CSL基于圆形平滑标记的任意方向目标检测

  • Abstract
  • 1 Introduction
  • 2 Related Work
  • 3 Proposed Method
    • 3.1 Regression-based Rotation Detection Method
    • 3.2 Boundary Problem of Regression Method
    • 3.3 Circular Smooth Label for Angular Classification
    • 3.4 Loss Function
  • 4 Experiments
    • 4.1 Ablation Study
      • 4.1.1 Comparison of four window functions
      • 4.1.2 Suitable window radius
      • 4.1.3 Classification is better than regression
      • 4.1.4 CSL performance on other datasets
      • 4.1.5 Visual analysis of angular features
    • 4.2 Comparison with the State-of-the-Art
      • 4.2.1 Results on DOTA
      • 4.2.2 Results on HRSC2016
  • 5 Conclusion

在这里插入图片描述
论文地址:https://arxiv.org/abs/2003.05597

开源代码:https://github.com/Thinklab-SJTU/CSL_RetinaNet_Tensorflow

作者解读:https://zhuanlan.zhihu.com/p/111493759

本文亮点:

  1. 将角度预测这个回归问题视为分类问题,同时结合了回归任务,提高了检测的性能。
  2. 提出CSL来解决边界不连续的问题。

Abstract

  • 观察到基于回归的旋转检测器存在边界不连续的问题,设计了将回归任务的角度预测转变为分类任务
  • 提出了一种圆形平滑标签技术(CSL) 来处理角度的周期性问题,增加了对相邻角度的误差范围。
  • 介绍了CSL中的四个窗口函数,并讨论不同窗口半径对检测性能的影响。

1 Introduction

  • 角度周期性与角度序列的问题:
  1. 无论是五个参数还是八个参数的回归,都有存在边界不连续的问题
  • 基于回归方法的边界问题存在的根本原因是:
  1. 理想预测超出了定义的范围。
  2. 模型在边界处的损失剧增,使得模型不能以最简单和直接的方式得到预测结果。
  3. 微小的角度偏差会导致相交于联合IoU的下降,从而导致检测不准确。
  • 基于边界问题,已有的工作成果:
  1. IoU-smooth L1损失增加了IoU因子。
  2. 模旋转损失增加了边界约束,用于消除边界损失的剧增,降低模型学习难度。

以下是本文贡献:

  • 根据上述观察,提出的方法:
  1. 将目标的角度预测设置为一个精度很小的分类问题,用来更好地限制预测结果。具体步骤是,在旋转检测中设计了第一种基于高精度角度(小于1度)分类 的pipeline,与之前粗分类粒度(10度左右)的方法不同。
  2. 设计一种圆形平滑的标签(CSL),用来解决角度周期性,提高相邻角之间的误差容限。——同时可以在基于回归的方法中使用。
  • 在DOTA和HRSC2016数据集中,通过大量实验结果验证了CSL的有效性。

2 Related Work

  • Horizontal region object detection(水平区域目标检测):
  1. anchor-based检测方法:
    R-CNN系列:Fast R-CNN, Faster R-CNN,and R-FCN。
    FPN: 针对图像中的尺度变化,提出特征金字塔网络来处理不同尺度下的目标。
    SSD,YOLO,RetinaNet: 典型的一阶段检测方法,一阶段使得网络具有更快的检测速度。
  2. anchor-free检测方法:
    CornerNet, CenterNet, ExtremeNet: 使用预测对象的一些关键点,比如说角点或极值点,然后将这些点分组到边界框中。

  • Arbitrary-oriented object detection(任意方向目标检测):
  1. 表示方法: 一般使用旋转bbox四边形
  2. ICN,ROI-Transformer,SCRDet,R3Det: 目前比较SOTA的检测器。
  3. Gliding Vertex ,RSDet: 使用四边形表示回归预测框。
  4. RRPN: 采用旋转的RPN生成旋转的proposals,然后使用旋转bbox回归。
  5. TextBoxes++: 在SSD上采用顶点回归。
  6. RRD: 通过对旋转不变和旋转敏感特征的解耦分类和bbox回归,进一步改进了TextBoxes++。

