经典yolov1论文yolov
论文阅读 | Penetration Testing Active Reconnaissance Phase – Optimized Port Scanning With Nmap Tool
我们可以使用 TCP 端口扫描对物联网设备进行分类吗？https://ieeexplore.ieee.org/document/8913346 xx xx --> # 1 介绍 在[10]中，我们根据统计属性（如活动周期，端口号，信令模式和密码套件）来表征物联网流量。此外，提出了一个多阶段机器学习模 ......
论文日记三：ResNet
# 导读 ResNet在ILSVRC 2015竞赛中大放异彩，其核心模块residual block使得卷积网络模型深度提高一个数量级，到达上百、上千层。在今天cv领域我们也经常用到它或它的变种，paper《[Deep Residual Learning for Image Recognition] ......
7.5kw异步电机经典矢量控制仿真模型，Matlab/simulink运行～速度环和电流环de双环控制，可完美运行
7.5kw异步电机经典矢量控制仿真模型，Matlab/simulink运行～速度环和电流环de双环控制，可完美运行ID:4820657241450498 ......
选读SQL经典实例笔记04_日期运算（上）
 # 1. 年月日加减法 ## 1.1. DB2 ### 1.1.1. sql ```sql select hir ......
《ReAct: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS》论文学习
一、论文主要思想 本文首先认为，到目前为止，LLM 在语言理解方面令人印象深刻，它们已被用来生成 CoT（思想链）来解决一些问题，它们也被用于执行和计划生成。 尽管这两者是分开研究的，但本文旨在以交错的方式将推理和行动结合起来，以提高LLM的表现。 这个想法背后的原因是，如果你考虑一下作为一个人，你 ......
在matlab中用蒙特卡洛算法对电动汽车充电负荷进行模拟，可自己修改电动汽车数量，论文复现。
在matlab中用蒙特卡洛算法对电动汽车充电负荷进行模拟，可自己修改电动汽车数量，论文复现。参考论文:基于V2G的电动汽车充放电优化调度策略有注释简单易懂，可随意调整参数。 YID:3710647182121327 ......
根据经典高被引论文搭建的，基于Simulink搭建的汽车14自由度整车动力学模型，适用于研究各种工况下面的车辆
根据经典高被引论文搭建的，基于Simulink搭建的汽车14自由度整车动力学模型，适用于研究各种工况下面的车辆动力学仿真，包含汽车侧倾行为。轮胎模型基于魔术轮胎公式。输入：方向盘转角，节气门，制动踏板，初速度输出：整车所有状态信息，包括常用的纵向速度，横摆角速度，横向加速度，轮胎滑移率，侧倾角等模型 ......
论文日记二：VGG
# 1. 导读 前面我们回顾了AlexNet，AlexNet的作者指出模型的深度很重要，而VGG最大的贡献就在于对网络模型深度的研究。 VGG原论文：《[Very Deep Convolutional Networks for Large-Scale Image Recognition](https ......
电动汽车踏板测试机Labview源码，经典框架，研华运动控制卡1220U和数据采集卡1716L及西门子P Lc，数据分析
电动汽车踏板测试机Labview源码，经典框架，研华运动控制卡1220U和数据采集卡1716L及西门子P Lc，数据分析判断和追塑及包络控制，很多功能拿过去直接用ID:39200611709799874 ......
Labview项目经典压装机程序源码，经典框架，研华数据采集卡，m y s Q L存储数据，条形码追溯，是工控人员参
Labview项目经典压装机程序源码，经典框架，研华数据采集卡，m y s Q L存储数据，条形码追溯，是工控人员参考直接用的好捷径！ID:28200607478279761 ......
【论文阅读】CrossViT：Cross-Attention Multi-Scale Vision Transformer for Image Classification
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间：23.7.10 > - ⏰最近更新时间：23.7.10 > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果文章里有 ......
【论文阅读】Run, Don't Walk- Chasing Higher FLOPS for Faster Neural Networks1
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间： > - ⏰最近更新时间： > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果文章里有任何错误或者表述不清，请 t ......
Java虚拟机(JVM)：第四幕：自动内存管理 - 经典垃圾收集器
前言：如果说收集算法是内存回收的方法论，那么垃圾收集器则是内存回收的实践者。整哥Java堆 ：Full GC。 1、Serial收集器：最基础、历史最悠久的收集器，这是一个单线程工作的收集器。 2、ParNew收集器：是Serial收集器的多线程并行版本，可以说是跟Serial完全一样。 CMS收集 ......
高效刷论文的方法？论文应该怎么读
我们不缺少论文，我们缺少的是鉴别哪些应该读。无论是泛读还是精度，海量论文总是让我们迷失双眼，Github搜索awesome有成百上千个repo，但是缺少比较和注解。我们应该去哪里找值得读的论文，我们打开pdf论文的姿势正确吗？ 论文应该怎么读 海量论文看不够，自己萌发了分门别类写阅读笔记的习惯。 ......
