- 博客(275)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 OJ练习第190题——坐标移动
开发一个坐标计算工具， A表示向左移动，D表示向右移动，W表示向上移动，S表示向下移动。从（0,0）点开始移动，从输入字符串里面读取一些坐标，并将最终输入结果输出到输出文件里面。
2024-04-05 21:55:04
499
原创 复现报错小结
1、os.environ['CUDA_VISIBLE_DEVICES'] = arg.cuda_visible_device报错2、查看显卡使用情况3、zipfile.BadZipFile: File is not a zip file4、AttributeError: module 'numpy' has no attribute 'int'.5、ModuleNotFoundError:No module named xxx6、循环导包的问题7、将conda环境中的Python降版本
2024-03-24 10:45:00
268
原创 OJ练习第189题——除法求值
给你一个变量对数组 equations 和一个实数值数组 values 作为已知条件，其中 equations[i] = [Ai, Bi] 和 values[i] 共同表示等式 Ai / Bi = values[i] 。每个 Ai 或 Bi 是一个表示单个变量的字符串。另有一些以数组 queries 表示的问题，其中 queries[j] = [Cj, Dj] 表示第 j 个问题，请你根据已知条件找出 Cj / Dj = ? 的结果作为答案。返回 所有问题的答案 。如果存在某个无法确定的答案，则用
2024-03-23 11:19:35
413
原创 MSST-RT: Multi-Stream Spatial-Temporal Relative Transformer for Skeleton-Based Action Recognition
本文提出时空相对转换器 (ST-RT) 来克服这些缺陷。通过引入中继节点，ST-RT避免了变压器架构，打破了空间维度固有的骨架拓扑和时间维度骨架序列的顺序。此外，挖掘不同尺度运动中包含的动态信息。最后，分别将从四种骨架序列中提取时空特征的四个ST-RT进行融合，形成最终模型、多流时空相对变压器(MSST-RT)，以提高性能。
2024-01-17 08:15:00
1718
原创 TPAMI 2023：Constructing Stronger and Faster Baselines for Skeleton-based Action Recognition
针对该任务的复杂性和计算代价过高的情况，提出了一种新的有效的图卷积网络基线模型EfficientGCN，并设计了一种复合缩放策略，用于扩展模型的宽度和深度，最终获得一个高准确性、可训练参数较少的高效GCN基线模型。
2024-01-13 10:30:00
1021
原创 3DCNN-Based Knowledge Distillation Framework for Human Activity Recognition
本文提出了一个知识蒸馏框架，该框架使用离线知识蒸馏技术从大型教师模型中提取时空知识到轻量级学生模型。所提出的离线知识蒸馏框架采用两个模型：大型预训练 3DCNN（三维卷积神经网络）教师模型和轻量级 3DCNN 学生模型（即教师模型在同一数据集上进行预训练，学生模型要训练）。在离线知识蒸馏训练过程中，蒸馏算法只训练学生模型，帮助学生模型达到与教师模型相同的预测精度水平。短推理时间和高精度使得我们提出的框架适用于实时应用中的人类活动识别。
2024-01-12 13:50:51
893
原创 symmetryMDPI2022（GSTN）:A Graph Skeleton Transformer Network for Action Recognition
GCN 主要依靠图拓扑来描述关节之间的依赖关系，在捕获长距离依赖方面受到限制。基于 Transformer 的方法有效地捕获长距离依赖，但由于没有关注初始图结构信息会丢失人体骨骼关节的固有连接信息。本文旨在提高基于骨架的动作识别的准确性。提出了一种基于Transformer架构的动作识别图骨架变压器网络(GSTN)来提取全局特征，同时使用对称矩阵表示的无向图信息来提取局部特征。特征处理中使用了两种编码来改进关节的语义和中心性特征。在多流融合策略的过程中，采用基于网格搜索的方法为每个输入流分配权重，以
2024-01-08 10:00:00