  • Classification for orientation information(定位信息分类):
  1. 使用方向信息分类最早应用于具有任意rotation-in-plane(RIP)角度的多视点人脸识别。采用分而治之的方法,利用多个小神经网络分别处理小范围的人脸外观变化。
  2. PCN: 逐步校准每个候选人脸的撕裂方向,并在早期阶段将撕裂范围缩小一半。最后,PCN对每一个候选人脸进行精确的最终判定,确定是否是人脸,并预测出精确的撕裂角。
  3. 在其他领域, 有采用序数回归或者有效地未来运动进行分类;还有通过对四个侧面进行分类来获得船舶的方位信息。

3 Proposed Method

下图表示的是本文提出的旋转检测器的结构
所提出的旋转检测器的体系结构(RetinaNet作为实施例)。 “C”和“T”分别表示物体和角度类别的数目。
在这里插入图片描述
图解:

  • 上图表示的是本文提出的旋转检测器的结构,此图展示了一个多任务的pipeline(multi-task subnets),包括了基于回归的预测分支和基于CSL的预测分支。
  • 这是基于RetinaNet进行改进的一阶段旋转检测器。
  • 标红的 ”C"“T” 分别表示目标和角度分类。

3.1 Regression-based Rotation Detection Method

笔者归纳:
这部分介绍了基于回归任务的旋转检测方法,包括定义和参数表示。

基于参数回归的旋转检测方法: 五参数回归法和八参数回归法。
在这里插入图片描述
图解

  • (a)角度范围为90°的五参数法: 参数分别是 (x,y,w,h,θ)(x,y,w,h,θ)x,y,w,h,θθ∈[−90,0)θ∈[-90,0)θ[900)θθθ表示与x轴的锐角,无论是长边还是短边都称为width(宽度),该边与x轴的夹角θθθ都在[−90,0)[-90,0)[900)
  • (b)角度范围为180°的五参数法: 这个与(a)不同指出在于,参数分别是 (x,y,h,w,θ)(x,y,h,w,θ)x,y,h,w,θ,即h和w的位置是不一样的。θ∈[-90,90),θ表示的是矩形的长边(h)与x轴的夹角
  • (c)有序四边形的八参数法: 这是直接对目标的四个角点 (x1,y1,x2, y2, x3, y3, x4, y4) 进行回归,回归的关键是要先对四个角点排序,预测的是有序的四边形。如图(c),不是规则矩形也按照左上角、右上角、右下角、左下角的顺序对角点进行排序(按照顺时针的方向)。

3.2 Boundary Problem of Regression Method

笔者归纳:
这部分介绍回归方法的边界问题——即,边界不连续的问题。而导致回归方法的边界问题主要原因是理想预测超出了定义的范围。

下面介绍该问题的原因、结果、解决方法和对比实验。

  • 成因: 3.1节中五参数法的角度周期性和八参数法的角度顺序是导致边界不连续的主要因素
  • 结果: 边界不连续会使得模型计算边界处损失值时突然增大,那么在计算损失时误差就会很大,检测结果也不准确。

在这里插入图片描述
作者根据回归方法的表现形式,把边界问题分成三类典型的回归方法(其中(a)(b)指的是五参数法,(c)指的是八参数法)。

图解:

  • 红色实心箭头表示实际回归过程,红色虚线箭头表示理想回归过程
  • (a)90°回归法: 回归的理想形式是蓝框逆时针旋转到红框,由于角度周期性(PoA)和边的可交换性(EoE),使得这样回归损失很大。要解决这个问题,可以通过缩放w和h,蓝框顺时针旋转到灰色框。

具体计算损失可以通过3.4节介绍的公式(3)(4)(5)。

  • (b)180°回归法: 该方法也存在由 角度周期性(PoA) 导致损失增大的问题。具体做法是: 顺时针旋转proposals,即从蓝框顺时针旋转到红框。
  • (c)基于点的方法:
    理想情况下(红色虚线,顺时针),八参数回归是{(a→b),(b→c),(c→d),(d→a)}。
    实际上(红色实线,逆时针) ,从蓝框到绿色框的回归过程是{(a→a),(b→b),(c→c),(d→d)}。
    总的来说,这种情况同样属于角度周期性(PoA)导致的问题,但是理想与实际回归是一致的。

