翻译 - TSN
Temporal Segment Networks: Towards Good Practices for Deep Action Recognition
Abstract.
深度卷积网络对于静止图像的视觉识别已取得了巨大的成功。然而,对于视频的行为识别,传统方法的优势并不那么明显。本文旨在探索针对视频中行为识别的一种有效的 体系结构的设计原则,以及如何在有限的训练样本下来学习这些模型。我们第一个贡献就是 (),一个基于视频行为识别的新型架构,这是基于长期时间结构建模的思想。它将稀疏时间采样策略和基于视频的监督相结合,使得整个动作视频能够高效地学习。另一个贡献就是利用 的帮助,学习 在视频数据方面的处理。我们的方法在 (%) 和 (%) 数据集上已经获得了最先进的性能。我们还对已学习的 模型进行可视化,这些模型定性地证明了时间段网络的有效性并且提出了良好实践。
1、 Introduction
基于视频的动作识别已经引起了学术界的极大关注,由于它在很多领域上的应用,如安全和行为分析。在动作识别中,有两个至关重要且互补的方面:外观和动态。识别系统的性能在很大程度上取决于它是否能够从中提取和利用相关信息。然而,由于尺度变化、视点变化和摄像机运动等一系列复杂性,所以提取这类信息并非易事。因此,设计 能够处理这些挑战并且同时保留动作类的分类信息 的有效表示变得至关重要。近来, 在对象、场景和复杂事件的图像分类方面取得了巨大的成功。 也被引入去解决基于视频的动作识别问题。深度 具有强大的建模能力,在大规模监督数据集的帮助下,可以从原始数据中学习到判别表示。然而与图像分类不同,端到端的深度 仍然无法在基于视频的动作识别上中比传统认为设计特征获得更大的优势。
;在我们看来, 在基于视频的动作识别的应用是受到两个主要障碍的阻碍。第一,长期时间结构在理解动作视频中的动态方面起着至关重要的作用。然而主流的 框架通常关注外观和短期运动,因此缺乏整合长期时间结构的能力。最近进行着一些尝试为了解决这个问题。这些方法大多依赖于具有预定义采样间隔的密集时间采样。当应用于长视频序列时,这个方法可能会产生过多的计算成本,这限制真实世界实践中的应用,并且存在丢失长度超过最大长度的视频中重要信息的风险。第二,在实践中,训练深度 需要大量的训练样本才可达到最优性能。然而,由于数据收集和注释的困难,所以公开可用的动作识别数据集( , )在尺寸和多样性方面仍然是有限的。因此,深度 在图像分类方面已经取得了显著的成功,同时也面临着过拟合的高风险。
这些挑战激励着我们去学习两个问题:(1)如何设计一个有效且高效的视频级框架,用于学习能够捕获长期时间结构的视频表示。(2)如果在有限训练样本情况下学习 模型。特别是,我们成功的在双流架构的基础上构建了我们的方法,并处理了以上提及的问题。在时间结构建模方面,关键的观察到了连续帧是高度冗余的。因此,导致了高度相似采样帧的密集时间采样是不必要的。相反在这种情况下,一个稀疏时间采样策略会更有利。受此启发,我们开发了一个视频级的框架,叫时间段网络()。该框架采用稀疏采样方案,在一个长视频序列上提取短片段,其中样本沿时间维度均匀分布。在此基础上,采用分段结构用于从采样段中收集信息。从这个意义上来说,时间段网络能够对整个视频进行长期时间结构建模。此外,这种稀疏采样策略以极低的成本保存相关信息,从而在合理的时间和计算资源预算下实现长视频序列的端到端学习。
为了去爆发出 架构的全部潜能,我们采用了最近引入的极深的 架构,并探索了大量良好实践,为了克服由有限数量的训练样本而造成的上述困难。(1)交叉模式预训练(2)正规化(3)增加的数据扩充。与此同时,为了充分利用视频中的视觉内容,我们对双流 的四种类型的输入模态进行了实证研究,即单个 图像,堆叠 差异,堆叠光流场和堆叠翘曲光流场。
