PlanZ

火星生存指南—火星救援电影链接 var ap = new APlayer({ element: document.getElementById("aplayer-QOqjJfHY"), narrow: false, autoplay: false, showlrc: 3, music: { title: "Starman", author: "David Bowie", url: "https://moonglowshadow.oss-cn-qingdao.aliyuncs.com/planz/source/music/DavidBowie-Starman/DavidBowie-Starman.mp3", pic: "https://moonglowshadow.oss-cn-qingdao.aliyuncs.com/planz/source/music/DavidBowie-Starman/DavidBowie-Starman.png", lrc: "https://moonglowshadow.oss-cn-qingdao.aliyuncs.com/planz/source/music/DavidBowie-Starman/DavidBowie-Starman.lrc" } }); window.aplayers || (window.aplayers = []); window.aplayers.push(ap); Welcome to the Astronaut Candidate Program. 欢迎你们加入预备航天员项目 Now pay attention, because this could save your life. 接下来注意听好 因为我说的东西能救你们的命 Trust me,...

服务器上模型训练的常用命令深度学习训练过程中，模型越大，参数越多，占用的显存越大（如VGG16参数量约138M，训练显存需求10-12G；Transformer在BERT-base中参数量约110M，训练显存需求12-16G；Stable Diffusion V2.0参数量约890M，训练显存需求16-24G。显存占用因具体输入大小、实现细节和优化手段而异）。 通常个人设备的显存难以满足训练模型的要求，需要将训练代码上传到配有更好显卡（常用GPU如RTX4090-24G，V100-16/32G，A100-40/80G。不同显卡除显存之外，还存在着架构、计算性能、内存带宽等方面的区别，适用于不同的任务场景）的服务器上进行模型的训练工作。 远程连接服务器无论是连接自己的服务器资源还是连接云服务平台（如阿里云、腾讯云、恒源云等）租赁的服务器，都可以使用MobaXterm、Xshell或是Windows远程桌面连接等远程终端控制工具，通过配置以下参数进行远程连接： 主机地址：IP地址如（10.16.0.41）或域名如（gpuplatform.com） 端口号：如（30841；2333等） 用户名：如（root；superman；spiderman等） 密码：如（122333；rHesBZNZz4dhd7hS8MzMUc4E3twRXTkw等） 以恒源云、MobaXterm为例： 在恒源云平台注册账号，进入控制台，在实例与数据—我的实例页面点击创建实例，选择需要租用的显卡类型并创建实例。 通常云服务平台在创建实例时会提供操作系统选择以及框架的预装，如选择使用Linux系统、V100-16G显卡、Pytorch2.0.0框架、Cuda11.8.0、Python3.8。 完成创建之后即可在控制台—实例与数据—我的实例页面获取到实例信息以及远程连接参数。 复制登录指令和密码即可获取以下内容： ssh -p 37587...

OZYMANDIAS 奥西曼迭斯Percy Bysshe Shelley 珀西·比希·雪莱 漫画作者：zen pencils 古今将相在何方？荒冢一堆草没了。 I met a traveller from an antique land who said … 我遇见一位来自古老国度的旅人，他说… Two vast and trunkless legs of stone stand in the desert. 有两条巨大的石腿矗立在茫茫荒漠中。 Near them, on the sand… 石腿周围的沙地上… …half sunk, a shattered visage lies. …半掩着一个破碎的石雕脸庞。 Whose frown and wrinkled lip… 它眉宇冷酷，皱起嘴角… …and sneer of cold command… …面孔依旧威严… …tell that its sculptor well those passions read. …想那雕刻者，必定深谙其人情感。 Which yet survive stamped on these lifeless things. 那傲慢的神态鲜活地刻在这些毫无生气的石头上。 The hand that mocked them.. 他曾经只手遮天… …and the heart that fed. …万民景仰。 And on the pedestal these words appear… 在石腿的基座上刻着… MY NAME IS OZYMANDIAS. 我的名字是奥西曼迭斯。 KING OF KINGS. 万王之王。 LOOK ON MY WORKS, YE MIGHTY AND DEAPAIR! 在我的丰功伟绩前，俯首称臣吧！ Nothing beside remains. 除此而外，别无他物。 Round the decay of that colossal wreck boudless and bare… 废墟四周，唯余黄沙莽莽… …the lone and level sands stretch far away. …空旷的沙漠延展到很远的地方。

