什么是Web3.0

Web3.0是互联网的下一个时代(价值互联),本质是去中心化的互联网,把经济体系嵌入到互联网,基于区块链技术实现价值的流通与重新分配。2021 年下旬开始,互联网上“Web3”关键词的搜索量快速增长。人们开始热议 Web3, 似乎 Web3 理想明天就能成为现实。Web3 并非什么凭空出现的产物,而是上世纪 8、90 年代赛博朋克、密码朋克精神的 延续。当前火热的 Web3 革命,更像是给赛博空间注入了原生经济血液之后的一场文 艺复兴。.........
分类: 企业开发 发布时间: 01-30 03:52 阅读次数: 0

解决yarn错误error An unexpected error occurred: “https://registry.yarnpkg.com/hardhat: ETIMEDOUT“.

在使用yarn安装依赖包时报错,提示信息:error An unexpected error occurred: “https://registry.yarnpkg.com/hardhat: ETIMEDOUT”.这是由于资源地址请求超时造成的,更换一下请求地址即可。解决方案:运行命令,把资源地址设置成npm淘宝源删除代理对node-sass镜像源进行设置或......
分类: 企业开发 发布时间: 01-30 03:52 阅读次数: 0

面试题:为什么redis集群的最大槽数是16384个?

redis作者在github上给出了原因,地址https://github.com/antirez/redis/issues/25761、普通心跳数据包携带节点的完整配置,该配置可以用旧配置以幂等方式替换,以便更新旧配置。这意味着它们包含原始形式的节点的槽配置,16k的槽配置需要使用2k内存空间,但是使用65k槽将使用8k的内存空间。2、同时,由于其他设计折衷,Redis集群不可能扩展到超过...
分类: 企业开发 发布时间: 01-30 03:52 阅读次数: 0

解决错误LibreSSL SSL_connect: SSL_ERROR_SYSCALL in connection to

LibreSSL SSL_connect: SSL_ERROR_SYSCALL in connection to解决方法以下几种解决方法可以尝试,由于开发环境不同,不一定每个都适用你的问题我用的mac电脑,方法一解决了我的问题,我先用的其它方法然而并没有解决由于使用 IPv6 的原因,可能会导致这一问题的出现系统在解析hostname时使用了ipv6可以配置计算机不使用 IPv6,故使用以下命令:如果有需要,可以再将配置修改回来:...
分类: 企业开发 发布时间: 01-30 03:52 阅读次数: 0

全面理解Web3.0时代

本文梳理自非常棒的新书《一本书读懂Web3.0:区块链、NFT、元宇宙和DAO》,Web3.0知识体系非常全面,通俗易懂,建议大家购买拜读Web3.0是第三代互联网是未来互联网发展趋势是创业新风口新赛道是屌丝逆向的新机会Web3.0包括但不限于区块链、NFT、元宇宙、DAO、DID等板块;Web:互联网(Internet)、万维网 (World Wide Web,即WWW)简称Web、HTTP...
分类: 企业开发 发布时间: 01-30 03:50 阅读次数: 0

手把手教你用YOLOv5训练自己的数据集(从Windows环境配置到模型部署)

【小白CV】手把手教你用YOLOv5训练自己的数据集(从环境配置到模型部署)前言:1. 安装Anaconda:2. 创建虚拟环境:3. 安装pytorch:4. 下载源码和安装依赖库:5. 数据标注:5. 数据预处理:6. 下载预训练模型:前言:今天有时间,就写一下用yolov5训练自己数据集的博客吧。1. 安装Anaconda:Anaconda官网:https://www.anaconda.com/下载完成后打开一路Yes即可,只需要注意这里要将conda添加到PATH:安装完成后打
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【知识蒸馏】开源:Yolov5模型知识蒸馏训练(可用于自己的数据集)

代码地址:https://github.com/Sharpiless/Yolov5-distillation-train-inference蒸馏训练:python train_distill.py --weights yolov5s.pt \ --teacher weights/yolov5l_voc.pt --distill_ratio 0.001 \ -- teacher-cfg model/yolov5l.yaml --data data/voc.yaml \ --e
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【CVPR 2020 Oral】极低光去噪论文:A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising

CVPR2020 oral & TPAMI 2021 的很优秀的里程碑式的暗光去噪文章
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【SPRS J P & RS 2022】小目标检测模块:A Normalized Gaussian Wasserstein Distance for Tiny Object Detection

作者提出了一种新的框间距离的度量方法,用来解决传统的 IoU 度量对于小目标过于敏感的问题,可以直接用于基于锚框的检测器和NMS中。在我自己采集的数据上进行训练发现该方法确实比较好用。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【CVPR 2022】高分辨率小目标检测:Cascaded Sparse Query for Accelerating High-Resolution Smal Object Detection

根据低层特征的计算高度冗余和特征金字塔高度结构化,QueryDet首先预测低分辨率特征上小物体的粗略位置,然后使用由那些粗略位置稀疏引导的高分辨率特征来计算准确的检测结果。这样,不仅可以收获高分辨率特征图的好处,而且还可以避免对背景区域进行无用的计算。 此pipeline以级联方式应用,可实现快速,准确的小物体检测。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【ICCV Workshop 2021】基于密度图的小目标检测:Coarse-grained Density Map Guided Object Detection in Aerial Images

