Milvelas

1. KAISTKAIST行人数据集总共包括95328张图片，每张图片都包含RGB彩色图像和红外图像两个版本。总共包含103128个密集注释。数据集分别在白天和晚上捕获了包括校园、街道以及乡下的各种常规交通场景。图片大小为640×480。数据集总共分为12个文件夹set00-set11。前6个文件夹为训练集包含50187张图片，后6个文件夹为测试集包含45141张图片。 数据集的标签中包含person、people和cyclist三个类别。比较好区分的个体则被标注为person，不太好分辨的多个个体则被标注为people，骑行的人则被标注为cyclist。当标注的时候，连我们标注者都分不清那块区域到底是行人还是什么其他的物体时，则被标注为person 2. FLIRFLIR免费启动器热数据集为目标检测神经网络的开发提供了完全注释的热和可见光谱帧。这些数据的构建是为了鼓励可见光+热光谱传感器融合算法(“RGBT”)的研究，以提高自动驾驶汽车的安全性。总共26,442个完全注释的帧包含15个不同的对象类。 2.1 数据组成与设备 Content A total of...

项目简介基于 Spring Boot 开发一个 REST 应用，并结合云原生技术栈（Docker、 Kubernetes、Jenkins、Prometheus、Grafana）完成限流控制、持续集成部署、指标采集与扩容 验证的全流程实践。 功能开发实现REST接口实现一个简单的 REST API 接口（如 /hello），返回固定 JSON 数据： {"msg": "hello"} 实现限流控制要求接口支持限流功能：当请求频率超过每秒 100 次时，返回 HTTP 状态码 429 Too Many Requests。 限流实现方式不限，可选择： 本地限流库（如：Guava RateLimiter、Bucket4j）； 使用 Spring Cloud Gateway 限流插件； 自定义拦截器 + 原子计数器等。 暴露访问指标给 Prometheus应用需暴露接口访问频率（QPS）等指标，供 Prometheus 采集。Actuator + Micrometer 已自动 统计 HTTP...

大纲 论文题目 代码是否开源 方向 备注 Enhanced Infrared-Visible Image Fusion Method with an ISP Based Degradation Model 无 数据生成 由高质量图源生成低质量图像对 一种基于实测数据温差扰动的红外图像实时生成方法 无 数据生成 分块平均灰度拟合与温差扰动叠加 PID: Physics-Informed Diffusion Model for Infrared Image Generation https://github.com/fangyuanmao/PID 数据生成 PID：由RGB生成红外图像，加入物理规律。基于Diffusion InfraGAN: A GAN architecture to transfer visible images to infrared domain 无 数据生成 同样是生成，基于GAN MWIRSTD: A MWIR Small Target Detection...

机器学习 监督学习（Supervised Learning）回归Regression从input到output的映射算法 通过输入input和预期的output来训练模型 ​ 我们应用学习算法，可以在这组数据中画一条直线，或者换句话说，拟合一条直线，根据这条线我们可以推测出，这套房子可能卖150,000。 又或许，我们不用直线拟合这些数据，用二次方程去拟合可能效果会更好。根据二次方程的曲线，我们可以从这个点推测出，这套房子能卖接近200,000。 可以看出，监督学习指的就是我们给学习算法一个数据集。这个数据集由“正确答案（label）”组成。在房价的例子中，我们给了一系列房子的数据，我们给定数据集中每个样本的正确价格，即它们实际的售价。然后运用学习算法，算出更多的正确答案。 用术语来讲，这叫做回归（Regression）问题。 分类Classification​ ...

云原生简介及Linux入门参考《操作系统：设计与实现》 《鸟哥的Linux私房菜》 《计算机网络》 《Kubernetes in Action》 Kubernete源码 云计算与云原生 DockerDocker简介Docker概念与用途Docker 可以将应用、配置和环境打包，形成一个独立的类似于 iOS APP 形式的「应用」。 此「应用」可以直接分发到任意一个支持Docker 的环境中，通过简单的命令即可运行。 提供一次性的环境 比如，本地测试他人的软件、持续集成的时候提供单元测试和构建的环境。 提供弹性的云服务 因为 Docker 容器可以随开随关，很适合动态扩容和缩容。 组建微服务架构 因为 Docker 容器非常地轻量，在一台机器通过运行多个容器就可以跑多个服务。 用户计算机的环境都不相同，你怎么知道自家的软件，能在哪些机器跑起来？ 用户必须保证两件事：操作系统的设置，各种库和组件的安装。只有它们都正确，软件才能运行 举例来说，安装一个 Python 应用，计算机必须有 Python...