我们在两个具有挑战性的动作识别数据集上进行实验,即 和 ,以证明我们方法的有效性。在实验中,这两个具有挑战性的动作识别数据集上使用时间片段网络学习的模型远远超过目前的技术水平。我们还可视化了我们学到的两流模型,试图为将来的动作识别研究提供一些见解。
2、Related Works
3、Action Recognition with Temporal Segment Networks
在本节中,我们将详细介绍如何使用 进行动作识别。具体来说,我们首先介绍了 的基本概念。在此基础上,研究了 框架下学习双流 的良好实践。最后,我们描述了所学习的双流卷积神经网络的测试细节。
3.1 Temporal Segment Networks
正如我们在第一节中所讨论的,当前形式的双流 的一个明显问题是它们无法对长期时间结构进行建模。这主要是由于它们对时间上下文的访问有限,因为它们被设计为只在单个帧(空间网络)或一个短片段中的单个帧堆栈上(时间网络)操作。然而,复杂的动作,如体育动作,在相对较长的时间内包含多个阶段。在这些动作中,如果不能将长期时间结构运用到卷积神经网络训练中,那将是一个巨大的损失。为了解决这个问题,我们提出了 ,一个视频级框架如 1,所示,使整个视频的动态建模成为可能。
具体来说,我们提出的 框架,目的是利用整个视频的视觉信息进行视频级预测,由空间流 和时间流 组成。 并不是在单帧或帧堆栈上工作,而是在从整个视频中稀疏采样得到的一系列短片段上操作。这个序列中的每个片段都将产生自己对动作类的初步预测。然后得出视频片段之间的一致性作为视频级预测。在学习过程中,通过迭代更新模型参数,优化视频级预测的损失值,而不是那些在双流 中使用的片段级预测的损失值。
形式化上,给定视频 ,我们将其分成等长的 段 。 然后, 对片段序列进行建模,如下所示:
这里的 是一系列片段。每个片段 从其对应的片段 中随机采样。 是带有参数 的 的函数,该函数对短代码片段 进行操作并生成所有类的类分数。分段共识函数 将多个短片段的输出组合起来,以获得它们之间关于类假设的一致意见。基于此共识,预测函数 预测整个视频中每个动作类的概率。这里我们选择了广泛使用的 的 函数。结合标准分类交叉熵损失,得到关于片段一致性的最终损失函数: 的形式是:
其中的 是动作类的类别数, 是 类的 标签。在实验中,根据之前的时间建模工作,将片段数 设为 。共识函数 的形式仍然是一个开放的问题。在这项工作中,我们使用 的最简单的形式,其中 。在这里,一个类的得分 是从同一个类在所有片段上的得分中推断出来的,使用了集合函数 。我们对聚合函数 的几种不同形式进行了实证评价,包括平均、最大值和加权平均。其中,均匀平均法用于报告我们的最终识别精度。
这个 是可分的,或者至少有次梯度,取决于 的选择。这使得我们可以利用多个片段与标准的反向传播算法来联合优化模型参数 。在反向传播过程中,模型参数的梯度 关于损失值 可以推导为:
其中 是 使用的段数。
当我们使用基于梯度的优化方法,如随机梯度下降法(SGD)来学习模型参数时,. 3 保证参数更新利用了所有片段级预测中得出的分段共识函数 。以这种方式优化, 可以从整个视频而不是一个简短的片段中学习模型参数。与此同时,通过固定所有视频的 ,我们组装了一个稀疏的时间采样策略,其中采样的片段只包含帧的一小部分。与以前使用密集采样帧的工作相比,它大大降低了在帧上评估 的计算成本。
3.2 Learning Temporal Segment Networks
为视频级学习提供了一个坚固的框架,但要实现最优性能,需要考虑一些实际问题,如训练样本的数量有限。为此,我们研究了在视频数据上训练深度 的一系列良好实践,这些实践也直接适用于学习时间段网络。
Network Architectures.
