1. 安装depot toolsWindows：国外下载：https://storage.googleapis.com/chrome-infra/depot_tools.zip下载完把压缩包解压，然后把解压目录加入PATH环境变量Linux（Android）/Mac（IOS）：安装git国外：git clone https://chromium.googlesource.com/chromium/

判断图的连通性判断方法比较多，最常见的就是并查集、DFS、BFS 这几种，网上的代码也很多，这里主要讲一讲并查集。利用并查集判断连通性思路为：对于图中的每个节点，设定它的根节点为它本身。对图中的每一条边的两个端点进行合并操作，得到的结果就是相互连通的节点的根节点指向同一个节点。所以只要查询一下结果中节点的根节点等于其本身的节点的数目就可以知道这个图被分成连通的几个部分，如果连通，则为 1。并...

Stable Diffusion的官方模型更适合绘制偏写实的风格，如果您想绘制二次元之类的风格，可以考虑下载本站的其它模型。

1. 训练代码pytorch自身部署较麻烦，一般使用onnx和mnn较为实用训练模型的代码：import torchimport torch.nnasnnimport torchvisionimport torchvision.transforms as transformsimport torch.optim as optimfrom torch.optim import lr_schedule

1. BM3D 算法简介BM3D是2007年TIP的文章，题目是Image denoising by sparse 3D transform-domain collaborative ltering，论文、项目的地址是http://www.cs.tut.fi/~foi/GCF-BM3D/，提供matlab代码。处理灰度图的BM3D以及它的变体CBM3D（彩色图）、VBM3D（时域）是图像去噪...

最近因为工作需要，要进行265 10bit编码，所以打算把ffmpeg, x265重新编译下。1. 编译安装支持10bit的x265库要让x265支持10bit编码，只需要修改CMake的一个编译选项即可：git clone https://github.com/videolan/x265.gitcd x265-master/sourcevim CMakeLists.txt把option(HIGH

1. 解决的问题先前的使用NAS搜索出的语义分割模型推理速度还不够快，且搜索空间有限。如果加入了延迟的限制，搜索出的网络容易出现"崩溃"现象：即模型倾向于低延迟但是准确率也会大打折扣。语义分割要求保留细节和丰富的上下文信息。FasterSeg发现了新的、更广泛的搜索空间，集成了多分辨率分支，为了更好地校准高精度和低延迟目标之间的平衡，提出了一种解耦的、细粒度的延迟正则化方法，解决了模型容易"崩溃"

1. MIT5K数据集介绍MIT-Adobe FiveK是现在很多做图像增强（image enhancement）与图像修饰（image retouching）方面研究的人员经常会使用到的数据库。这个数据库中包含5000张dng格式的原始图片及分别由五个（A，B，C，D，E）专业修图人员手工修饰后的图片。关于该数据库的详细资料可以在：https://data.csail.mit.edu/graph

参考：Data Augmentation | How to use Deep Learning when you have Limited Data—Part 2文章目录1. 数据增广（Data Augmentation）2. 数据增广方法2.1 镜像（Flip）2.2 旋转（Rotation）2.3 缩放（Scale）2.4 裁剪（Crop）2.5 平移（Translation）2.6 高斯..

1. 介绍本文介绍一个大规模的人脸识别数据集：WebFace260M，由 4M identities（身份）和 260M 人脸组成，为百万级深度人脸清洗和识别提供了很好的资源，如图1和Tab.1所示。又通过提纯，即所设计的可扩展高效的自训练 pipeline 对 WebFace260M 进行自动提纯，获得最大的训练集 WebFace42M，它在具有挑战性的 IJB-C 上得到新的SOTA，在 NI