921
原创 OJ练习第188题——队列中可以看到的人数
有 n 个人排成一个队列，从左到右 编号为 0 到 n - 1 。给你以一个整数数组 heights ，每个整数 互不相同，heights[i] 表示第 i 个人的高度。一个人能 看到 他右边另一个人的条件是这两人之间的所有人都比他们两人 矮 。更正式的，第 i 个人能看到第 j 个人的条件是 i < j 且 min(heights[i], heights[j]) > max(heights[i+1], heights[i+2], ..., heights[j-1]) 。请你返回一个长度为 n 的数
2024-01-05 13:36:08
369
原创 2023(TranSkeleton):TranSkeleton: Hierarchical Spatial-Temporal Transformer for Skeleton-Based Action
存在问题：时间卷积很难有效地捕获远程依赖。同时，常用的多分支图卷积具有较高的复杂度。本文提出了 TranSkeleton，它统一了骨架序列的空间和时间建模。对于时间建模，本文提出了一种新颖的分区聚合时间 Transformer。它适用于分层时间的分区和聚合，可以有效地捕获远程依赖和微妙的时间结构。设计了一种差分感知聚合方法来减少时间聚合过程中的信息丢失。对于空间建模，本文提出了一种拓扑感知空间转换器，它利用人体拓扑的先验信息来促进空间相关性建模。
2024-01-05 09:30:00
848
原创 OJ练习第187题——被列覆盖的最多行数
给你一个下标从 0 开始、大小为 m x n 的二进制矩阵 matrix ；另给你一个整数 numSelect，表示你必须从 matrix 中选择的 不同 列的数量。如果一行中所有的 1 都被你选中的列所覆盖，则认为这一行被 覆盖 了。形式上，假设 s = {c1, c2, ...., cnumSelect} 是你选择的列的集合。对于矩阵中的某一行 row ，如果满足下述条件，则认为这一行被集合 s 覆盖。
2024-01-04 12:38:08
355
原创 ICCV2021:AdaSGN: Adapting Joint Number and Model Size for Efficient Skeleton-Based Action Recognitio
现存问题：现有的基于骨架的动作识别方法主要集中在提高识别精度上，很少考虑模型的效率。本文提出了一种称为 AdaSGN 的新方法，该方法通过动态自适应地控制骨架关节的输入数量来降低推理过程的计算成本。此外，它还可以自适应地为每个样本选择最佳模型大小，以在准确性和效率之间实现更好的权衡。
2023-12-30 10:45:00
849
原创 2022CCIE （TSTE）：Two-Stream Transformer Encoders for Skeleton-Based Action Recognition
本文提出了一种利用运动时空特征嵌入和形状变换的双流变压器编码器(TSTE)网络。每个流包含两个具有两个自注意力头的 Transformer 编码器层。形状转换逐帧重新排列特征。在 Transformer 架构之前引入了一个全连接层，以更密集地分配特征。为了扩展特征维度，两个流分别输入反映关节空间特征的坐标数据和反映运动时间特征的坐标变化。与现有方法相比，它可以将所有空间和时间特征作为一个整体来计算没有图拓扑或遍历规则的相关性。TSTE 网络的参数是一般图卷积方法的 30%。
2023-12-28 10:15:00
908
原创 2022（STTFormer）：Spatio-Temporal Tuples Transformer for Skeleton-Based Action Recognition
现存问题：现有的基于 Transformer 的方法无法捕捉帧之间不同关节的相关性。针对这一问题，本文提出了一种新的时空元组变压器(STTFormer)方法。骨架序列分为几个不重叠的部分。每个部分称为“元组”，包含几个连续的帧。由于几个连续帧中的不同关节具有相关性，因此每个元组被展平成一个短序列。时空元组自我注意模块来捕获连续帧中不同关节之间的关系。此外，在非相邻帧之间引入了一个特征聚合模块，以增强区分相似动作的能力。
2023-12-26 10:30:00
1058
原创 2021CVIU（ST-TR）：Skeleton-based Action Recognition via Spatial and Temporal Transformer Networks