网络结构是神经网络设计中的一个重要因素。已有研究表明,更深层次的结构可以提高目标识别性能。然而,原始的双流 已经采用了一种相对浅层的网络结构()。在这项工作中,我们选择了 ()作为构造块,因为它在准确性和效率之间取得了很好的平衡。我们采用原始的 架构来设计双流 。与原始的双流 一样,空间流卷积神经网络对单个 图像进行操作,而时间流卷积神经网络以一组连续的光流场作为输入。
Network Inputs.
我们也有兴趣去探索更多的输入模式,以提高 的识别能力。最初,双流 使用 图像作为空间流,叠加光流场作为时间流。在这里,我们建议研究两个额外的模式,即 差分和翘曲光流场。
单个 图像通常对特定时间点的静态外观进行编码,并且缺乏关于前一帧和下一帧的上下文信息。如 2 所示,两个连续帧之间的 差描述了外观的变化,可能对应于运动的显著区域。受【28】的启发,我们尝试将叠加 差作为另一种输入模式,并研究其在动作识别中的性能。
时间流卷积神经网络以光流场为输入,目的是获取运动信息。然而,在真实的视频中,通常会有摄像机运动,而且光流场可能不会聚焦在人类动作上。如 2 所示,由于摄像机的运动,在背景中突出显示了大量的水平移动。受密度提高轨迹工作的影响,我们建议采取翘曲光流场作为额外的输入模式。在【2】之后,我们先估计单应矩阵,然后补偿相机运动,再提取出翘曲光流场。如 2 所示,翘曲光流场抑制了背景运动,使运动集中于行动者。
Network Training.
由于动作识别的数据集相对较小,训练深度卷积神经网络面临过拟合风险的挑战。针对这一问题,我们设计了以下策略来训练时间段网络中的卷积神经网络。
-Cross Modality Pre-training.
当目标数据集没有足够的训练样本时,预训练是一种有效的方法去初始化 。当空间网络以 图像为输入时,很自然会利用在 上训练的模型作为初始化。对于光流场和 差分等其它形式,它们基本上捕获视频数据的不同视觉方面,并且它们的分布与 图像的分布不同。提出了一种利用 模型去初始化 的交叉模态预训练方法。首先,我们通过线性变换将光流场离散为 到 的区间。此步骤使光流场的范围与 图像相同。然后,我们修改 模型的第一卷积层的权值来处理光流场的输入。具体地说,我们对 信道上的权重进行平均,并用 输入的信道数复制该平均值。这种初始化方法在 中运行良好,减少了实验中过拟合的影响。
-Regularization Techniques.
批量归一化是处理协变量移位问题的重要手段。在学习过程中,批处理归一化将对每个批处理的激活均值和方差进行估计,并将这些激活值转化为标准的高斯分布。这种操作加快了训练的收敛,但也导致了转移过程中的过拟合,由于从有限数量的训练样本中对激活分布的有偏估计。因此,在使用预训练模型初始化后,我们选择固定除第一个外的所有 层的均值和方差参数。由于光流分布不同于 图像,所以第一卷积层的激活值将有不同的分布,因此需要重新估计平均值和方差。我们称之为部分 策略。同时,在 架构中,我们在全局池层之后增加了一个额外的 层,以进一步减少过拟合的影响。空间流对流的 率为0.8,时间流对流的 率为0.7。
-Data Augmentation.