对于每一幅图像,本文的方法的过程可以分为三个阶段。首先,利用密度估计模型预测图像的粗粒度密度图。其次,通过密度连接区域生成初始聚类区域,然后估计目标区域在聚类区域中的比例,并通过分割或扩大操作来调整聚类区域。最后,通过非最大抑制(NMS)来检测并合并所有的聚类区域。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【ICPR 2021】遥感图中的密集小目标检测:Tiny Object Detection in Aerial Images

为了建立一个在航空图像中的微小物体检测的基准,作者还在AI-TOD数据集上评估了最先进的目标检测器。实验结果表明,将这些方法直接应用于AI-TOD会产生次优目标检测结果,因此需要设计新的微型目标检测器。因此,作者提出了一种基于多中心点的学习网络(M-CenterNet)来提高小目标检测的定位性能,实验结果表明,该性能提高显著。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【CVPR 2020】会议版本:A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising

由于缺乏丰富和真实的数据,学习到的单幅图像去噪算法不能很好地推广到不类似于训练所用数据的真实原始图像。虽然噪声合成的异方差高斯模型可以缓解这一问题,但数码相机电子器件引起的噪声源在很大程度上仍被忽视。为了解决这个问题,作者提出了一个基于CMOS光传感器特性的高度精确的噪声形成模型,从而使我们能够合成真实的样本,更好地匹配图像形成过程的物理特性。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【ICCV 2019】特征超分检测:Towards Precise Supervision of Feature Super-Resolution for Small Object Detection

作者提出了一种新的特征级超分辨率方法,利用适当的高分辨率目标特征作为监督信号训练的SR模型和匹配的相对感受野的训练对输入低分辨率特征和目标高分辨率特性,而且可以与任何基于特征池化的检测器集成。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【ICLR 2021】半监督目标检测:Unbiased Teacher For Semi-Supervised Object Detection

半监督学习,即同时使用有标记和未标记数据的训练网络,最近取得了重大进展。然而,现有的工作主要集中在图像分类任务上,而忽略了目标检测。因此在这项工作中,作者重新讨论了半监督对象检测(SSOD),并确定了SSOD中的伪标记偏差问题。为了解决这个问题,作者引入了无偏见教师模型(Unbiased Teacher),这是一种简单而有效的方法,以互惠互利的方式共同训练学生模型和逐步进步的教师模型。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【CVPR 2022】目标检测SOTA:DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection

本文提出了DINO(DETR with Improved deNoising anchOr boxes)使用 ResNet50 作为主干网络能够在 COCO 训练 12 轮能达到 48.3 mAP,36 轮能达到 51.0 mAP。与排行榜上的其他模型相比,DINO显著减少了模型大小和训练前的数据大小,同时取得了更好的结果。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【CVPR 2022】半监督目标检测:Dense Learning based Semi-Supervised Object Detection

本文提出了一种用于无锚框SSOD的半监督学习算法。具体来说,为了对密集学习进行仔细的标签指导,本文首先提出了一种自适应过滤(AF)策略,从而将伪标签划分为三个细粒度的部分,包括背景、前景和可忽略区域。然后使用 MetaNet 对这些伪标签进行细化,以消除分类伪正样本...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

【无监督纳米粒子分割】AutoDetect-mNP: An Unsupervised Machine Learning Algorithm

因此本文开发了一种无监督的算法 AutoDetect-mNP,用于分析 TEM 图像和对 mNPs 的粒子形状进行分类,在这个过程中需要最少的人工输入,如上图。本文演示了 AutoDetect-mNP 算法的定量可靠性,以及它作为一个无偏的一般检测方法的潜力,可以用于纳米颗粒的形状分布的描述。本文使用两个不同醒转的金纳米颗粒(AuNPs)数据集用作演示。...
分类: 企业开发 发布时间: 01-30 03:45 阅读次数: 0

Faucets--超全区块链各个链水龙头【区块链开发必备】

在日常开发中,整理出来了各个链得Faucets,分享给大家,方便大家领取测试币,提高开发效率。Name Link Ropsten Ropsten testnet faucetRopsten testnet faucetRopsten testnet faucet kovan\Rinkeby Faucets | Chainlink Fantom FTM Faucet Avalanche Fuji AVAX TEST FAUCET polygon-mumba
分类: 企业开发 发布时间: 01-30 03:29 阅读次数: 0

【Bluetooth蓝牙开发】十、BLE蓝牙通信流程(建立连接,广播,扫描,断开连接)

1、开篇词2、蓝牙开发入门3、蓝牙协议栈总览4、蓝牙协议栈——物理层5、蓝牙协议栈——链路层6、蓝牙协议栈——传输层7、蓝牙协议栈——L2CAP协议8、蓝牙协议栈——ATT协议 9、蓝牙协议栈——GATT协议10、蓝牙通信流程分析11、蓝牙协议栈——Bluez交叉编译12、蓝牙调试工具汇总
分类: 企业开发 发布时间: 01-30 03:24 阅读次数: 0