之前提出的方法,但仍然没有从根本上解决问题:

  • IoU-smooth L1损失引入IoU因子。
  • 模旋转损失增加了边界约束,消除了边界损失的突然增加,从而降低模型学习的难度。

作者提出的方法:

  • 用分类来替代回归角度预测。

下面是检测方法的对比实验:
(其中,H,R分别表示水平和旋转anchors,红色虚线框表示不好的例子)
1
图解:

  • 上图是五种基于回归经典旋转方法的结果,分别是(a) RetinaNet-H,(b) RetinaNet-R,(c)FPN-H,(d)R3Det ,(e)IoU-Smooth L1。(上图看得不太清楚,看原文的图可以大概看到红色虚线圈出来的是没有能够正确回归的框,框并没有能够准确回归到正确位置上)。

在这里插入图片描述
图解:

  • 上图是边界条件下,CSL回归的结果。
    (f)180-CSL-脉冲函数
    (g)180◦-CSL-矩形函数
    (h)180◦-CSL-三角形函数
    (i)180◦-CSL-高斯函数
    (j) 90◦-CSL-高斯函数
  • 图(f)-(i)显示了四个窗口函数的可视化。从图(i)和图(j)可以看出,基于180°的CSL方法具有更好的边界检测能力。原因是,90°CSL方法依然存在EoE问题。
  • 可以从结果中看出,回归的框都基本正确。特别说明,下图(i)虽然回归的框都是竖着的矩形,但是角度却不一样,一个是90.0°,一个是-88.0°,这说明边界条件的预测是连续的。
    在这里插入图片描述

3.3 Circular Smooth Label for Angular Classification

笔者归纳:
首先,这部分介绍了用于角度分类的圆形平滑标签。为了解决边界问题,将目标角度作为类别标签(分类问题),类别的数量与角度范围有关。其次,对两种分类标签进行介绍。
在这里插入图片描述
图解:

  • 上图是两种分类标签,(a)是One-hot标签,(b)是圆形平滑标签(CSL)。FL表示的focal loss。
  • (a)是One-hot标签:显示标准分类问题的标签设置。比如,角度范围是180°的五参数法,ω度表示为一个类别(默认是ω=1°)。
  • (b)是圆形平滑标签,它是一个周期性的循环标签编码,并且指定的标签值是平滑的,具有一定的容差。
  • 图中给出了四种窗口函数:脉冲函数、矩形函数、三角形函数和高斯函数。从图中可以看到标签值在边界处是连续的(比如,-90到89是连续的)。当窗口函数是脉冲函数或者窗口半径很小时,一个one-hot标签相当于CSL,如箭头所示。在这里插入图片描述

One-hot标签:

  1. 损失计算:
    计算 最大精度损失Max(loss)预测精度损失E(loss) 公式如下:在这里插入图片描述
    最大精度损失是预测精度损失的两倍,即Max(loss)=2E(loss)Max(loss)=2E(loss)Max(loss)=2E(loss)。可以看出,旋转检测器的损失比较小。
    比如:当宽高比为1:9的两个矩形相差0.25°和0.5°时(默认预期精度损失和最大精度损失),它们之间的交并比(IoU)仅减少0.02和0.05。

  2. 缺点:
    (1) 当边界框基于90°回归法时,边的可交换性(EoE)依然存在。
    此外,基于90°回归的方法有两种不同的边界情况(垂直和水平),而基于180°回归的方法只有垂直边界情况。
    (2) 分类损失对预测标签和GT标签之间的角度距离不可知。
    比如说,(a)当gt为0°,分类器的预测结果时1°和-90°时,它们的预测损失是相同的,但是从检测角度来看,应该允许接近gt的作为预测结果。

CSL标签:
该方法是不受边界条件(包括EoE和PoA)影响的,通过分类获得较好的角度预测。

  1. 表达式:
    在这里插入图片描述
    其中,g(x)g(x)g(x)是窗口函数,rrr是窗口函数的半径。θθθ表示当前边界框的角度。

  2. 理想窗口函数g(x)g(x)g(x)需要有以下的特性:

