generalization contrastive proxy-based pcl
SHARPNESS-AWARE MINIMIZATION FOR EFFICIENTLY IMPROVING GENERALIZATION论文阅读笔记
Intro 在训练集上最小化损失很可能导致泛化性低，因为当今模型的过参数化会导致training loss的landscape异常复杂且非凸，包含很多local/global minima，因此优化器的选择至关重要。loss landscape的几何性质（特别是minima的flatness）与泛化 ......
PCL点云可视化
#include <iostream> #include <boost/thread/thread.hpp> #include <pcl/common/common_headers.h> #include <pcl/features/normal_3d.h> #include <pcl/io/pcd ......
mysql中的utf8mb4、utf8mb4_unicode_ci、utf8mb4_general_ci
1.utf8与utf8mb4（utf8 most bytes 4） MySQL 5.5.3之后增加了utfmb4字符编码 支持BMP（Basic Multilingual Plane，基本多文种平面）和补充字符 最多使用四个字节存储字符 utf8mb4是utf8的超集并完全兼容utf8，能够用四个字 ......
pcl库StatisticalOutlierRemoval去噪方法介绍
原理:从字面意思上理解，该方法使用了统计学的相关知识来进行去噪处理，其大致思路依据每个数据点到邻域点的平均距离值作为基础，计算上述样本值的标准差，然后用来计算出一个限差，用来判断一个点是否属于噪声。 第一步很明显计算每个点到其邻域点的平均距离； 第二步，依据第一步的值，计算了整体的平均值以及标准差 ......
LightGCL Simple Yet Effective Graph Contrastive Learning For Recommendation论文阅读笔记
Abstract 目前的图对比学习方法都存在一些问题，它们要么对用户-项目交互图执行随机增强，要么依赖于基于启发式的增强技术（例如用户聚类）来生成对比视图。这些方法都不能很好的保留内在的语义结构，而且很容易受到噪声扰动的影响。所以我们提出了一个图对比学习范式LightGCL来减轻基于CL的推荐者的通 ......
visual Studio 2022 C++ 配置PCL库
理论上来说，配置过程跟其他库没有什么区别，可以参考如下几篇博文 1. https://blog.csdn.net/yellow_hill/article/details/126458692 2. https://blog.csdn.net/syz201558503103/article/detail ......
General Purpose Input/Output (GPIO) 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/driver-api/gpio/index.html#general-purpose-input-output-gpio 通用目的输入/输出（GPIO） 简介 GPIO接口 什么是GPIO？ 常见的GPIO属性 在Linux中 ......
Adaptive Graph Contrastive Learning for Recommendation论文阅读笔记
Abstract 在实际的场景中，用户的行为数据往往是有噪声的，并且表现出偏态分布。所以需要利用自监督学习来改善用户表示。我们提出了一种新的自适应图对比学习(AdaGCL)框架，该框架使用两个自适应对比视图生成器来进行数据增强，以更好地增强CF范式。具体的说，我们使用了两个可训练的视图生成器，一个图 ......
SQL无法解决排序规则 Chinese_PRC_CI_AS 和 Latin1_General_CI_AS 的冲突
最近在执行一些跨库关联查询语句的时候提示了 “Cannot resolve the collatior conflict between "Chinese_PRC_Ci As" and "soL Latini_General_CPi_Ci As" in the equal tol peratn” 的 ......
VS2019编译PCL1.11.1源码
最近在使用PCL的体素滤波器进行点云降采样时，遇到了 Leaf size is too small for the input dataset 的报错，出于某些原因，并不想简单的增大 Leaf size 来解决这个问题。尝试修改了PCL的源码，但是很可惜，对源码的改动并不能直接应用到我的项目中，于是 ......
关于Winform+KitWare.VTK+PCL处理3D点云文件的编译环境
最近项目需求，在网上找了一个处理3D点云文件的源码，但是发现无法编译，研究了下原来是电脑环境问题，必须配置一个PCL库的环境才能使用，下面进入正题。 首先需要安装PCL环境，可以通过vcpkg安装（因为我没有成功，所以请自行查找），我是一直卡在装载pcl环节失败，网上搜了很多解决方法，包括重装VS英 ......
Generative-Contrastive Graph Learning for Recommendation论文阅读笔记
Abstract 首先介绍了一下GCL的一些缺点，GCL是通过数据增强来构造对比视图，然后通过最大化对比视图之间的互信息来提供自监督信号。但是目前的数据增强技术都有着一定的缺点 结构增强随机退出节点或边，容易破坏用户项目的内在本质 特征增强对每个节点施加相同的尺度噪声增强，忽略的节点的独特特征 所以 ......
CA-TCC: 半监督时间序列分类的自监督对比表征学习《Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification》(时间序列、时序表征、时间和上下文对比、对比学习、自监督学习、半监督学习、TS-TCC的扩展版)
现在是2023年11月27日，10:48，今天把这篇论文看了。 论文：Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification GitHub：https://g ......
论文阅读13-SCGC:Simple Contrastive Graph Clustering
论文阅读13-SCGC:Simple Contrastive Graph Clustering 存在的问题 由于对比学习的发展，设计了更加一致和有辨别力的对比损失函数来取代网络训练的聚类引导损失函数。结果，缓解了手动试错问题，并提高了聚类性能。然而，复杂的数据增强和耗时的图卷积操作降低了这些方法的效 ......