本文提出了一种新颖的时空 Transformer 网络 (ST-TR)，它使用 Transformer 自注意力算子对关节之间的依赖关系进行建模。在 ST-TR 模型中，空间自注意力模块 (SSA) 用于理解不同身体部位之间的帧内交互，并使用时间自注意力模块 (TSA) 来模拟帧间相关性。
2023-12-04 21:37:27
187
原创 2022CVPR（PoseC3D）：Revisiting Skeleton-based Action Recognition
本文提出了一种新的基于骨架的动作识别方法PoseC3D，它**依赖于3D热图堆栈而不是图序列作为人体骨骼的基本表示**。与基于 GCN 的方法相比，PoseC3D 在学习时空特征方面更有效，对姿态估计噪声具有更强的鲁棒性，并且在跨数据集设置中更好地泛化。此外，PoseC3D可以处理多人场景，而不需要额外的计算成本，其特征在早期融合阶段可以很容易地与其他模式集成，这为进一步提高性能提供了很大的设计空间。
2023-12-03 16:50:31
540
原创 OJ练习第186题——统计子串中的唯一字符
本题将会给你一个字符串 s ，我们需要返回 countUniqueChars(t) 的总和，其中 t 是 s 的子字符串。输入用例保证返回值为 32 位整数。
2023-11-27 19:09:52
129
原创 阿里云安全恶意程序检测（速通一）
本题目提供的数据来自经过沙箱程序模拟运行后的API指令序列，全为Windows二进制可执行程序，经过脱敏处理:样本数据均来自互联网，其中恶意文件的类型有感染型病毒、木马程序、挖矿程序、DDoS 木马、勒索病毒等，数据总计6亿条。
2023-11-04 20:55:39
1886
原创 OJ练习第184题——天际线问题
城市的 天际线 是从远处观看该城市中所有建筑物形成的轮廓的外部轮廓。给你所有建筑物的位置和高度，请返回 由这些建筑物形成的 天际线 。
2023-10-26 10:49:29
80
原创 O2O优惠券预测
本赛题要求提交的结果是预测15 天内用券的概率，这是一个连续值，但是因为用券只有用与不用两种情况，而且评测指标是典型的二分类评测指标AUC,所以这是一个二分类问题。
2023-10-15 16:58:39
620
原创 Java并发编程实战（1）
当多个线程访问某个类时，不管运行时环境采用何种调度方式或者这些线程将如何交替执行，并且在主调代码中不需要任何额外的同步或协同，这个类都能表现出正确的行为，那么这个类就是线程安全的。
2023-10-15 16:26:39
101
原创 天猫用户重复购买预测（速通二）
LightGBM分类模型和前面介绍过的LightGBM回归模型相似，它可以支持高效率的并行训练，具有更快的训练速度、更低的内存消耗、更好的准确率、分布式支持、可以快速。
2023-10-13 21:03:46
598
原创 天猫用户重复购买预测（速通一）
本赛题要求预测新用户在6个月内再次从同一店铺购买商品的概率，是一个连续值，不过因为购买商品只有购买和不购买两种结果，而且评测指标是典型的二分类评测指标AUC,所以这是一个二分类问题。
2023-10-12 20:13:39
1190
原创 OJ练习第183题——移动机器人
当两个机器人相撞时，它们会沿着原本相反的方向移动。由于机器人之间并没有任何区别，相撞可以看做是穿透，原本左边的机器人相撞后交换为右边的机器人，原本右边的机器人相撞后交换为左边的机器人，这样一来，两个机器人仿佛没有相撞过。因此，我们可以无视相撞，独立计算每个机器人 d 秒后所处的位置。
2023-10-10 11:23:55
95
原创 OJ练习第182题——字典树（前缀树）
我们从字典树的根开始，插入字符串。对于当前字符对应的子节点，有两种情况：子节点存在。沿着指针移动到子节点，继续处理下一个字符。子节点不存在。创建一个新的子节点，记录在 children 数组的对应位置上，然后沿着指针移动到子节点，继续搜索下一个字符。重复以上步骤，直到处理字符串的最后一个字符，然后将当前节点标记为字符串的结尾。
2023-09-27 11:31:58
212
原创 OJ练习第181题——寻找两个正序数组的中位数
给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数 。算法的时间复杂度应该为 O(log (m+n)) 。
2023-09-26 21:38:46
114
原创 工业蒸汽量预测（速通二）