图像去雾数据集透射率图生成生成透射率图的目的图像去雾任务中透射率图的应用主要在以下方面： 传统方法利用先验和假设计算雾图像的透射率图，并带入到物理模型中进行去雾。 深度学习方法利用网络模型预测物理模型中的各项参数，并带入物理模型中进行去雾。 部分深度学习方法利用传统先验方法计算出透射率图并与雾图像一起送入网络模型中作为对雾图像中雾颗粒分布的指导。 然而： 使用先验知识估计的透射率图存在局限性（精确度较低、容易将天空区域误识别成雾等）。 图中天空区域具有跟浓雾区域非常相似的特征，先验知识估计透射率的过程中将该区域识别为了浓雾，预测了非常低的透射率值，在物理模型还原的过程中对应天空区域的亮度值被大幅降低了。 利用深度学习方法预测透射率缺少直接的训练数据，透射率往往是作为网络的中间结果，难以进行更直接的约束。 本文通过对现有数据集中样本进行预处理获取成对的 雾图像—透射率图 样本，进而实现透射率估计模型的直接训练，解决先验知识透射率估计方法精确度、误识别等方面的问题。 准备 雾图像—透射率图 样本对 需要精确的雾图像 $I(x)$—透射率图像 $t(x)$ 样本对来训练模型。需要利用现有可用数据预处理获取。 合成数据集中，利用清晰图像 $J(x)$ 的深度信息 $d(x)$，以及人工选取的全局大气光 $A$、大气散射系数 $\beta$，来合成雾图像 $I(x)$。 一种方法是直接利用 $d(x)$ 计算 $t(x)$，这样可以直接利用与 $d(x)$ 对应的 $I(x)$ 来和 $t(x)$ 组成成对数据。 $t(x)=e^{-\beta d(x)}$ 1234567891011121314151617181920212223242526272829# 根据深度图生成透射率图# d_path: 深度图所在目录# name: 深度图文件名# beta: 大气散射系数，与生成雾浓度相关# t_path: 透射率图保存目录def gen_t_form_depth(d_path, name, beta, t_path): data = h5py.File(os.path.join(d_path, name), 'r') # 读取深度图.mat文件 # print(list(data.keys())) ...

Ntire2024非均匀浓雾去除挑战赛报告介绍 图像去雾任务缺乏标准化的测试基准。 保持一致的光照条件和参考图像与模糊图像之间的逐像素对应是数据收集的关键挑战。 历届比赛数据集： O-HAZE和I-HAZE（Ntire2018，轻度均匀雾）。 DENSE-HAZE（Ntire2019，均匀浓雾）。 NH-HAZE（Ntire2020、2021，非均匀雾）。 NH-HAZE2 （Nitre2021，非均匀雾） HD-NH-HAZE（Ntire2023，高清非均匀雾） 本届比赛数据集： DNH-HAZE（高清非均匀浓雾，4000×6000或6000×4000） 。 训练数据 40对 验证数据 5对 测试数据 5对 比赛目的： 探索最新的去雾研究趋势。 强调高质量数据集的可用性。（DNH-HAZE） 评价指标 PSNR (Peak Signal to Noise Ratio)。峰值信噪比。 SSIM (Structural Similarity)。结构相似性。 LPIPS (Learned Perceptual Image Patch Similarity)。模型评估图像的感知质量。 MOS (Mean Opinion Score)。人工评估图像的感知质量。 方案排名 USTC-DehazersCoarse-to-Fine Hybrid Network for Dense and Nonhomogeneous Dehaze 基于双分支模型作为整体框架。 迁移学习分支中（上半），Flash intern-image融合了可变形卷积Deformable Convolution v4 (DCNv4)，具有更强的远距离建模能力和自适应空间聚合能力。[增加网络的去雾能力] 细节提取分支中（下半），使用轻量级空间自适应特征调制（Spatially-Adaptive Feature Modulation，SAFMN)，通过引入选择性注意机制，将不同层次的特征动态融合，增强模型对关键信息的感知能力。[应对高分辨率的挑战] 引入合成数据。[缓解训练样本稀少的困境] 引入EfficientVit-SAM作为特征提取器，构建了一种新的增强感知损失。[降低雾霾的残留] Dehazing_RDehazeDCT: Towards Effective...