PCL基础
读取点云文件 string lane_cluster_path="demo.pcd"; pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>()); if(pcl::io::loadPCD ......
General error: 1205 Lock wait timeout exceeded; try restarting transaction【事务回滚死锁】
转载：https://blog.51cto.com/u_12390904/6254246 ......
【略读论文|时序知识图谱补全】Temporal Knowledge Graph Reasoning with Historical Contrastive Learning
会议：AAAI，时间：2023，学校：上海交通大学 摘要： 大多数时序知识图谱的推理方法高度依赖于事件的递归或周期性，这给推断与缺乏历史交互的实体相关的未来事件带来了挑战。本文提出一种新的基于历史对比学习训练框架的对比事件网络（CENET）的新事件预测模型。 1.CENET 学习历史和非历史依赖来区 ......
PCL点云滤波代码
PCL点云滤波代码实例 1.直通滤波： PassThrough 直接指定保留哪个轴上的范围内的点#include <pcl/filters/passthrough.h>如果使用线结构光扫描的方式采集点云，必然物体沿z向分布较广，但x,y向的分布处于有限范围内。此时可使用直通滤波器，确定点云在x或y方 ......
通过时序和上下文对比学习时间序列表征《Time-Series Representation Learning via Temporal and Contextual Contrasting》(时间序列、时序表征、时态和上下文对比、对比学习、自监督学习、半监督学习)
现在是2023年11月14日的22:15，肝不动了，要不先回寝室吧，明天把这篇看了，然后把文档写了。OK，明天的To Do List. 现在是2023年11月15日的10:35，继续。 论文：Time-Series Representation Learning via Temporal and C ......
PCL滤波大全、原理+代码实例+操作步骤
#include<pcl/filters/passthrough.h> 滤波代码实例： 1 // Create the filtering object 2 pcl::PassThrough<pcl::PointXYZ> pass; // 声明直通滤波 3 pass.setInputCloud(cl ......
PCL点云读取与保存
PCL点云读取与保存： 1 #include <iostream> 2 #include <string> 3 4 #include <pcl/io/io.h> 5 #include <pcl/io/pcd_io.h> 6 #include <pcl/point_types.h> 7 #includ ......
基于时间频率一致性对时间序列进行自监督对比预训练《Self-Supervised Contrastive Pre-Training for Time Series via Time-Frequency Consistency》(时序、时频一致性、对比学习)
2023年11月10日，今天看一篇论文，现在17:34，说实话，想摆烂休息，不想看，可还是要看，拴Q。 论文：Self-Supervised Contrastive Pre-Training for Time Series via Time-Frequency Consistency 或者是：Sel ......
[论文阅读] Mean-Shifted Contrastive Loss for Anomaly Detection
Mean-Shifted Contrastive Loss for Anomaly Detection Abstract 这篇文章探讨了异常检测领域的一个关键问题，即如何通过使用预训练特征来提高异常检测性能。研究者首先介绍了异常检测的背景和现有方法，指出了使用自监督学习和外部数据集预训练特征的潜力。 ......
general topology
\(\left(X,\mathcal{O}\right)\) 是拓扑空间, \(\mathcal{B}\) 是一族开集, 若 \(\left(X,\mathcal{O}\right)\) 的每一个开集都可以表示成 \(\mathcal{B}\) 的一些元素的并, 则称 \(\mathcal{B}\) ......
[论文阅读] PCL: Proxy-based Contrastive Learning for Domain Generalization
PCL: Proxy-based Contrastive Learning for Domain Generalization abstract 领域泛化是指从不同源领域的集合中训练模型，该模型可以直接泛化到未见过的目标领域的问题。一种有前途的解决方案是对比学习，它试图通过利用不同领域之间的样本对之 ......
关于Windows打印机驱动相关问题-如何利用Java（或其他）调用打印机驱动程序完成原始文件翻译为PCL语言的步骤
前面这些都是问题描述，问题在偏下面 场景：用户电脑上安装了PCL驱动，可通过驱动完成打印。 需求：现在需要提供一种脱离PC端完成文件上传并打印的功能。让用户使用手机或pc未安装驱动时都能打印文件。 目前思路：首先上传文件这一步没有任何问题，开发了相应的H5界面，通过浏览器进行原始文件的上传。 难点在 ......
[论文速览] SimCSE@ Simple Contrastive Learning of Sentence Embeddings
Pre title: SimCSE: Simple Contrastive Learning of Sentence Embeddings accepted: EMNLP 2021 paper: https://arxiv.org/abs/2104.08821 code: https://githu ......
[论文阅读] Generalizing to Unseen Domains: A Survey on Domain Generalization
Generalizing to Unseen Domains: A Survey on Domain Generalization 代码地址：https://github.com/jindongwang/transferlearning/tree/master/code/DeepDG I. Intr ......
论文阅读 Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection
原始题目：Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection 中文翻译：Generalized Focal Loss：学习用于密集目标检测的 Qual ......
2023ICCV_Generalized Lightness Adaptation with Channel Selective Normalization
一. Motivatetion 跨域效果不好：在已知亮度的数据集上表现良好，在未知亮度的数据集上表现不好，泛化性能较差。 挑战：如何识别和亮度相关的通道并进行选择，并且获得泛化能力 归一化：从给定特征中提取不变的良好的良好特性，特别对于亮度分量 [ 归一化和亮度相关的特性： 1. 亮度一致性： 实例 ......