论文阅读--基于MLS点云语义分割和螺栓孔定位的盾构隧道错位检测方法
隧道错位识别方法只能针对特定错位形式；将点云转化为灰度图像会受到环境的影响。 文章主要研究内容： 将点云无损展开将2.5D点云转化为2D图像进行语义分割提取螺栓孔感兴趣区域，最小拟合方法获取错位值 论文翻译： ...
涉及10篇论文！华中农大原教授黄飞若再被通报！
华中农大原教授黄飞若再被通报【华中农大原教授黄飞若再被通报】近日，国家自然科学基金委员会监督委员会通报了新一批科研不端行为案件处理结果，其中，湖北某高校黄飞若、王同心等发表的论文涉嫌学术不端开展了调查，涉及10篇论文，存在图片使用混乱问题和违反论文发表规范问题，还有论文中描述的数据与原始数据不符，存在数据篡改的问题。此外，黄飞若将4篇涉事论文列入了基金项目（批准号31572409）进展/结题报告中，将...
【图像去噪】论文精读：Simple Baselines for Image Restoration（NAFNet）
y 4 Nonlinear Activation Free Network 5 Experiments 5.1 Ablations 5.2 Applications 6 Conclusions 前言 论文题目：Simple Baselines for Image Restoration —— 图像恢复的简单基线 论文地址：Simple Baselines for Image Restoration 论...
每日论文8-21MWTL通过电压扭曲增强调谐线性的ku波段压控振荡器
《A Ku-Band Voltage-Controlled Oscillator Equipped With a Compact Enhanced Linearity Tuning Converter》21MWTL 本文的线性化思路比较少见，但其实很简单。就是通过电路把Vctrl先扭曲一下，然后和Var的非线性相互抵消，预扭曲的电路如下图： 但实际上从指标上可以看的出来，这种方法得出的线性度其实并不好...
YOLOv1代码复现（论文复现）
YOLOv1代码复现（论文复现） 文章目录 YOLOv1代码复现（论文复现）论文介绍主要内容实验部分卷积网络结构计算损失核心代码 缺点 论文介绍 主要内容 实验部分 卷积网络结构 计算损失 核心代码 class ResNet(nn.Module): def __init__(self, block, layers): super(ResNet, self).__init__() # 通道数64 se...
偏标记学习+图像分类（论文复现）
偏标记学习+图像分类（论文复现） 文章目录 偏标记学习+图像分类（论文复现）概述算法原理核心逻辑效果演示使用方式 概述 算法原理 核心逻辑 import modelsimport datasetsimport torchfrom torch.utils.data import DataLoaderimport numpy as npimport torch.optim as optimf...
上下位关系自动检测方法（论文复现）
上下位关系自动检测方法（论文复现） 文章目录 上下位关系自动检测方法（论文复现）概述算法原理Hearst 模式上下位关系得分核心逻辑效果演示使用方式 概述 算法原理 Hearst 模式 上下位关系得分 核心逻辑 import spacyimport jsonfrom tqdm import tqdmimport refrom collections import Counterimport...
架构师论文备考-论软件系统架构评估
题目：论软件系统架构评估 对于软件系统，尤其是大规模的复杂软件系统来说，软件的系统架构对于确保最终系统的质量具有十分重要的意义，不恰当的系统架构将给项目开发带来高昂的代价和难以避免的灾难。对一个系统架构进行评估，是为了：分析现有架构存在的潜在风险，检验设计中提出的质量需求，在系统被构建之前分析现有系统架构对于系统质量的影响，提出系统架构的改进方案。架构评估是软件开发过程中的重要环节。...
【论文写作】使用MSE评价如何描述模型优劣
使用均方误差（MSE）来评价模型时，可以通过具体的数值对比来清晰描述模型的优劣。MSE 反映了模型预测值与真实值之间的误差，误差越小表示模型性能越好。以下是一些描述模型使用 MSE 指标进行比较的表达方式： 描述 MSE 评价模型优劣的方式 直接比较 MSE 数值： “Model A achieves a lower MSE of X compared to Model B’s MSE of Y, ...
YOLOv5复现（论文复现）
YOLOv5复现（论文复现） 文章目录 YOLOv5复现（论文复现）概述模型结构正负样本匹配策略损失计算数据增强使用方式训练测试验证Demo 概述 模型结构 # CSPDarkNetclass CSPDarkNet(nn.Module): def __init__(self, depth=1.0, width=1.0, act_type='silu', norm_type='BN', depthw...