  • 周期性:g(x)=g(x+kT),k∈Ng(x)=g(x+kT),k∈Ng(x)=g(x+kT),kNT=180/ωT=180/ωT=180/ω表示家都被分成的格数,默认值是180。
  • 对称性: 0≤g(θ+ε)=g(θ−ε)≤1,∣ε∣<r0≤g(θ+ε)=g(θ-ε)≤1,|ε|<r0g(θ+ε)=g(θε)1εr。其中,θθθ是对称中心。
  • 最大值:g(θ)=1g(θ)=1g(θ)=1
  • 单调性:0≤g(θ±ε)≤g(θ±ς)≤1,∣ς∣<∣ε∣<r0≤g(θ±ε)≤g(θ±ς)≤1,|ς|<|ε|<r0g(θ±ε)g(θ±ς)1ςεr。函数从中心点到两边呈现单调的非递增趋势。

3.4 Loss Function

笔者归纳:
这部分是图1的多任务的结构图的损失计算。首先是介绍边界框计算公式,其次是导出多任务子网络是如何计算损失的。
在这里插入图片描述
在多任务子网络中,包含了基于回归的预测分支和基于CSL预测分支,便于在同等条件下进行性能上的对比。

(3)和(4)是边界框回归计算公式:
在这里插入图片描述
公式参数说明:

  • x,y,w,h,θx,y,w,h,θx,y,w,h,θ分别表示框的坐标、宽、高和角度。
  • x,xa,x′x,x_{a},x^{'}x,xa,x分别表示gt框、anchor框和预测框(同理,y,w,h,θy,w,h,θy,w,h,θ)。

公式(5)是回归任务的损失函数:
该公式由 回归损失+CSL分类损失+类别损失 表示。
在这里插入图片描述
公式参数说明:

  • N表示anchor的数量。
  • objnobj_{n}objn表示是前景还是背景,是一个二进制的值(objn=1obj_{n=1}objn=1是前景,objn=0obj_{n}=0objn=0是背景,无回归表示背景)。
  • v∗j′v_{*j}^{'}vj表示预测偏移向量,v∗jv_{*j}vj表示真实的目标向量。
  • θn,θn′θ_{n},θ_{n}^{'}θn,θn分别表示角度的标签和预测。
  • tnt_{n}tn表示目标的标签,pnp_{n}pn表示用Sigmoid函数计算各类概率分布。
  • 超参数λ1,λ2,λ3λ_{1},λ_{2},λ_{3}λ1,λ2,λ3表示各个损失的权重,默认值是{1,0.5,1}。
  • Lcls,LCSLL_{cls},L_{CSL}Lcls,LCSL使用的是focal loss或者sigmoid交叉熵损失,这取决于检测器。
  • LregL_{reg}Lreg使用的是smooth L1损失。

4 Experiments

  • backbone: ResNet50
  • 数据集: DOTA(航拍数据集),ICDAR2015(文本数据集),ICDAR 2017 MLT(文本数据集), HRSC2016(遥感数据集)。

4.1 Ablation Study

4.1.1 Comparison of four window functions

Table-1: DOTA数据集上四个窗口的比较。
在这里插入图片描述
图解:

  • 5-mAP表示大纵横比的五类平均精度。
  • mAP表示15个类别的平均精度。
  • EoE表示边的可交换性问题,打勾表示该方法存在EoE问题。
  • 所有的方法都不存在周期性的角度问题。
  • 高斯函数表示最好,但是脉冲函数表现最差,因为它没有学习到任何方向和尺度信息。

4.1.2 Suitable window radius

窗口函数半径的影响:

  • 当半径太小时,窗口函数趋于脉冲函数;
  • 当半径太大时,所有可能的预测结果的分辨力都会变小。

Table-2: 比较不同半径的结果。
在这里插入图片描述
图解:

  • 使用RetinaNet-H和FPN-H,角度范围是180°,高斯窗口函数,窗口函数半径从0到8进行对比实验。
  • 表格显示,半径在6时,达到最佳的性能。
  • RetinaNet-H是单级检测器,对半径比较敏感;FPN-H是两级检测器,性能比单级检测器更强一些。

