1时间序列数据集1.1交通数据集数据集地址介绍UrbanTrafficSpeedDatasetofGuangzhou,China|Zenodo由两个月内（即2016年8月1日至2016年9月30日的61天）内的214个匿名路段（主要包括城市快速路和主干道）组成，间隔10分钟。速度观测是在中国广州收集的。广州T-GCN/dataatmaster·lehaifeng/T-GCN·GitHub2015年

科研笔记论文题目-检测恶意软件分类模型中的概念漂移共形预测(conformalprediction)是一种置信度预测器，它生成具有用户定义的错误率的预测。

人工智能论文太多，自己精度看的太慢，这个问题怎么解决？？？（一）1.首先问一个问题，如果你想从学术文献中学习，你应该做些什么？（1）编写一份论文列表。尝试创建一份自己的研究列表，包括你拥有的任何文本或学习资源。（2）过一遍列表。以并行的方式阅读研究论文。具体就是，试着快速浏览并理解每一篇文章。而不是全部读完。对手头的文章有一个高水平的理解。吴恩达，如果你读了5-20篇论文，你可以实现一个语音识别系

在我这个专栏记录我有空时的一些哲学思考和科研笔记：科研和哲思。建议读者按目录次序逐一浏览，免得骤然跌入幽暗

261330-627219.html[转载]SIFT算法的应用--目标识别之Bag-of-words模型(转)已有360次阅读2012-10-2911:25|个人分类:bagofwords|系统分类:科研笔记

说起来obsidian，它是一款非常完美的科研笔记软件，同时也是基于Markdown语法编辑的本地知识管理软件，并且开发者承诺Obsidian对于个人使用者永久免费。

在我这个专栏记录我有空时的一些哲学思考和科研笔记：科研和哲思。建议读

查抗体https://www.labome.com/化合物合成http://www.synchem.com/blasthttps://www.uniprot.org/灰度http://www.bio-review.com/imagej-graphpad-wb/

六月四号是正式开始科研的第一天，刚开始科研，脑袋一片空白，老师也没有跟我交代太多，就让我看了一篇multimodal的综述文章，然后写一篇report交给他。由于疫情的原因，这篇综述看了几个月，然而也并没有看出什么有价值东西。科研的起步阶段是很枯燥的，而且很可能花了不少时间却义务所获，所以学会正确的方式是很重要的。之后在知乎上看到了一篇经验贴，是曼大的一位计算机专业在读博士的经验分享贴（https

开始使用Markdown编辑器写博客笔记。1.PyTorchGeometric配置PyG的配置比预期要麻烦一点。PyG只支持两种Cuda版本，分别是Cuda9.2和Cuda10.1。而我的笔记本配置是Cuda10.0，考虑到我Pytorch版本是1.2.0+cu92，不是最新的，因此选择使用Cuda9.2的PyG1.2.0（Cuda向下兼容）。按照PyG官网的安装教程，需要安装torch-scat

mod=space&uid=81613&do=blog&id=320261IDL语言介绍已有1275次阅读2010-5-519:50|个人分类:计算机|系统分类:科研笔记|关键词:IDL语言介绍和一个老乡聊天

参考文献：1.邱兆美.蝴蝶鳞片微观结构与模型分析[J].农业机械学报，2009；2.关会英.典型蝴蝶鳞片结构色形成机理及其微观结构研究[D].吉林大学，2007一、前期准备首先，我们准备好样本一只绿带翠凤蝶，一只尖钩粉蝶。以绿带翠凤蝶为例，它的翅膀上主要分布了黄绿色，绿色，紫色、蓝色以及暗棕色。选取其后翅和翅尾部分在光学显微镜下观察，可以看到蝴蝶翅膀上有一层层的覆盖物，这些覆盖物呈片状分布，且像房

//blog.sciencenet.cn/blog-633758-1056965.html在ArcGIS里使用SciPy已有989次阅读2017-5-2508:52|个人分类:Arc和Py|系统分类:科研笔记

python的图像处理库已有8527次阅读2014-5-2612:34|个人分类:技术-方法|系统分类:科研笔记Matlab是一个商业软件，现在后悔一开始学习Matlab了。

1.前言这篇博客主要分析mmDetection框架中常见的损失函数，以及它们的具体实现。2.目标检测中常见的损失函数2.1平滑L1范数平滑L1范数用于描述目标框回归中的损失函数：Smooth_L1(x,xgt)={0.5∥x−xgt∥22/β,∥x−xgt∥10assertpred.size()==target.size()andtarget.numel()>0diff=torch.abs(pre