数据扩充可以生成多种训练样本,防止严重的过拟合。在原始的双流 中,采用随机裁剪和水平翻转来增加训练样本。我们开发了两种新的数据增强技术:切角和尺度抖动。在角点裁剪技术中,为了避免对图像的中心区域进行隐式聚焦,提取的区域仅从图像的角点或中心选取。在多尺度裁剪技术中,我们将用于 分类中的尺度抖动技术应用于动作识别。我们提出了一个有效的尺度抖动的实现。我们将输入图像或光流场的大小固定为 ,并且从 中随机选择裁剪区域的宽度和高度。最后,这些裁剪区域将调整为 用于网络训练。实际上,这种实现不仅包含尺度抖动,还涉及纵横比抖动。
3.3 Testing Temporal Segment Networks
最后,给出了 的测试方法。由于所有的片段 级卷积神经网络在时间段网络中共享模型参数,因此所学习的模型可以像普通的 一样进行帧间评估。这使得我们可以与不使用时间段网络框架的学习模型进行公平的比较。具体来说,我们按照原始的双流 的测试方案,我们从动作视频中采样了 个 帧或光学堆栈。与此同时,我们剪裁了 个角和 个中心,并从采样帧中水平翻转以评估 。对于时空流网络的融合,我们对其进行加权平均。在 框架内学习时,空间流 与时间流 的性能差距要比原来的双流 小得多。基于这一事实,我们通过设置空间流的权值为 ,时间流的权值为 来给予空间流更多的积分。当使用正常和翘曲的光流场时,对于光流,时间流的权重被分为 ,对于翘曲的光流,时间流的权重为 。在第3.1节中描述了在 归一化之前应用分段一致性函数。为了测试模型是否符合他们的训练,我们在 标准化之前融合了25帧的预测分数和不同流。
4 Experiments
本节内容,我们首先介绍评估数据集和我们方法实现的细节。 然后,我们探讨了学习 的良好实践。 在此之后,我们通过应用 框架证明了建模长期时间结构的重要性。 我们还将我们的方法的性能与现有技术进行了比较。 最后,我们可视化我们学到的 模型。
4.1 Datasets and Implementation Details
我们在两个大型动作数据集上进行实验, 和 。 数据集包含 个动作类和 个视频剪辑。我们遵循 挑战赛的评估方案,采用三种训练/测试分割进行评估。 数据集是来自各种来源的大量真实视频的集合,比如电影和网络视频。数据集包含 个动作类和 个视频剪辑。我们的实验遵循最初的评估方案,使用三种训练/测试分割,并报告这些分割的平均准确性。
我们使用小批量随机梯度下降算法来学习网络工作参数,其中批大小设置为 ,动量设置为 。我们使用来自 的预训练模型来初始化网络的权值。我们在实验中设置了一个较小的学习率。对于空间网络,学习速率初始化为 并且每 次迭代后就会下降到其十分之一,在 次迭代时整个训练过程结束。对于时间网络,学习速率初始化为 并且在 次迭代及 次迭代后就会下降到其十分之一,最大迭代次数设置为 。关于数据增强,我们使用位置抖动,水平翻转,角落裁剪和尺度抖动等技术,如第 节所述。为了提取光流和翘曲光流,我们选择在带有 的 中实现的 光流算法。为了加速训练,我们采用了多个 的数据并行策略,实现了我们的修改版 和 。对于空间 , 的整个培训时间约为 小时,对于时间 ,整个培训时间为9小时4个TITANX GPU。在 上的全部训练时间,对于空间 大约为 小时,对于时间 大约为 小时。
4.2 Exploration Study
本节内容,第 节中我们介绍了调查的良好做法,包括训练方案和输入模式。在这项探索性研究中,我们使用具有改编自【23】极深的架构的双流 ,并在 数据集的分割 上执行所有实验。
我们在3.2节中提出了两种训练策略,即交叉模态预训练和带有 的部分 。具体来说,我们比较了四种设置:(1)从头训练(2)只预训练空间流(3)交叉模态预训练(4)结合交叉模态预训练和带有 的部分 。结果如 1 所示。首先,我们发现从零开始的训练效果比原始的双流 (基线)差很多,这意味着为了降低过拟合风险的精心设计的学习策略是必要的,特别是对于空间网络。然后,通过对空间流的预训练和对时间流的交叉模态预训练来初始化双流 ,并且获得了比基线更好的性能。我们进一步利用带有 的部分 规范化训练过程,将识别性能提高到 %。