在这里插入图片描述
图解:

  • 上图是基于RetinaNet-H-CSL,不同窗口半径下的可视化效果。红色框表示没有学习到方向和比例信息,绿色框是正确的检测结果。
  • 当半径为0时,检测器无法学习任何方向和尺度信息,回归出来的框基本都是红色框,意味着没有回归正确。(在此情况下,可以等同于脉冲函数的性能)
  • 随着窗口半径变大,检测器可以学习任何方向的角度。

4.1.3 Classification is better than regression

Table-3: 基于DOTA的CSL方法与基于回归的方法比较。
在这里插入图片描述
图解:

  • 表中对比了三个选择检测器的两种分类方法的性能差异:RetinaNet-H、RetinaNet-R和FPN-H
  • CSL是为了解决边界问题的,因此mAP提升效果不如5-mAP那么明显。
  • CSL对大纵横比和边界条件较多的目标具有更好地检测效果。

4.1.4 CSL performance on other datasets

为了进一步验证CSL的效果,对文本数据集(ICDAR2015、ICDAR 2017 MLT)、遥感数据集(HRSC2016)也同样进行了实验,这三类数据集的目标均具有大纵横比。

Table-4: 其他数据集对于CSL性能的对比实验。
在这里插入图片描述
图解:

  • 如图所示,基于CSL的方法比传统的方法分别提高了1.21%、0.56%和1.29%(1.4%)。
  • Hmean表示的是文本数据集检测的衡量标准。

4.1.5 Visual analysis of angular features

在这里插入图片描述
图解:

  • 在DOTA数据集上,90-CSL-FPN检测器的角特征可视化结果。
  • 首先,将整个角度范围分成几个bin,每个bin在不同的columns是不同的。这两行分别表示了脉冲和高斯函数的二维特征可视化。每个点代表测试集的一个RoI和所属的bin索引。
  • 第一行表示脉冲窗口函数,可以看出RoI特征分布是相对随机的,并且一些角度的预测结果占了绝大多数。
  • 第二行表示高斯窗口函数,很明显的看出特征分布呈现环状结构,而且相邻角的特征相互接近,有一定的重叠。

4.2 Comparison with the State-of-the-Art

4.2.1 Results on DOTA

Table-5: 在DOTA数据集上,与比较所有SOTA方法进行对比。
在这里插入图片描述
图解:

  • 在DOTA数据集上对每个目标(AP)的检测精度和总体性能(mAP)。
  • O2-DNet使用Hourglass104作为主干网络。其余都是用ResNet101、ResNeXt101或ResNet152
  • 训练和测试尺寸设置为 [400,600,720,800,1000,1100]。
  • 基于FPN-CSL方法获得了76.17%的总体表现,在PL、BR、SBF、HC这四个类别表现较好,其他效果并没有那么好。

4.2.2 Results on HRSC2016

Table-6: 在HRSC2016数据集上,做对比实验。
在这里插入图片描述
图解:

  • 实验结果表明,该模型达到了最新的性能,约为89.62%。

5 Conclusion

  1. 总结不同基于回归的旋转检测方法的边界问题。
  2. 将目标角度的预测作为一个精度很小的分类问题。
  3. 设计一种圆形平滑标签(CSL),用于解决边界不连续的问题。
  4. 讨论四种窗口函数,对不同窗口半径进行实验并讨论。
查看全文
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!

相关文章

  1. 坐标系统详解

    坐标系统详解 sf2gis163.com 2014年10月23日 2014年11月2日添加EPSG南北分带UTM 2014年12月3日添加Guass-Kruger分带计算 2014年12月4日添加等角投影 1 目的 地球是一个不规则球体,大地测量就是为了精确测量此球体及其表面的点位信息。 2 原理 球面坐标使…...

    2024/3/21 0:15:11
  2. PhysX3 User Guide

    http://www.cnblogs.com/mumuliang/archive/2011/06/02/2068453.html 1 The SDK Object 首先用全局函数PxCreatePhysics创建一个PxPhysics对象。#include "PxPhysicsAPI.h"bool recordMemoryAllocations true;static PxDefaultErrorCallback gDefaultErrorCallba…...

