oj，整理一下常用的算法模板，既是复习（考试偷看），也是保留一份以后时常用得上的自己习惯的板子。

https://songtianhui.github.io/2021/12/03/paper-mae/

原文地址：https://arxiv.org/abs/2111.06377 知乎：https://zhuanlan.zhihu.com/p/432614068, https://www.zhihu.com/question/498364155

https://songtianhui.github.io/2022/01/27/normalization/

打基础系列，今天我们关注另一个技术——归一化（Normalization），也是我们在网络中经常用到的，有一直使用的 BatchNorm，在最近的 Transformer 中我们也见到了 LayerNorm。我们也一直说 Normalization 是用来加速训练的，改善数据分布的，可它的一个工作原理到底是什么呢，快和小编一起来看看吧。