我们在第 节中提出了两种新的模式:即 差分和翘曲光流场。 中报告了不同模态性能的比较结果。这些实验是在 中所有良好实践的验证下进行的。我们首先观察到 图像和 差的组合将识别性能提高到 %。该结果表明 图像和 差可以互补编码信息。然后表明光流和翘曲光流产生非常相似的性能(% 对 %),并且它们融合后可以将性能提高到 %。结合所有四种模态可以获得 %的准确率。由于 差异可能描述相似但不可识别的运动模式,我们也评估了其他三种模式结合后的性能,并带来了更好的识别精度(%对 %)。一方面,我们推测光流更好地捕获运动信息,并且对于描述运动, 差有时可能不稳定以。另一方面, 差可以作为一种低质量、高速的运动表示方法。
4.3 Evaluation of Temporal Segment Networks
在本节中,我们重点研究了时间段网络的结构。我们首先研究了分段共识函数的影响,然后在 数据集的分割 上比较了不同的卷积网络结构。为了公平比较,我们在此探索中仅使用RGB图像和光流场作为输入模态。如第3.1节所述,段的数量 设置为3。
在 中,分段共识函数由其聚合函数 定义。在这里,我们为 的形式评估三个候选项:(1)最大池化(2)平均池化(3)加权平均。实验结果如 所示。我们看到平均池功能实现了最好的性能。因此在接下来的实验中,我们选择平均池作为默认的聚合函数。然后我们比较了不同网络架构的性能,结果如 所示。具体来说,我们比较了三种极深的体系结构:, 和 ,所有这些架构都使用前面提到的良好实践进行了训练。在比较的架构中,改编自 的【23】的极深双流 实现了92.0%的最佳精度。这符合其在图像分类任务中的更好性能。因此,我们选择 作为时间段网络的 架构。
设置好所有的设计选项后,我们现在将时间片段网络()应用于动作识别,结果如 所示。 给出了组件在识别精度方面的分量分析。我们可以看到,即使应用了所有讨论的良好实践,时间段网络也能够提高模型的性能。这证实了长期的时间结构建模对于更好地理解视频中的动作是至关重要的。它是通过时间段网络实现的。
4.4 Comparison with the State of the Art
在探索了这些良好的实践并了解了 网络的作用后,我们准备建立最后的动作识别方法。具体来说,我们汇集了三种输入模式和所有被描述为最终识别方法的技术,并在两个具有挑战性的数据集上进行测试, 和 ,结果如 所示。其中我们将我们的方法与传统方法进行比较,例如改进的轨迹(),表示和深度学习表示,例如 卷积网络() ,轨迹汇集深度卷积描述符(),分解时空卷积网络(),长期卷积网络()和密钥量挖掘框架()。在 数据集上,我们的最佳结果要优于其他方法3.9%,在 数据集上优于 %。我们的方法的优越性能证明了时间片段网络的有效性,并证明了长期时间建模的重要性。
4.5 Model Visualization
除了识别精度外,我们还希望对所学习的 模型有进一步的了解。在这个意义上,我们采用了 工具箱。该工具对只有白噪声的输入图像进行迭代梯度上升。因此,经过多次迭代后的输出可以被视为类可视化,它完全基于 模型内部的类知识。该工具的原始版本只处理 数据。为了在基于光流的模型上进行可视化,我们调整工具以使用我们的时间 。结果是,首次将感兴趣的类信息可视化到动作识别的卷积网络模型中。我们从 数据集中随机挑选了五个类,,,, 和 来进行可视化,结果如 所示。对于 和光流,我们通过以下三种设置来学习可视化的 模型:(1)无需预训练;(2)只有预先培训(3)具有时间段网络。
一般来说,有预训练的模型比没有预训练的模型更能表现视觉概念。我们可以看到,没有预先训练的空间和时间模型几乎不能生成任何有意义的视觉结构。通过从训练前过程中转移的知识,空间和时间模型能够捕获结构化的视觉模式。