    2024/3/22 22:49:09
  3. 目标检测之选择性搜索-Selective Search

    在基于深度学习的目标检测算法的综述 那一节中我们提到基于区域提名的目标检测中广泛使用的选择性搜索算法。并且该算法后来被应用到了R-CNN,SPP-Net,Fast R-CNN中。因此我认为还是有研究的必要。 传统的目标检测算法大多数以图像识别为基础。一般可以在图片上使用穷举法或者滑…...

    2024/3/26 12:37:40
  4. 游戏引擎架构----物理部分

    1. 碰撞检测系统物理世界形状:相交、接触(分离矢量,沿该矢量运动就能高效脱离碰撞妆容)、凸(由形状内发射的光线不会穿越形状两次以上) 原型:球体、胶囊体、轴对其包围盒AABB、定向包围盒OBB、…...

    2024/3/27 6:51:09
  5. 《Mars说光场》系列文章整理

    [导语:国内对光场(Light Field)技术的中文介绍十分匮乏,《Mars说光场》系列文章旨在对光场技术及其应用的科普介绍。] 光场技术是目前最受追捧的下一代显示技术,谷歌、Facebook、Magic Leap等国内外大公司都在大力布局…...

    2024/3/15 5:29:56
  6. 大学计算机图形考试题,大学CAD考试复习试题2017「附答案」

    大学CAD考试复习试题2017「附答案」一、选择题1、当图形中只有一个视口时, 【重生成】的功能与( )相同。B(A) 窗口缩放(B) 全部重生成(C) 实时平移(D) 重画2、在“缩放”工具栏中,共有( )种缩放工具。C(A) 10(B) 6(C) 8(D) 93、可以通过下面哪个系统变量…...

    2024/3/21 7:13:50
  7. 四轴小知识

    转载 1、惯性测量单元IMU(InertialMeasurement Unit) 姿态航向参考系统AHRS(Attitude and Heading Reference System) 地磁角速度重力MARG(Magnetic, Angular Rate, and Gravity) 微机电系统MEMS(Micro Electrical Mechanical Systems) 自由度维数DOF(Dimension Of Freedom) 无…...

    2024/3/29 1:14:29
  8. 坐标系统的详解-gis

    sf2gis163.com 2014年10月23日 2014年11月2日添加EPSG南北分带UTM 2014年12月3日添加Guass-Kruger分带计算 2014年12月4日添加等角投影 1 目的 地球是一个不规则球体,大地测量就是为了精确测量此球体及其表面的点位信息。 2 原理 球面坐标使用一个球体模型&…...

    2024/3/24 8:43:52
  9. 无人驾驶工程师学习笔记(三)——Canny边缘检测

    Throughout this Nanodegree Program, we will be using Python with OpenCV for computer vision work. OpenCV stands for Open-Source Computer Vision. 主页:https://opencv.org/ canny算法 边缘检测:识别图像中物体的边界,是opencv中的…...

    2024/3/16 0:36:54
  10. Open CASCADE基础介绍(1)

    Open CASCADE基础介绍(1) 一直在用OCC作项目,但这方面的中文资料很少,看来OCC在中国还不是十分普及; 后来,项目中使用OCC和DirectX结合使用,取得了很好的效果; 随着OCC6.3版本的推出…...

    2024/3/17 3:33:45
  11. H.266/VVC技术学习:帧内预测之PDPC技术

    1、PDPC介绍 为了补偿以上较简单帧内预测模式在利用空间冗余度方面的不足,VVC 中引入了一种根据当前样本的位置及帧内预测模式的角度自适应选取反方向角度上的参考样本信息作为新的一个相对互补性的帧内预测,然后将它和原有角度的帧内预测做基于样本距离…...

    2024/3/16 0:36:52
  12. 基于opencv的一种快速有效椭圆检测方法

    本篇介绍的椭圆检测方法来自以下论文,论文作者提供了测试代码。本文主要是对这个方法做出详解。 参考论文:A fast and effective ellipse detector for embedded vision applications 代码链接:fast_ellipse_detector 一、调用及参数说明 Siz…...