1.前言这篇博客讨论mmDetection框架的训练推断的总体流程。在讲解它的训练流程的过程中，我会以3d目标检测算法SA-SSD为讲解对象。首先解析训练流程，然后去讨论推断流程。2.训练训练过程中的程序调用图如下所示。配置文件的重要性不言而喻，学习mmDetection框架的第一步就是立理解配置文件。这里假设读者都已了解。配置文件主要提供五个方面的参数。图1：总体训练流程图build_detec

1.前言开源目标检测框架mmdetection在2D/3D的目标检测上受到越来越多使用者的青睐。作为一个半商业半学术的开源框架，它的很多内部细节是值得学习和借鉴的。同时，没有一个框架是绝对完美的，但是站在巨人的肩膀上无疑会看的更远。小白我认识mmdetection框架是源于对检测算法SA-SSD的研究。在使用和调试SA-SSD和领略mmdetection框架的便捷高效之后，我打算认真分析mmdet

1.前言由于LiDAR点云稀疏的特性，根据它得到的LiDAR深度图也是稀疏的。然而相机采集到的信息却是稠密的。这样一种反差对LiDAR-Camera多传感器信息融合造成挑战。ContinuousConvolution是近年处理LiDAR-Camera信息融合的方法之一。这篇博客尝试探究ContinuousConvolution在深度补全的应用。我将主要参考下面两篇文章：（1）ShenlongWan

1.前言PointRCNN是一篇做3D目标检测的CVPR2019的文章。目前位居KITTI目标检测榜首的是PV-RCNN。这个算法的前身就是PointRCNN。它们的作者都是同一个人。考虑到PV-RCNN算法有些复杂，于是我想先从PointRCNN着手。这是我写这篇博客的原因。在分析单阶段目标检测算法SA-SSD时候，已经积累了一些3d目标检测的知识代码储备，希望这次的讨论能够顺利一些。2.Poi

1.引言前面若干篇博客讨论分析了SA-SSD的输入输出流，所需数据集的格式，整体网络框架，voxel生成，Anchor使用，BEV特征转换等等细节。同时对mmdetection的训练数据处理，训练推断等等做了一些了解。这篇博客将探讨SA-SSD中各种误差函数的计算细节。这篇博客主要讨论SA-SSD中几个问题：辅助网络的细节和它的误差函数rpn_head的细节和它的误差函数extra_head的细节

1.前言因为工作需要，要了解3d目标检测框的指标计算过程。2.3D目标框数据格式随便打开一个Groundtruth标签，比如000006.txt，可以看到如下的内容：Car0.002-1.55548.00171.33572.40194.421.481.563.62-2.720.8248.22-1.62Car0.000-1.21505.25168.37575.44209.181.671.644.32

1.前言这篇博客将细致分析3D目标单阶段检测方法SA-SSD中的Part-sensitivewarping机制（简称PSWarping）。2.代码上对PSWarping理解论文上对PSWarping的介绍明明每个单词都认识，但是这些单词合在一起，就不明白说的什么意思了（笑哭），以及论文中公式（6）就是看不明白。那就先看看代码上PSWarping的实现（代码实现并不复杂，论文中的公式倒写的高大上）。

1.引言现有的3D目标检测的算法的实现都比较复杂。在深入网络细节之前，需要弄清楚数据的输入输出流，数据以怎样的format输入到核心算法模块，又以怎样的format输出，以及评价算法模块的指标又有哪些，等等基础问题。为什么需要了解这些基础问题？笔者觉得，分析他人代码的唯一目的就是搭建自己的代码。否则了解大概就足够了。不以自己实际需求为主纯粹地分析代码多少有些浪费时间（笑哭）。多多少少有些功利，哈哈

1.前言当前，目标检测的深度网络一般训练至少50个Epoch。如果每个Epoch喂入的数据都是一样的，网络的误差函数可能会快速下降，但是会有很大的几率出现过拟合。这就像高中的笔者一直死记硬背地做一套习题，掌握不了知识变通一样。为了融汇贯通知识点，就需要做各式各样的练习题。在深度学习里，这就是数据增强（DataAugmentation），把输入的数据进行变形（GroundTruth也随之变化）。在点