我们也很容易注意到,那些只接受短期信息(如单帧)训练的模型,往往会将视频中的风景模式和物体误认为是动作识别的重要证据。例如,在“潜水”课程中,单帧空间流 主要寻找水上和潜水平台,而不是潜水人员。它的时间流对应物,致力于光流,倾向于关注由地表水波引起的运动。
通过时间片段网络引入的长期时间建模,很明显,学习模型更多地关注视频中的人类,并且似乎是对动作类的长期结构进行建模。仍然以“潜水”为例,基于 的空间卷积神经网络产生了以人为主要视觉信息的图像。不同的姿势可以在图片中辨认出来,描绘了一个跳水动作的不同阶段。这表明用所提出的方法学习的模型可能表现更好,这在我们的定量实验中得到很好的反映。我们向读者提供更多的动作类的可视化和可视化过程的更多细节的辅助材料。
5、 Conclusions
在本文中,我们介绍了时间段网络(),一个视频级框架,旨在建模长期时间结构。 正如在两个具有挑战性的数据集上所演示的那样,这项工作将技术水平提升到了一个新的水平,同时保持了合理的计算成本。 这主要归功于带有稀疏抽样的分段架构,以及我们在本工作中探索的一系列良好实践。 前者提供了一种捕获长期时间结构的有效方法,而后者使在有限的训练集上训练非常深的网络而不发生严重的过拟合成为可能。
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
- Consul快速入门(一):Consul介绍
1、Consul是什么 Consul官网:https://www.consul.io/ Consul是HashiCorp公司推出的开源产品,用于实现分布式系统的服务发现、服务配置、服务隔离,这些功能中的每一个都可以根据需要单独使用,也可以同时使用所有功能。 与其它分布式服务注册与发现的方案相比,Consul的方案更…...
2024/4/25 3:08:41 - 分布式算法之高效数据存储解决方案
对于QQ、微信、阿里旺旺等聊天沟通工具显然不能仅仅使用基于端口通讯的mysql等数据库。对于一台服务器,同时在线超过几百个用户的话,使用端口通讯的数据库服务器将非常非常的卡和缓慢。 而分布式算法,则使用的是自定义/本地文件类型的数据库。 以下是本人写的一个聊天工具的…...
2024/4/29 22:39:12 - Consul快速入门(三):Spring Cloud Consul服务注册与发现
1、前言 本文通过创建provider-service、consumer-service两个微服务,并通过feign接口调用来演示Spring Cloud整合Consul。阅读本文需要前置知识:Spring Boot Spring Cloud Spring Cloud Feign2、搭建provider-service服务 2.1、创建maven模块 创建provider项目,添加provide…...
2024/5/2 12:55:11 - 数据结构MOOC作业(入门)
数据结构* 单链表、C逆序、C两个递增的链表合并成一个递增的链表 作业地址 MOOC 请完成下列算法填空实现对顺序表逆置存储,逆置存储是指将元素线性关系逆置后的顺序存储,例如(a0,a1,a2),关系逆置后为(a2,a1,a0). SeqList的结构体定义如下: typedef struct seqList {int …...
2024/5/7 0:10:47 - 移动端 手写签名实现 (jSignature.js)
疫情期间的社区出入系统需求 提交体温前需要手写签名 实现方法引入jQuery.js (jSignature是基于jquery的插件 所以要先引入jQuery) 引入jSignature.js 下载地址https://github.com/brinley/jSignature html结构<div class="container"><div id="si…...