    2024/3/16 0:36:52
  13. (A-Softmax loss)SphereFace: Deep Hypersphere Embedding for Face Recognition

    https://arxiv.org/abs/1704.08063 https://github.com/wy1iu/sphereface. 摘要 本文研究了开放集协议下的深度人脸识别问题,在合适的度量空间下,理想人脸特征的最大类内距离要小于最小类间距离。然而,现有的算法很少能有效地达到这一标准。…...

    2024/3/26 8:48:43
  14. OpenCASCADE 基础

    OpenCASCADE 基础 转载▼ 一直在用OCC作项目,但这方面的中文资料很少,看来OCC在中国还不是十分普及; 后来,项目中使用OCC和DirectX结合使用,取得了很好的效果; 随着OCC6.3版本的推出,Open CASCA…...

    2024/3/21 23:55:29
  15. 游戏开发中的物理介绍

    游戏开发中的物理介绍碰撞对象物理过程回调碰撞层和蒙版GUI示例代码示例Area2DStaticBody2DRigidBody2DKinematicBody2D在游戏开发中,您通常需要知道游戏中的两个对象何时相交或接触。这就是所谓的碰撞检测。当检测到碰撞时,您通常希望发生某些事情。这就…...

    2024/3/29 1:14:55
  16. Android OpenGL ES-Cube Map

    Cube Map,中文可以翻译成立方环境映射,下面是摘自维基百科的说明: 立方反射映射是用立方映射使得物体看起来如同在反射周围环境的一项技术。通常,这通常使用户外渲染中使用的 skybox 完成。尽管由于反射物周围的物体无法在结果中…...

    2024/3/16 0:36:46
  17. 纯前端表格控件SpreadJS:新增数据透视表插件等,完美呈现强大的Excel数据分析能力

    SpreadJS 是一款基于 HTML5 的纯前端电子表格控件,兼容 450 种以上的 Excel 公式,凭借其 “高性能、跨平台、与 Excel 高度兼容”的产品特性,备受以华为、苏宁易购、天弘基金等为代表的企业用户青睐。 下载spreadjs最新版 四大理由让Spread…...

    2024/3/16 0:36:46
  18. RevitAPI之快速创建尺寸标注

    对于尺寸标注的创建,Revit API提供了以下方法来创建线性尺寸标注和对齐尺寸标注。1)创建线性尺寸标注• Autodesk. Revit. Creation. Document. NewDimension (View view, Line line, ReferenceArray references)其中,参数view是尺寸标注所要创建在的视图…...

    2024/3/21 20:04:53
  19. CSS3中的 Background linear gradient()用法

    本文参考自css only muti-color background如有兴趣的同学可以去看看这篇文章 这篇文章主要通过几个例子看看linear-gradient()的具体用法对linear-gradient的基础知识不做过多的介绍如有兴趣的同学可以出门左拐到mdn查看具体用法。ok话不多说让我们来看看awesome linear-gradi…...

    2024/3/15 5:29:55
  20. opencascade基础

    返回主页 大师之路 千淘万漉虽辛苦,吹尽狂沙始到金。 博客园 首页 新随笔 联系 管理 订阅订阅 随笔- 139 文章- 0 评论- 6 OpenCASCADE 基础 OpenCASCADE 基础 转载▼ 一直在用OCC作项目,但这方面的中文资料很少,看来OCC在中国还不是十分普及…...

    2024/3/13 15:18:36

最新文章

  1. AIGC重塑金融 | 大模型在金融行业的应用场景和落地路径

    作者:林建明 来源:IT阅读排行榜 本文摘编自《AIGC重塑金融:AI大模型驱动的金融变革与实践》,机械工业出版社出版 目录 01 大模型在金融领域的 5 个典型应用场景 02 大模型在金融领域应用所面临的风险及其防范 03 AIGC 技术的科…...

    2024/3/29 18:54:42
  2. 梯度消失和梯度爆炸的一些处理方法

    在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...