图像去雾领域数据集图像去雾领域中真实配对数据集的拍摄具有严格的时间和天气要求，需要在同一机位下分别拍摄雾霾天气下以及无雾天气下的图片组成成对的真实样本，其获取具有以下问题： 样本的采集受到限制，只能在有雾的天气条件下拍摄数据样本。 成对样本获取的时间间隔较长，与雾图像对应的清晰图像（GT）需要天气由雾转晴后才能继续拍摄。 由于间隔的时间较长，场景中的物体大概率会发生变化，去雾真实数据集相较其他真实增强数据集（如阴影去除、低光照增强等）有更严重的样本不对齐问题。 由于间隔的时间较长，场景中的光照条件会发生变化，难以保证拍摄清晰图像时的光照条件与雾图像原始光照条件相同，导致训练深度学习模型恢复的并不是雾图像的原始的光照。 因此图像去雾领域的数据集的获取主要有以下两种主流方式： 合成数据集：通过在清晰图像上人工加雾的方式取得雾图像-清晰图像数据对。加雾的方式通常是利用大气散射模型(去雾领域经典物理建模)，使用清晰图像的深度图作为场景的透射率，代入大气散射模型中并调整参数，以获取不同浓度的加雾图像。 优点： 可以以较低的成本获取大规模的训练样本。 合成样本非常精确，不存在不对齐问题。 缺点： 通过物理模型加雾，深度学习很容易学习的物理模型加雾的逆向过程而不是学习真正的去雾，且物理模型自身也存在缺陷。 透射率（即雾的浓度分布信息）由场景深度信息决定，这表明合成雾图像中的雾是在场景中均匀分布的，图片上的浓度只与图片深度有关，不能模拟真实更加复杂的随机分布的特征。 真实数据集：使用雾生成设备人工造雾，从而摆脱天气条件的限制、减少成对样本拍摄的时间间隔。 优点： 相比合成数据集，真实数据集中雾的特征更加多样且复杂，更具有挑战性。 缺点： 仍然有不对齐的问题。 人工生成的雾更像”烟“而不是”雾“。 现有真实数据集数据规模要远小于合成数据集 NYUv2 (NYU-Depth V2) 纽约大学创建，由 Kinect（3D体感摄像机）的 RGB 和 Depth...

暗通道先验去雾 He Kaiming, Sun Jian and Tang Xiaoou. Single Image Haze Removal Using Dark Channel Prior. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 33, no. 12, pp. 2341-2353, Dec. 2011, doi: 10.1109/TPAMI.2010.168. [暗通道先验 Dark Channel Prior] He Kaiming, Sun Jian and Tang Xiaoou. Guided Image Filtering. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 35, no. 6, pp. 1397-1409, June 2013, doi: 10.1109/TPAMI.2012.213. [引导滤波 Guided Filtering] 理论基础大气散射模型 传统去雾方法对雾天成像过程进行物理建模，通过求解模型的未知量进而恢复清晰图像。经典的大气散射模型如图1所示，它假设成像时接收到的光源主要来自两个部分：一是场景中的物体反射场景光源$A$形成的反射光$J(x)$经过雾颗粒的衰减影响$t(x)$到达相机的部分$J(x)t(x)$，这部分是对成像质量的直接影响；二是雾颗粒对场景光源$A$散射影响$1-t(x)$后的散射光到达相机的部分$A(1-t(x))$。设备接收到这两部分的光，形成最后的降质雾图像$I(x)$，根据以上结果即可得到雾形成过程的物理建模，如式(1)所示： I(x)=J(x)t(x)+A(1-t(x)) \tag...