2024/5/7 5:07:36 - 【字符串】中缀表达式转后缀表达式并求值(python)
字符串表达式求值对于python而言,有一个很方便的方法:eval(),可以直接求出得到结果,这里我想利用python手写实现一个,即利用stack和中缀表达式转后缀表达式方法来求中缀表达式转后缀表达式 发现这个方法的人真是个人才…后缀表达式又叫逆波兰式(Reverse Polish notation)…...
2024/4/14 11:17:30 - 类和对象
类和对象一、抽象和类1、抽象 一、抽象和类 1、抽象从具体事物抽取共同的本质特征...
2024/4/14 11:17:26 - 稀疏数组与数组的转换和文件读写
二维数组 转 稀疏数组的思路遍历 原始的二维数组,得到有效数据的个数 sum 根据sum 就可以创建 稀疏数组 sparseArr int[sum + 1] [3] 将二维数组的有效数据数据存入到 稀疏数组稀疏数组转原始的二维数组的思路先读取稀疏数组的第一行,根据第一行的数据,创建原始的二维数组,…...
2024/4/25 8:49:50 - 第二周第一次作业
#最大子序和 ##public class Solution { public int MaxArray(int[] nums) { int currentSum = nums[0]; int maxSum = nums[0];for (int i = 1; i < nums.Length; i++){currentSum = Math.Max(nums[i], currentSum + nums[i]);maxSum = Math.Max(maxSum, currentSum);} …...
2024/4/14 11:17:18 - 回溯法:最优装载问题
大家好,我是连人。本期讲述回溯法中的最优装载问题。 以简单的语言说,就是给定两艘船,要求一批货物分别装入。 这道问题采用“先尽可能以最大载重装一艘船,再以剩下的货物装另一艘”。 这样,我们就将问题简化为了0-1背包问题。采用回溯法构建解空间,之后遍历即可。思路很…...
2024/4/14 11:17:14 - 01-C语言程序的基本结构
文章目录一、C语言基础知识的学习方法二、C语言程序开发的流程三、安装C语言的编译器四、C程序的基本结构五、编译并执行 C 程序六、知识总结七、课后作业八、版权声明 一、C语言基础知识的学习方法 1)我的课程内容是精心整理的,某些知识点可能没有提到应用场景,但绝对不会是…...
2024/4/27 10:11:34 - NOIP2012 同余方程
中国剩余定理,模数不互质的情况。用数学归纳法两两式子解。先用扩展欧几里得求出第一个方程的x通解。然后与第二个联立,求出再第一个方程同解的集合内的情况下,x的通解。(注意要判是否有解)以此类推。注意防止整数溢出。#include <bits/stdc++.h> using namespace s…...
2024/4/14 11:17:06 - Python 列表生成式的使用
1. 单数据运算 In [43]: a = [1,2,3,4,5]In [44]: b = [x*2 for x in a]In [45]: b Out[45]: [2, 4, 6, 8, 10]In [46]: c = [str(x) for x in a]In [47]: c Out[47]: [1, 2, 3, 4, 5]2. 含有 if 条件 In [48]: a = range(11)In [49]: b = [x*2 for x in a if x%2 == 0]In [50]…...
2024/4/14 11:17:02 - flume案例-flume级联-组件分析
...
2024/4/17 19:58:49 - C语言刷题组(基础),一
这道超级简单的题目没有任何输入,作为第一。 你只需要把这句很重要的话 —— “I wanna WIN!”——连续输出三遍就可以了。 ( ps:每遍占一行,除了每行的回车不能有任何多余字符。) #include <stdio.h> int main(int argc, char **argv) {for(int i=0;i<3;i++){print…...
2024/4/25 23:21:07 - [MIA2019-01]Automatic brain labeling via multi-atlas guided fully convolutional networks
Automatic brain labeling via multi-atlas guided fully convolutional networks 传统上,基于多图集的方法首先将多个图集注册到目标图像,然后将标签从标记的图集传播到未标记的目标图像。但是,配准步骤涉及非刚性对齐,这通常很耗时并且可能缺乏高精度。另外,基于补丁的方…...