The Compilers’ Front EndRegex -> NFA -> (Min) DFARegex describes a language Example: $ (𝑎|𝑏)^∗c$ Given two regex: $r_1,r_2$, the following are regex: $𝐿(𝑟_1 | 𝑟_2) =𝐿(𝑟_1)∪𝐿(𝑟_2)$ $𝐿(r_1r_2) =𝐿(𝑟_1)𝐿(𝑟_2)$ $𝐿(𝑟_1^∗) = (𝐿(𝑟_1))^∗$ $𝐿((𝑟_1)) = 𝐿(𝑟_1)$ Primitive regex ⭐Build the NFA for the regexRules $L_1 ∪ L_2$ ​ $L_1L_2$ ​ $L_1^R$ ​ $L_1^*$ ​ $\overline{L_1}$ ​ $L_1 \cap L_2 = \overline{\overline{L_1} \cup \overline{L_2}}$ Laws​ ...

本文参考自eaglebear2002的博客软件工程与计算II-24-复习提纲 | EagleBear2002 的博客 第一、二章 软件工程概论软件工程（名词解释） 应用系统的、规范的、可量化的方法，来开发、运行和维护软件，即将工程应用到软件。 对(1)中各种方法的研究。 从1950s—2000s之间的特点（简答）1950s：科学计算；以机器为中心进行编程；像生产硬件一样生产软件。 1960s：业务应用（批量数据处理和事物计算）；软件不同于硬件；用软件工艺的方式生产软件。 1970s：结构化方法；瀑布模型；强调规则和纪律。它们奠定了软件工程的基础，是后续年代软件工程发展的支撑。 1980s：追求生产力最大化；现代结构化方法/面向对象编程广泛应用；重视过程的作用。 1990s：企业为中心的大规模软件系统开发；追求快速开发、可变更性和用户价值；web应用出现 2000s：大规模web应用；大量面向大众的web产品；追求快速开发、可变更性、用户价值和创新。 ​ 第三、四章...

鸦片战争鸦片战争爆发的原因 中国长期处于高度中央集权的封建君主制度中，到了清代康乾盛世之后，封建社会就走向了末路。经济上生产凋敝、土地高度集中。 英法美等国家早早通过资产阶级革命建立了资产阶级政权，随后又爆发了工业革命，经济迅速发展，促进了其对外扩张。 为适应西方资本主义的发展要求，殖民主义诞生。在进入帝国主义阶段后，资本输出又成了殖民剥削的重要形式。 英国对华贸易长期处于入超状态，英国工业品收到了中国自然经济和闭关政策的抵抗。为了改变贸易逆差，英国殖民者开始走私鸦片。随后清政府实施了禁鸦政策，使英国更加吃紧。英国及其一众资本企业开始蓄谋武装侵略中国。 英国刚刚经历两次经济危机，迫切的需要一场战争来转移国内视线和摆脱危机。 鸦片战争的过程 1840.6 封锁广东海域 1840.8 一路北上至天津，与清政府谈判后同意回广东交涉 1840.11 强占香港 1841.1 道光对英宣战 1841.2 虎门沦陷 1841.4 炮轰广州城，8月攻破厦门 1841.10 浙江作战 1842.8 ...

深度神经网络测试王赞,闫明,刘爽,陈俊洁,张栋迪,吴卓,陈翔.深度神经网络测试研究综述.软件学报,2020,31(5):1255−1275. 关键词: 深度神经网络;测试覆盖;测试用例生成 问题​ 开发人员仅编写代码来规定深度学习系统的网络结构,其内部逻辑则由训练过程获得的神经元连接权值所决定.因此,针对传统软件的测试方法及度量指标无法直接被移植到深度神经网络系统上. ​ 随着其广泛应用,深度神经网络系统的质量问题也被重点关注.由于深度神经网络的结构复杂,数据中微小的扰动,即便无法被人类发现,却可能造成深度神经网络做出错误的判断,进而输出错误的结果.更进一步,由于深度神经网络越来越多地被部署在自动驾驶汽车系统、恶意软件检测系统以及飞机碰撞避免系统等安全攸关领域,对这类 DNN 系统进行充分的测试并保证其质量至关重要. ​ DNN测试度量指标测试覆盖指标传统软件测试的覆盖准则（如代码覆盖）无法直接应用于DNN，因其内部逻辑由数据驱动而非手工编码。研究者提出以下覆盖标准： 覆盖测试：Testing...

一、计算、数据与数据管理基本概念计算 = 算法 + 数据 数据结构 （ 数组，链表，堆，栈，树，图…… ） ⭐数据管理： 类型 管理者 对象 共享程度 独立性 结构化 控制能力 人工管理 用户（程序员），数据不保存 某一应用程序 无共享、冗余度极大 不独立，完全依赖程序 无结构 应用程序自己控制 文件系统 文件系统，数据可长期保存 某一应用程序 共享性差、冗余度大 独立性差 记录内有结构，整体无结构 应用程序自己控制 数据库系统 数据库管理系统 现实世界，整体 共享性高、冗余度小 物理独立性和逻辑独立性 整体结构化 数据库管理系统控制 共享数据： 基于二进制在多个应用之间共享数据； 基于文本在多个应用之间共享数据（K/V, JSON,...