站在2022年的时间节点回看开源，它已经从一个小众的爱好者行为变成了技术圈的主流，不变的是，开源像有引力一样吸引着全球的开发者，超越国籍、语言的差异，围绕着自己认可的开源项目，不断地使用、贡献代码。这些贡献，重塑了我们现在的技术版图。阿里连续十年蝉联了中国企业开源活跃度第一*全球有3万多开发者参与了阿里开源3000多个项目收获了100多万的star在刚刚过去的2021年，阿里开源新增了1494万行代码，是过去十年总量的30%；代码仓库新增了715个，总量超过了3000个，占过去十年的23%；commits数超过了20万次，占过去十年的40%；新增了16864个活跃开发者，其中代码贡献者达新增了
本文为基于何恺明博士的SingleImageHazeRemovalUsingDarkChannelPrior和GuidedImageFiltering两篇论文的去雾算法python代码实现。1一些基本的定义1.1雾图成像模型I(x)为原图，J(x)为无雾图像，A是大气光成分，为一常数。t(x)为透光率。其含义就是图像I(x)为事物反射的光经过雾气衰减后加上雾气反射的大气光的结合所成的像。1.2暗通道定义1.3计算投射图t(x)这里是一个作者统计了大量图片得出的结论，即无雾图片的暗通道是接近于0的。实际上，即使在晴天，大气中也不是完全没有任何粒子。所以当我们看远处的物体时，雾仍然存在。所以，我们
前言注意力机制一直是一个比较热的话题，其实在很早之前就提出了，我们在学习图像分类时在SENet就见到过（直通车：经典神经网络论文超详细解读（七）——SENet（注意力机制）学习笔记（翻译＋精读＋代码复现））自从谷歌发表了《AttentionIsAllYouNeed》这篇论文后，注意力机制就真正火起来了，这篇论文本来是NLP领域的，不过在CV领域也有越来越多人开始引入注意力机制。本来这部分想放在论文里讲的，但最近学习过程中发现还挺多拓展的内容，所以这篇我们就来详细看一下这些注意力机制吧！ 🍀本人Transformer相关文章导航： 【Transformer系列（1）】encoder（编码器）
通道注意力模块使用通道注意力模块的目的：为了让输入的图像更有意义，大概理解就是，通过网络计算出输入图像各个通道的重要性（权重），也就是哪些通道包含关键信息就多加关注，少关注没什么重要信息的通道，从而达到提高特征表示能力的目的。简而言之：注意力机制可对特征进行校正，校正后的特征可保留有价值的特征，剔除没价值的特征。通道注意力机制步骤：挤压（Squeeze）输入图像对输入特征图的空间维度进行压缩，这一步可以通过全局平均池化（GAP）和全局最大池化（GMP）（全局平均池化效果相对来说会比最大池化要好），通过这一步。HxWxC的输入图像被压缩成为1x1x``C的通道描述符。下方公式输入为SxSxB的f
1、卷积卷积可以用于对输入数据进行特征提取，特征提取的过程可以理解为通过卷积对输入特征进行加权运算，提取输入中的重要信息。卷积运算的过程就是通过卷积核扫描输入矩阵的元素，将卷积核和扫描对应的元素相乘再相加，得到一个输出，通过不断地滑动，得到最后的输出矩阵。其运算过程如下：从卷积运算的过程可以看出，输出特征就是输入特征的加权和。2、Padding在上边的例子中，采用3×3的卷积核卷积5×5的输入特征矩阵。从上述运算可以看出两个不足。第一个是通过卷积后输出矩阵相对于输入矩阵变小了，当参与多层的神经网络时，矩阵会变得越来越小。这对于人信息提取是不利的。第二个是中间元素参与运算的次数要远大于周围元素，
手把手教你使用Chatgpt，学不会拔网线一.简单粗暴用镜像,镜像只有chatgpt3.5免费版进入https://c.aalib.net/tool/chatgpt/，选取合适镜像即可二.官方版，chatgpt3.5免费，chatgpt4需自行选择升级即使是官方免费版前期注册也是需要小代价1.首先你得拥有一个Microsoft账号或谷歌账号。建议注册Microsoft账号，谷歌账号注册目前比较麻烦，而Microsoft账号大家使用的windows账号一般都有注册直接使用即可2.进入https://onlinesim.net/短信服务购买网站，注册账号登录3.充值1.004.进入放眼世界.top
前 言作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是在处理一些复杂背景问题的时候，还是容易出现错漏检的问题。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。一、解决问题加入ECA注意力机制，可以让网络更加关注待检测目标，提高检测效果。该注意力机制为一篇CVPR2020上对通道注意力进行改进的文章---ECANet，ECANet主要对SENet模块进行了一些改进，提出了一种不降维的局部跨信道交互策略（ECA模块）和自适应选择一维卷积核大小的方
System.Net.WebException:请求被中止:未能创建SSL/TLS安全通道。客户端执行https请求时，报出“System.Net.WebException:请求被中止:未能创建SSL/TLS安全通道。”的问题。原因是：服务端更改了安全协议，而执行的客户端并未注册该协议。如果客户端的.netframework版本低于4.0，协议类型枚举中只有 ServicePointManager.SecurityProtocol=SecurityProtocolType.Ssl3|SecurityProtocolType.Tls；需修改成如下任一方式即可（系统需支持.netframewo
目录准备配置步骤 总结 准备正点原子的STM32F103ZET6开发板（精英版）CUBEMX配置软件KEIL5配置 右对齐就是正常的数据格式。左对齐除以16后得正常数据。（当输出非常大时考虑是否改了对齐方式，默认都是右对齐） 扫描模式，连续转换模式使能。（多通道下扫描模式自动使能）采样周期SamplingTime越大越精确，越小则则会频繁触发DMA中断（在开启dma中断时，我试了在14M的adc时钟程序进不来while(因为频繁触发DMA中断)看数据手册，知道三个adc中（adc1，adc2，adc3只有adc1和adc3能用DMA通道。 ADC的时钟不能超过14Mhz，配置外设到内存（cub
一输入通道1.多个输入通道①彩色图像有RGB（红绿蓝组成）三个通道②转换为灰度会丢失信息灰度一个通道2.多个通道输出的结果：只有一个输出每个通道都有对应的卷积核，输出的结果是所有通道卷积核的和【演示】二个通道的输出结果输出结果某个值的计算： 3.输入多通道①输入X： ②卷积核W： ③输出Y：单通道。不管输入的是多个通道，每个通道都有对应的卷积核，输出通道的结果是所有卷积核的和。【比如】：下图的输入通道是2，所以对应2个卷积核（一组），输出结果是单通道。那么，如何让结果输出多个通道呢？下图是2个卷积核是一组，再加上一组（2个）卷积核。输出就是两个了。每组卷积核提取的特征不一样。结果也就不一样 ①