彼得·维兰德TED演讲(I will change the world)—异形：普罗米修斯 I am a law only for my kind, I am no law for all. 我只为自己制定法则，我不遵循众生的法则。——出自尼采《查拉图斯特拉如是说》，反映了尼采的个体主义思想以及对普遍道德和普遍规则的质疑。尼采认为每个人都是独特的，遵循属于自己的价值观和生活方式，不应该被一套普遍的、适用于所有人的道德体系所束缚。他在哲学中反对所谓的“普遍真理”或“道德绝对性”，认为真正强大、自由的人是超越这些外部规则的，他们不接受社会对他们强加的道德准则，而是根据自己的内在力量和意志，制定属于自己的规则和生活方式。体现了尼采对“超人”概念的推崇，超人是能够超越传统道德束缚、为自己制定法则的人。 T.E. Lawrence, eponymously of Arabia, but very much an English man favored pinching a burning match between his fingers to put it out. T·E· 劳伦斯，人称“阿拉伯的劳伦斯”，其实是个地道的英国人，他很喜欢用手指掐灭燃烧的火柴。 When asked by his colleague, William Potter, to reveal his trick how is it he so effectively extinguished the flame without hurting himself whatsoever, Lawrence just smiled and said, “The trick, Potter, is not minding it hurts.” 他的同事威廉·波特问他有什么诀窍能如此高效地熄灭火焰还能免受灼伤，劳伦斯笑着说“诀窍在于不要在乎疼痛。” The fire that danced at the end of that match was a gift from the Titan, Prometheus, a gift that he stole from the gods, who were terrified of what we might do with it were it to...

追逐梦想，并不是人生的全部 | 哈维穆德学院2024年毕业致辞Grant Sanderson (3Blue1Brown) Thank you, President Nembhard, for that very warm introduction and for inviting me. 感谢 Nembhard 校长如此热情的介绍和邀请。 And thank you to the class of 2024 for including me in such a special day. 感谢 2024 届的同学们邀请我参加如此特殊的日子。 I had the joy of getting to know many of you last year on this visit, and I distinctly remember coming away with the feeling that a future in your hands is a bright future indeed. 去年来访时我有幸结实了你们中的许多人，我清楚地记得当时的感觉是，未来握在你们手中着实是光明的。 For those in the audience who don’t know who I am, I focus on making videos about mathematics with an emphasis on visualizations. 如果有同学不认识我的话，我专注于制作侧重可视化的数学视频。 It’s a weird job. 这工作还挺怪的。 I do love it though, and it’s no exaggeration to describe it as a dream job. 但我确实很喜欢这份工作，而且毫不夸张地说这是一份梦想中的工作。 A common cliche is for someone who was lucky enough to land in a dream job to stand confidently in front of a group of fledgling graduates and to compel them to follow their...

金字塔原理基本概念 是一种重点突出、逻辑清晰、层次分明、简单易懂的思考方式、沟通方式、规范动作。 基本结构：结论先行，以上统下，归类分组，逻辑递进。 先重要后次要 先总结后具体 先框架后细节 先结论后原因 先结果后过程 先论点后论据 训练表达者： 关注、挖掘受众意图、需求点、利益点、关注点和兴趣点。 想清说什么（内容），怎么说（思路、结构）。 达到的沟通效果：观点鲜明、重点突出、思路清晰、层次分明、简单易懂，让受众有兴趣，能理解，记得住。 具体做法：自上而下表达，自下而上思考，纵向总结概括，横向归类分组，序言讲故事，标题提炼思想精华。 第1篇 表达的逻辑第1章 为什么要使用金字塔结构归类分组大脑会将其认为具有“共性”的任何事物组织在一起。“共性”指的是具有某种相似的共同点或所处的位置相近等。 看到图1-1中的6个黑点，多数人都会下意识将其分成2组，每组3个。造成这种印象的原因主要是，有些黑点间的距离比另一些黑点间的距离大。 湖泊 │ 糖 靴子 │ 盘子 女孩 │ 袋鼠 铅笔 │ 汽油 宫殿 │ 自行车 铁路 │ 大象 书本 │ 牙膏 几组彼此互不关联的词，通过联想将每组中的两个词建立联系，如：糖在湖水中溶解，或靴子立在盘子上等，然后将右侧的词盖住，就可以根据左侧词轻松联想到右侧的词。 人一次能够理解的思想或者概念的数量是有限的。乔治·A·米勒（《奇妙的数字7±2》）认为大脑的短期记忆无法一次容纳约7个以上的记忆项目。这就意味着，当大脑发现需要处理的项目超过4个或5个时，就会开始将其归类到不同的逻辑范畴中，以便于记忆。 葡萄 橘子 牛奶 咸鸭蛋 土豆 苹果 鸡蛋 酸奶 ...