本文仅根据模型的预测过程，即从输入图像到输出结果（图像预处理、模型推理、后处理），来展现不同任务下的网络结构，OBB 任务暂不包含。

02325《计算机系统结构》自考复习概念题：5~8 章选择、填空、简答

NC-Net 是特征点检测与匹配的早期深度方法，许多论文有提及，直接看代码并结合论文记录一下方法。

学习资料：TensorRT 源码示例。

视频理解实际是做视频动作分类，类似图像分类，输入为视频（图像序列），输出为类别。数据集类别数视频数平均时长链接UCF-101101133207.21sPaperDownloadHMDB-515168492~5sPaperDownloadSports-1M48711331585m36sPaperDownload40030624510sPaperDownloadSmth-Smth1742208474s

1. 前言代码地址论文地址  图像对齐方法大致分为两类：（1）参数化方法（非像素级对齐）  通常做法是将一对图像输入网络，最后通过一个全连接层得到一个8维的特征向量，对应图像4个顶点的偏移量，从而得到一个单应性矩阵作为对齐变换，详情参考图像对齐深度学习算法调研。（2）非参数化方法（像素级对齐）  通常做法是将源图 IsI_sIs​ 和目标图 ItI_tIt​ 先提取特征得到 FsF_sFs​ 与F

1. 简介  SuperPoint 网络中所用到的 NMS 代码部分，输入为 scores，即输入图像每个像素的得分，输出依然是 scores，准特征点位置的得分保留，其余位置的得分置零。  大体上是根据超参数 nms_radius 使图像每个局部区域都得到一个准特征点，后续再用得分阈值筛选等，去除距离很近的冗余特征点。SuperPoint 中 forward 部分涉及 NMS 的代码# Comp

看了许多 Transformer 的文章感觉还是有点抽象，本文将根据 Pytorch 代码从原始输入到最终输出完整走一遍。

从论文标题可以看出，AdaTAD 可以在 1B 参数且输入视频在 1000 帧的情况下实现端到端的训练，核心创新点是引入 Temporal-Informative Adapter (TIA) 模块来减少训练内存提高性能。本文先根据代码说明模型训练全过程，再根据论文部分内容说明训练策略和改进思路。

学习资料：TensorRT 源码示例参考源码：cookbook → 07-Tool → trtexec在 TensorRT 的安装目录下有命令行工具 trtexec，主要功能：（1）由 ONNX 文件生成 TensorRT 引擎并序列化为 plan 文件（2）查看 ONNX 或 plan 文件的网络逐层信息（3）模型性能测试，即测试 TensorRT 引擎在随机输入或给定输入下的性能。