    2024/3/20 10:50:27
  3. 网络:udptcp套接字

    目录 协议 网络传输基本流程 网络编程套接字 udp套接字编程 udp相关代码实现 sock函数 bind函数 recvfrom函数 sendto函数 udp执行指令代码 popen函数 udp多线程版收发消息 tcp套接字编程 tcp套接字代码 listen函数 accept函数 read/write函数 connect函数 recv/…...

    2024/3/29 8:30:35
  4. eclipse启动报错

    报错: An error has occurred. See the log file C:\eclipse\1711430260036.log 原因: 因为 eclipse控制设置的jdk是1.6, 安装了jdk11后,系统默认jdk是jdk11,所以找不到对应的jdk6. 解决方法:将jdk11的配置 从 计…...

    2024/3/28 16:55:32
  5. 【外汇早评】美通胀数据走低,美元调整

    原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...

    2024/3/29 18:08:39
  6. 【原油贵金属周评】原油多头拥挤,价格调整

    原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...

    2024/3/29 18:08:34
  7. 【外汇周评】靓丽非农不及疲软通胀影响

    原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...

    2024/3/29 2:45:46
  8. 【原油贵金属早评】库存继续增加,油价收跌

    原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...

    2024/3/29 16:26:39
  9. 【外汇早评】日本央行会议纪要不改日元强势

    原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...

    2024/3/29 5:19:52
  10. 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响

    原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...

    2024/3/29 18:08:00
  11. 【外汇早评】美欲与伊朗重谈协议

    原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...

    2024/3/29 11:11:56
  12. 【原油贵金属早评】波动率飙升,市场情绪动荡

    原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...

    2024/3/29 1:13:26
  13. 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试

    原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...

    2024/3/29 8:28:16
  14. 【原油贵金属早评】市场情绪继续恶化,黄金上破

    原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...

    2024/3/29 7:41:19
  15. 【外汇早评】美伊僵持,风险情绪继续升温

    原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...

    2024/3/29 18:07:15
  16. 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势

    原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...

    2024/3/29 9:57:23
  17. 氧生福地 玩美北湖(上)——为时光守候两千年

    原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...

    2024/3/29 0:49:46
  18. 氧生福地 玩美北湖(中)——永春梯田里的美与鲜

    原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...

    2024/3/29 18:06:57
  19. 氧生福地 玩美北湖(下)——奔跑吧骚年!

    原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...

    2024/3/29 17:27:19
  20. 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!

    原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...

    2024/3/29 18:06:36
  21. 「发现」铁皮石斛仙草之神奇功效用于医用面膜

    原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...

    2024/3/29 18:06:22
  22. 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者

    原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...

    2024/3/28 18:26:34
  23. 广州械字号面膜生产厂家OEM/ODM4项须知!

    原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...

    2024/3/29 18:06:01
  24. 械字号医用眼膜缓解用眼过度到底有无作用?

    原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...

    2024/3/28 20:09:10
  25. 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...

    解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...

    2022/11/19 21:17:18
  26. 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。

    %读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...

    2022/11/19 21:17:16
  27. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...

    win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...

    2022/11/19 21:17:15
  28. 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...

    有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...

    2022/11/19 21:17:14
  29. win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...

    置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...

    2022/11/19 21:17:13
  30. 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...

    Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...

    2022/11/19 21:17:12
  31. 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...

    有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...

    2022/11/19 21:17:11
  32. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...

    今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...

    2022/11/19 21:17:10
  33. 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...

    只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...

    2022/11/19 21:17:09
  34. 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?

    原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...

    2022/11/19 21:17:08
  35. 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...

    关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...

    2022/11/19 21:17:05
  36. 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...

    钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...

    2022/11/19 21:17:05
  37. 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...

    前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...

    2022/11/19 21:17:04
  38. 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...

    本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...

    2022/11/19 21:17:03
  39. 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...

    许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...

    2022/11/19 21:17:02
  40. 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...

    配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...

    2022/11/19 21:17:01
  41. 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...

    不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...

    2022/11/19 21:17:00
  42. 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...

    当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...

    2022/11/19 21:16:59
  43. 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...

    我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢&#xff0…...

    2022/11/19 21:16:58
  44. 如何在iPhone上关闭“请勿打扰”

    Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...

    2022/11/19 21:16:57