1.引言最近看一些3D目标检测算法（比如之前分析的CVPR2020的SA-SSD），发现它们都调用spconv这个库。spconv对应Facebook在CVPR2018发的一篇文章。文章全名是3DSemanticSegmentationwithSubmanifoldSparseConvolutionalNetworks。文章核心创新点是提出了子流形上的稀疏卷积层（对SubmanifoldSpars

前向传递二.AuxiliaryNetwork1.生成label2.loss构建三.SSDRotateHead1.前向传递2.loss构建3.生成label关于网络的细节也可以看这篇博客，作者介绍的很详细：小白科研笔记

1.引言对于3D目标检测算法SA-SSD，考虑到我还是个大白，代码层面上有NNN个细节我还不是特别懂。具体而言，我会解决以下几个问题：Voxel是怎么生成的，数据格式是什么？Anchor是怎么生成的，数据格式是什么？以及AnchorMask是什么？Anchor和AnchorMask用在哪里？Anchor对于基于Anchor的检测算法的作用是什么？3D稀疏卷积特征如何变成BEV特征？好啦，经过一番努

参考博客:简析SA-SSD在预处理训练评估的框架.作者博客空间:小白科研笔记.由于代码量和注释量都比较大，因此截取几个第一次接触或者有启发的代码。

可实践的同态加密：IBM发布了开源软件库已有3608次阅读2013-6-215:22|个人分类:信息安全|系统分类:科研笔记|关键词:发布加密软件库IBM在密码学上迈出了新的一步：发布了一个实现同态加密的开源软件库

unabletoloaddll（由于应用程序配置不正确，应用程序未能起动）问题解决方法已有5970次阅读2009-10-2716:10|个人分类:C#|系统分类:科研笔记自己写的一个DLL（VC），然后用

作为一个科研和代码小白，经常到csdn来找东西。感谢好多大神分享出自己的宝贵经验。本小白现在研一入学第一年，在科研（或者代码软件）方面也算是有了一点点点点自己的学习心得。想找个地方记录下来自己的科研成长。也顺便分享出自己觉得好用的软件和平常的一些小tip。第一次写博客，还有点紧张。。。1.阅读文献查找我一般从学校的图书馆进IEEE或者知网搜索相关关键词查找。建议下载pdf到本地，便于以后查找自己的

markdown语法非常适合我们简单地记录包含大量数学公式的科研笔记，美中不足之处是一些编辑器不支持英语单词拼写的检查：数学公式自动编号：这个可以在默认的插入块公式的过程中用equation插入公式。

1.前言这篇博客主要分析这个老哥做的Python实现的基于TSDF地图的三维重建，点击它获取Github链接。三维重建的效果图如下所示。这篇博客主要分析两件事情，一是TSDF地图的原理和融合理论，二是TSDF实现的代码。如果后续有时间，我再去做一个mini版本的三维重建小工程。有关KinectFusion相关的知识可以参考这篇知乎笔记。图1：三维重建效果图2.TSDF地图的构成和初始化TSDF地图

云安全：从全同态加密到函数加密精选已有10188次阅读2013-7-1218:57|个人分类:信息安全|系统分类:科研笔记|关键词:云安全加密小小一片云，搅动大世界。

Hello，everyone！我是CS科研GO，一个热衷于科研和软开的胖子！论文题目：SimultaneousLocalizationandMapping:PartI论文作者：HughDurrant-Whyte，TimBailey；工作单位：悉尼大学，澳大利亚；发表期刊：IEEEROBOTICS&AUTOMATIONMAGAZINE（SCI二区）。话不多说，先来张SLAM效果图这篇早期很有名气的S

note（个人笔记）最近要把给外协项目上写的代码整理成一个完整的项目交付，整理一下基本的流程。这次的项目是一个基于深度学习的地震资料处理。基本的功能其实之前的实验中都已经实现。主要是将已有的内容整理一下，使其更易于修改调试，并且对新接触代码的人便于分析和通读。首先，将较简单的、较为通用的函数写在一个脚本中，以便在其他部分通用地调用。比如在这里，我们处理特殊数据格式（地震数据中的*.segy格式数据

[转载]怎么修复hh.exe程序已有1351次阅读2011-11-1608:23|个人分类:计算机科学、理论与实践|系统分类:科研笔记|关键词:程序修复电脑CHM文件打不开之前由于电脑某些问题自己电脑的

1.前言这篇博客图解mmDetection搭建检测器网络架构的代码流程。在讲解的过程中，还是会以3D目标检测框架SA-SSD做例子讨论。2.网络架构2.1理论上的说明这段说明以单阶段3D目标检测框架SA-SSD为例。它的输入是[W0,L0,H0,C0][W_0,L_0,H_0,C_0][W0,L0,H0,C0]的稀疏三维特征张量。SA-SSD由backbone，neck，和detector三部分组

