文章目录1概述2模型说明2.1局部SPN2.2非局部SPN2.3结合置信度的亲和力学习2.3.1传统正则化2.3.2置信度引导的affinity正则化3效果3.1NYUDepthV23.2KITTIDepthCompletion参考资料1概述本文提出了一种非局部的空间传播网络用于深度图补全，简称为NLSPN。（1）为什么需要深度图补全？在AR、无人机控制、自动驾驶和运动规划等应用当中，需要知道物体的稠密深度信息。现有的大部分深度传感器，如雷达、RGB-D相机等，可以提供RGB图片和准确的稀疏深度图，未提供的部分需要通过算法进行补全。这种通过稀疏的深度图和其他信息（如RGB信息）对深度图进行补全

相信大家都知道苹果手机投屏到小米笔记本电脑的方法，今天分享一下将电脑投屏到苹果手机的操作。你可以选择安装软件或不安装软件。安装软件的方法：第一步，在小米笔记本电脑和苹果手机都安装AirDroidCast，两台设备连接同一个网络。下载AirDroidCast|强大的投屏&控制工具下载AirDroidCast安卓、iOS、Windows、Mac客户端，将安卓和iOS手机屏幕投屏到电脑，用于远程教学，远程会议，游戏直播，在线演示等场景。也可直接通过Windows或Mac电脑控制安卓和iOS设备。https://www.airdroid.cn/download/airdroid-cast/?utm_s

常见的消息队列对比详细对比见：https://note.dolyw.com/mq/00-MQ-Select.html#_6-%E5%AF%B9%E6%AF%94仅截图部分优缺点对比。KafkaVSRedis参考自：https://juejin.cn/post/6960652072588935182所谓用Redis实现消息队列，即：使用list结构。lpush左边插入数据，rpop右边取出数据即可。使用Kafka而不使用Redis的几点原因：消息持久化：redis是内存数据库，虽然有aof和rdb两种机制进行持久化，但这只是辅助手段，这两种手段都是不可靠的。当redis服务器宕机时一定会丢失一部

1. 博弈论1.1. 当市场竞争对手之间普遍存在着误解和不信任情绪时，从长远来看，他们一半时间是在合作，另一半时间则是在背叛承诺1.2. 当一方越了解对手，或者说可以更好地掌握对方的战略性行为时，他才可能找到展开合作的最优解2. 鼓励竞争的作用2.1. 市场透明度的提升可以降低消费者的搜寻成本2.2. 调价频率的加快意味着市场价格可以快速走低2.2.1. 在供给匮乏时也可能迅速抬高，从而促进资源的有效分配2.3. 利用计算机算法优化利润的方式也为经营者揭示了一些后者未曾预见到的利润增长途径3. 电子眼3.1. 默许共谋的“光明前景”3.1.1. 计算机实时处理大量数据的能力，令它拥有了掌握所有

一、文章摘要图像隐写术的目的是将一个完整大小的图像(称为秘密)隐藏到另一个图像(称为封面)中。以往的图像隐写算法只能在一个封面中隐藏一个秘密。在这篇论文中，我们提出了一个自适应局部图像隐写(AdaSteg)系统，允许缩放和位置自适应图像隐写。该系统通过在局部范围内自适应隐藏秘密，提高了隐写术的安全性，并进一步实现了单一封面内的多秘密隐写术。具体来说，这是通过两个阶段来实现的，即自适应块选择阶段和秘密加密阶段。首先，利用所提出的隐写质量函数和策略网络，利用深度强化学习自适应确定最优局部隐藏块；然后，将秘密图像转换为一个加密噪声的块，类似于生成对抗样本的过程，进一步编码到封面的局部区域，以实现更安

论文地址：https://arxiv.org/abs/2203.13903代码地址：https://github.com/facebookresearch/sylph-few-shot-detection目录1、存在的问题2、算法简介3、算法细节3.1、基础检测器3.2、小样本超网络3.2.1、支持集特征提取3.2.2、代码预测3.2.3、代码聚合和归一化3.3、基础检测器的训练3.4、超网络的训练3.5、元测试4、实验4.1、对比实验4.2、消融实验4.3、学习能力测试5、结论1、存在的问题目前的小样本目标检测方法：基于两阶段微调、基于元学习。基于微调：首先在基类上进行预训练，然后在来自基类

笔记内容概要一、架构师必备Java基础1、深入理解Java泛型2、注解深入浅出3、并发编程4、数据传输与序列化5、Java虚拟机原理6、高效IO二、设计思想解读开源框架1、热修复设计2、插件化框架设计3、组件化框架设计4、图片加载框架5、网络访问框架设计6、RXJava响应式编程框架设计三、360°全方位性能调优1、设计思想与代码质量优化2、程序性能优化启动速度与执行效率优化布局检测与优化内存优化耗电优化网络传输与数据储存优化APK大小优化3、开发效率优化分布式版本控制系统Git自动化构建系统Gradle4、项目实战启动速度流畅度抖音在APK包大小资源优化的实践优酷响应式布局技术全解析网络优化

起因：由于站点内很多本地图片每次打开要等很久于是就开始搜索相关内容卡到了一个pagespeed这么一个模块而且折腾起来也比较简单所以就开始干活正式折腾。正文：首先我的环境是centos8+宝塔【web环境lnmp（linux-ngingx-mysql-php）】环境不一样的不要直接复制！！！以下教程内容一部分来源于知乎：引用地址：宝塔Nginx环境安装pagespeed模块加速网站以及配置WebP格式图片加速方法-知乎(zhihu.com)教程总共分为以下几个步骤：一.下载ngx_pagespeed二.编译模块到ngingx中三.编辑站点配置文件开启模块一.首先下载模块wgethttps://

FPGAvivadoIP核学习笔记——单端口RAM1.新建IP在IPCatalog中找到BlockMemoryGenerator2.基本配置①在ComponentName位置可以修改IP名字②InterfaceType选择接口类型，有Native（常规）和AXI4两种，AXI4常用于软核控制FPGA或ZYNQ中PS端控制FPGA时使用③Generateaddressinterfacewith31bits，将地址深度固定在32bit④MemoryType:有一下五个选项，本实验选择SinglePortRAM单端口RAM不存在几个端口公用一个时钟的问题，忽略CommonClock⑤ECCoptio

 基于低点对应模型的光场相机相对姿态估计张赛平，研究生委员，金栋阳、戴宇超，IEEE委员，杨扶正摘要：在本文中，我们提出了一种基于微透镜阵列（MLA）的传统光场（LF）相机的相对位姿估计算法。首先，通过使用匹配的LF点对，我们建立了LF点-LF点对应模型来表示一对LF中相同3D场景点的LF特征之间的相关性。然后，我们采用所提出的对应模型来估计相对相机位姿，其中包括线性解和流形上的非线性优化。与现有相关算法根据恢复的场景点深度来估计相对位姿不同，我们采用估计的视差来避免由于LF相机的子孔径图像之间的基线超小而导致恢复深度的不准确。模拟和真实场景数据的实验结果证明了该算法与经典和最先进的相对位姿估