2024/5/5 10:44:15 - Unity API学习——向量、随机数以及四元数
向量(结构体,值类型,需整体赋值) Vector2(二维向量&坐标)magnitude:取得向量长度(平方根长度) normalized:对向量进行单位化(向量方向不变,长度变为1) SqrMagnitude:取得向量长度(还未平方根的长度),用于比较两个向量的长度 Equals:判断两个向量是否相等…...
2024/4/28 4:11:45 - centos设置静态ip后无法联网或静态ip可以ping ip地址无法ping域名
|**centos设置静态ip后无法联网或静态ip可以ping ip地址无法ping域名**| | |-----------------------------------------------|–| | 1、 ifconfig查看网卡名称若是ens33,则进入到 vim /etc/sysconfig/network-skripts/ifcfg-ens33若是eth0,则进入到 vim /etc/sysconfig/netwo…...
2024/4/14 11:16:41 - 深入理解JS中使用const声明常量
JS中使用const声明的常量说是不可被改变,其实不能改变的是该常量的内存地址,当用const声明一个基本类型时,基本类型值就保存在它指向的那个地址中,所以无法改变。 对于引用类型,当用const声明一个引用类型时,引用类型的内存地址是一个指针,该指针指向的地址才是它的数据…...
2024/4/14 11:16:38 - Beijing Guards UVA - 1335 贪心+二分法
问题 https://vjudge.net/problem/UVA-1335 分析 如果n为偶数,那么就只需要求出相邻两个人的最大的和,就是所有礼物的总数 如果n为奇数,不能再使用上面的贪心的方法,使用二分的方法,编号为偶数的人尽量向前取,编号向后的人尽量向后取,left[i]代表每个人在[1,r_1]中取了几…...
2024/4/14 10:26:54
最新文章
- Java | Leetcode Java题解之第73题矩阵置零
题目: 题解: class Solution {public void setZeroes(int[][] matrix) {int m matrix.length, n matrix[0].length;boolean flagCol0 false;for (int i 0; i < m; i) {if (matrix[i][0] 0) {flagCol0 true;}for (int j 1; j < n; j) {if (…...
2024/5/7 7:02:57 - 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…...
2024/5/6 9:38:23 - MySQL 底层数据结构 聚簇索引以及二级索引 Explain的使用
数据结构 我们知道MySQL的存储引擎Innodb默认底层是使用B树的变种来存储数据的 下面我们来复习一下B树存储 B树存储 哈希存储的区别 哈希存储,只能使用等值查询 B树与B树存储 我们知道B树实际上就是B树的变种 那么为啥使用B树而不是使用B树呢? 我们知道效率的高低主要取决于…...
2024/5/4 8:59:40 - MATLAB 自定义中值滤波(54)
MATLAB 自定义中值滤波(54) 一、算法介绍二、算法实现1.原理2.代码一、算法介绍 中值滤波,是一种常见的点云平滑算法,改善原始点云的数据质量问题,MATLAB自带的工具似乎不太友好,这里提供自定义实现的点云中值滤波算法,具体效果如下所示: 中值滤波前: 中值滤波后:…...
2024/5/5 8:43:14 - 【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…...
2024/5/7 5:50:09 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/6 9:21:00 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:05 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:16 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/6 1:40:42 - 【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、…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:17 - 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…...
2024/5/4 23:55:06 - 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…...
2024/5/4 23:54:56 - 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…...
2024/5/4 23:55:06 - 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…...
2024/5/5 8:13:33 - 「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…...
2024/5/4 23:55:16 - 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…...
2024/5/4 23:54:58 - 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」。 …...
2024/5/6 21:42:42 - 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…...
2024/5/4 23:54:56 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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࿰…...
2022/11/19 21:16:58 - 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