1.前言这篇博客讨论mmDetection框架的数据输入过程。主要讨论SA-SSD的数据流。2.数据输入2.1DataLoader类Pytorch训练网络的简单例程可参考这篇简书笔记。数据输入的代码片段如下所示。Pytorch提供DataLoader类用于处理数据的输入，提供做训练的网络输入值（inputs）和真值（labels）。它提供很多数据输入的便捷操作，比如输入数据批处理大小（batch_

已有42522次阅读2017-10-3113:25|系统分类:科研笔记|关键词:学者|硕博学位论文1ProQuestProQuest公司是世界上最早及最大的博硕士论文收藏和供应商，该公司的学位论文数据库

Hello，everyone！我是CS科研GO，一个热衷于科研和软开的胖子！论文题目：Multi-destinationIndoorNavigationusingPathPlanningandWiFiFingerprintLocalization论文作者：OrachatChitsobhuk,KulwarunWarunsin,SornchaiUdomthanapong；工作单位：KMITL，Ramk

Hello，everyone！我是CS科研GO，一个热衷于科研和软开的胖子！论文题目：AnIndoorRoutePlanningMethodWithEnvironmentAwareness论文作者：YanZhou,HongChen,YueyingHuang,YunxinLuo,YetingZhang,XiaoXie；工作单位：电子科技大学；发表会议：IGARSS2018。基于环境感知的室内路径规划

Hello，everyone！我是CS科研GO，一个热衷于科研和软开的胖子！目录发展背景技术分类国内外主要实验室、学者和赛事10年来有价值的参考文献发展背景迄今为止，室内定位技术已经发展了二十年。精准的室内定位有可能改变人们在室内的导航方式，如同全球定位系统(GPS)改变人们在室外的导航方式一样。使用智能手机进行室内导航的场景包括定位大学、商场、机场、体育赛事、会议现场等公共建筑内的人所在的地点，

前言[科研笔记]系列是我在科研道路上的随笔和思考，内容不加以局限，是一个开放的文章系列，这也是给自己一点自由的空间。本文是我结合自身经验给的一些出关于人工智能技术和算法项目管理方面的思考。

1.前言这篇博客主要简析一篇ICLR2020的论文WhatGraphNeuralNetworkCannotLearn:DepthvsWidth。这篇论文是很有理论深度的。不过这篇博客只是一个导读哈。想借研究这篇论文的时间，打一打图神经网络的理论基础。因为我比较关心图神经网络在点云处理方面的研究，所以对文章的讨论我会以点云处理来举例子。有关图神经网络处理点云的论文可以参考我之前的几篇博客。2.图神经

社区发现算法简介（上）-2013年3月31日已有973次阅读2013-4-710:28|系统分类:科研笔记|关键词:社区发现简介1.社区发现简介社区，从直观上来看，是指网络中的一些密集群体，每个社区内部的结点间的联系相对紧密

当前需要用到的材料的表征方法形貌、成分和结构的表征是材料的生长、鉴别、加工、研究和应用等过程中很重要的一个步骤。材料的表征方法按照实验数据类型可以分为图像类和谱图类两类，其中图像类有SEM、FIB-SEM、AFM和TEM等；谱图类有XPS、XRD、Raman、FT-IR、UV-vis、NMR、XAS以及配合电镜使用的EELS和EDS等。SEM、FIB-SEM和AFM主要用来表征材料的形貌特征，TE

通常这些摘抄的模式都是“大纲+经典语录”，若是科研笔记，还需要标出详

今年的春节假期是小刘从业以来最长的一次，不亚于学生的寒假，由于公司还未复工，小刘不想浪费自己的时间即生命，故每天更新自己的学习笔记，希望能对从事光电工艺，半导体工艺，MEMS工艺等相关从业人员有所帮助，谢谢。-小刘来自华慧高芯网华慧高芯知识库|IGBT失效分析（一）随着电力电子器件制造技术的发展，高性能、大容量的绝缘栅双极晶体管（IGBT）因其具有电压型控制、输入阻抗大、驱动功率小、开关损耗低及工

活动时间：即刻起至1月5日22:00领取方式：见下方丁香园元旦礼物科研笔记本领取方式（点这里）发货时间：礼品将于活动结束后3个