LLaMA模型指令微调 字节跳动多模态视频大模型 Valley 论文详解
Valley: Video Assistant with Large Language model Enhanced abilitY  # 1. 复制数据到另一个表 ## 1.1. sql ```sql insert into dept_east ......
《Generative Agents: Interactive Simulacra of Human Behavior》论文学习
一、论文基本思想 Figure 1: Generative agents create believable simulacra of human behavior for interactive applications. In this work, we demonstrate generati ......
论文专利1-夜用微光鱼眼镜头-具体优化过程
论文专利-微光夜视鱼眼镜头的研究与设计-（sup）再优化结果 结构要求： 1、 工作波长为 0.587 μm、0.656μm、0.486 μm 和 0.8 μm（近红外对应星光） 2、 ENPD = 56 mm 3、 像空间 F 数 1.8 4、 后工作距离为 10.4 mm 5、 有效焦距EFFL ......
5944: 小船过河 经典贪心
描述 N个人要过河，但只有一条小船，每次只能坐2人，每个人有不同的划船速度，而两个人一起过河时小船速度由最慢的人的速度决定。请设计一个过河方案，使得所有人均过河，且所用总时间最少。 输入 第一行为正整数N（N<=1000），表示人数，第二行为N个正整数，表示每个人的速度（这里是时间值，值越小速度越快 ......
选读SQL经典实例笔记02_多表查询
 # 1. 除非有必要，否则不要用UNION代替UNION ALL # 2. 查找两个表中相同的行 ## 2.1. ......
论文方法对比
# TITLE ## Decentralized Federated Learning: Balancing Communication and Computing Costs 这篇论文感觉没什么创新点(只是在本地节点完成多次本地更新后，再共识更新)，写得不怎么好 ## Decentralised ......
yolov5的训练策略
yolov5——训练策略 前言 1. 训练预热——Warmup 1.1 what是Warmup 1.2 why用Warmup 1.3 常见Warmup类型 1.4 yolov5中的Warmup 2. 自动调整锚定框——Autoanchor 2.1 what是anchor 2.2 why用anchor ......
个人论文一：关于雾中单目自监督深度估计的研究
# 0.Paper 这是我们2022年的工作，关于雾中的单目自监督深度估计研究： > **Self-supervised monocular depth estimation in fog** > >Bo Tao**†**, Jiaxin Hu**†**, Du Jiang, Gongfa Li, ......
YOLOv5中的Focus层
一、背景介绍 Focus层是在YOLOv5中被提出来的。感觉像是一种特殊的下采样的方式。 1.下采样 下采样就是一种缩小图像的手法，用来降低特征的维度并保留有效信息，一定程度上避免过拟合，都是以牺牲部分信息为代价，换取数据量的减少。下采样就是池化操作。但是池化的目的不仅如此，还需要考虑旋转、平移、伸 ......
YOLOv5/YOLOV4中的SPP/SPPF
目录 一、SPP的应用的背景 二、SPP结构分析 三、SPPF结构分析 四、YOLOv5中SPP/SPPF结构源码解析（内含注释分析） 一、SPP的应用的背景 在卷积神经网络中我们经常看到固定输入的设计，但是如果我们输入的不能是固定尺寸的该怎么办呢？ 通常来说，我们有以下几种方法： （1）对输入进行 ......
FOSTER：Feature Boosting and Compression for Class-Incremental Learning论文阅读笔记
## 摘要 先前的类增量学习方法要么难以在稳定性-可塑性之间取得较好的平衡，要么会带来较大的计算/存储开销。受gradient boosting的启发，作者提出了一种新型的两阶段学习范式FOSTER，以逐步适应目标模型和先前的集合模型之间的残差，使得该模型能够自适应地学习新的类别。具体来说，作者首先 ......
国家集训队论文
## 2021 - 陈雨昕 《太阳神的宴会》命题报告 - 代晨昕 后缀树的构建 - 邓明扬 一类调整算法在信息学竞赛中的应用 [可能有交](https://www.cnblogs.com/zcr-blog/p/17214840.html) - 丁晓漫 再探线性规划对偶在信息学竞赛中的应用 [...] ......
yolov5中的图片自适应缩放
自适应图片缩放-针对不同的目标检测算法而言，我们通常需要执行图片缩放操作，即将原始的输入图片缩放到一个固定的尺寸，再将其送入检测网络中。YOLO 系列算法中常用的尺寸包括416 * 416，608 * 608 等尺寸。 原始的缩放方法存在着一些问题，因为在实际的使用中的很多图片的长宽比不同，所以在进 ......