特征工程就是从原始数据提取特征的过程。这些特征可以很好地描述数据。特征工程的处理流程为首先去掉无用特征，去除冗余的特征，如共线特征，并利用存在的特征、转换特征、内容中的特征以及其他数据源生成新特征，然后对特征进行转换(数值化、类别转换、归一化等)，最后对特征进行处理(异常值、最大值、最小值，缺失值等)，以符合模型的使用。简单来说，特征工程的处理一般包括数据预处理、特征处理、特征选择等工作，而特征选择视情况而定，如果特征数量较多，则可以进行特征选择等操作。
2023-09-24 18:51:45
214
原创 工业蒸汽量预测（速通一）
赛题描述：经脱敏后的锅炉传感器采集的数据（采集频率是分钟级别），根据锅炉的工况，预测产生的蒸汽量。数据说明:数据分成训练数据（train.txt）和测试数据（test.txt），其中字段 V0-V37，这38个字段是作为特征变量，target作为目标变量。 选手利用训练数据训练出模型，预测测试数据的目标变量，排名结果依据预测结果的 MSE（mean square error）。结果提交：选手需要提交测试数据的预测结果（txt格式，只有1列预测结果）。结果评估：预测结果以mean squ
2023-09-23 20:38:25
589
原创 OJ练习第179题——买卖股票的最佳时机 IV
给你一个整数数组 prices 和一个整数 k ，其中 prices[i] 是某支给定的股票在第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。也就是说，你最多可以买 k 次，卖 k 次。注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。
2023-09-22 11:14:21
79
原创 OJ练习第178题——收集树中金币
给你一个 n 个节点的无向无根树，节点编号从 0 到 n - 1 。给你整数 n 和一个长度为 n - 1 的二维整数数组 edges ，其中 edges[i] = [ai, bi] 表示树中节点 ai 和 bi 之间有一条边。再给你一个长度为 n 的数组 coins ，其中 coins[i] 可能为 0 也可能为 1 ，1 表示节点 i 处有一个金币。
2023-09-21 11:10:31
181
原创 OJ练习第177题——打家劫舍 IV(二分查找)
沿街有一排连续的房屋。每间房屋内都藏有一定的现金。现在有一位小偷计划从这些房屋中窃取现金。由于相邻的房屋装有相互连通的防盗系统，所以小偷 不会窃取相邻的房屋 。小偷的 窃取能力 定义为他在窃取过程中能从单间房屋中窃取的 最大金额 。给你一个整数数组 nums 表示每间房屋存放的现金金额。形式上，从左起第 i 间房屋中放有 nums[i] 美元。另给你一个整数 k ，表示窃贼将会窃取的 最少 房屋数。小偷总能窃取至少 k 间房屋。返回小偷的 最小 窃取能力。
2023-09-19 10:49:41
108
原创 OJ练习第176题——第二高的薪水
查询并返回 Employee 表中第二高的薪水 。如果不存在第二高的薪水，查询应该返回 null(Pandas 则返回 None) 。查询结果如下例所示。
2023-09-18 11:20:34
75
原创 OJ练习第175题——打家劫舍 II
你是一个专业的小偷，计划偷窃沿街的房屋，每间房内都藏有一定的现金。这个地方所有的房屋都 围成一圈 ，这意味着第一个房屋和最后一个房屋是紧挨着的。同时，相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警 。给定一个代表每个房屋存放金额的非负整数数组，计算你 在不触动警报装置的情况下 ，今晚能够偷窃到的最高金额。
2023-09-18 10:28:45
77
原创 OJ练习第174题——组合两个表
编写解决方案，报告 Person 表中每个人的姓、名、城市和州。如果 personId 的地址不在 Address 表中，则报告为 null 。以 任意顺序 返回结果表。结果格式如下所示。
2023-09-16 15:28:03
98
原创 OJ练习第173题——单词接龙 II
按字典 wordList 完成从单词 beginWord 到单词 endWord 转化，一个表示此过程的 转换序列 是形式上像 beginWord -> s1 -> s2 -> ... -> sk 这样的单词序列，并满足：每对相邻的单词之间仅有单个字母不同。转换过程中的每个单词 si（1
2023-09-14 20:40:50
235
空空如也
拓扑排序的入度域问题
2021-09-16
TA创建的收藏夹 TA关注的收藏夹
TA关注的人