- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户9688323的专栏
DEFORM环轧模拟——你真的了解吗？
稳定性控制示意图 DEFORM计算过程中具有了稳定控制，deform-3d物体设置中就不需要添加抱辊，计算完成在后处理界面中，用户对抱辊接触坯料的位置反向点追踪，能够得到抱辊最佳的退让轨迹，而不是前处理设置中用理论计算给出一个退让路径 如果需要对抱辊做详细研究，DEFORM软件建议使用拉格朗日法对抱辊模拟计算，指定抱辊的具体平移路径或弹簧载荷力抱紧运动，研究抱辊对轧制过程的影响。 3.Ring rolling环轧向导界面 为了更方便的完成环轧模拟的前处理设置，DEFORM软件在ring rolling环轧向导界面中，添加了很多智能化功能。 以上设置能够大大简化环轧模拟的前处理设置流程，使工艺人员快速完成前处理，得到与实际工艺相符且极具经济价值的模拟结果数据deform安装教程。 DEFORM软件在新的环轧向导模块中，完美解决了该问题，即使制坯后的坯料非轴对称，也能自动提取多个2D横截面，采用DEFORM软件特有的morphing变形计算，自动生成变截面的六面体网格，保留制坯阶段的缺陷
5K20编辑于 2022-04-24 - 来自专栏鲸鱼动画
情人节送给粉丝的礼物
('#speed'), width = 300, height = 300, ctx = canvas.getContext('2d'), pSystemSize = 1000, deform )) - (6 * mcos(2 * this.degrees)) - // 5 (2 * mcos(3 * this.degrees)) - (mcos(deform.a === 1){ if(deform.a > deform.min){ deform.a -= deform.s; } else{ flipDirection(); } } else{ if(deform.a < deform.max){ deform.a += deform.s; } else{ flipDirection (); } } system.update(); } function flipDirection(){ deform.dir *= -1; } function draw(
56720发布于 2020-09-21 - 来自专栏用户9688532的专栏
3D软件轧制螺旋叶片的辅助作用
DEFORM3D_v10.2_MO3_lab文档下载比如ANSYS/DEFORM等都能对板材和型钢轧制进行方便和较为准确的模拟计算，求得轧辊和轧件在变形过程的所有力能参数以用来指导实践。 但对于本课题所研究的异面轧制，他是属于一种特种轧制，金属的不均匀变形成都十分剧烈，要想利用通过用软件对它进的直接的模拟就需要求软件具有十分强大的网格重划功能，上述的软件目前不能直接满足这种情况的要求，其中DEFORM3D
50540编辑于 2022-06-30 - 来自专栏Postgresql源码分析
Postgresql中的C/C++混编（JIT）
1 Postgresql编译JIT 整体上看使用了GCC、G++编译文件，最后用G++汇总： GCC编译的三个.o文件llvmjit、llvmjit_deform、llvmjit_expr llvmjit.c D_GNU_SOURCE -I/usr/include/libxml2 -c -o llvmjit.o llvmjit.c -MMD -MP -MF .deps/llvmjit.Po llvmjit_deform.c -> llvmjit_deform.o gcc -Wall -Wmissing-prototypes -Wpointer-arith -Wdeclaration-after-statement -Werror /src/include -D_GNU_SOURCE -I/usr/include/libxml2 -c -o llvmjit_deform.o llvmjit_deform.c -MMD -MP -MF .deps/llvmjit_deform.Po llvmjit_expr.c -> llvmjit_expr.o gcc -Wall -Wmissing-prototypes -Wpointer-arith
50830编辑于 2023-10-13 - 来自专栏跟Qt君学编程
Qt官方示例-矢量变形
关于更多 在QtCreator软件可以找到： main_page.png 或在以下Qt安装目录找到： C:\Qt\{你的Qt版本}\Examples\{你的Qt版本}\widgets\painting\deform 相关链接 https://doc.qt.io/qt-5/qtwidgets-painting-deform-example.html
45020编辑于 2023-03-17 - 来自专栏PostgreSQL研究与原理解析
GP/PG从MinimalTuple转换TupleTableSlot需要理解的数据结构
TupleTableSlot *slot, int natts) { MinimalTupleTableSlot *mslot = (MinimalTupleTableSlot *) slot; slot_deform_heap_tuple (slot, mslot->tuple, &mslot->off, natts); } 重点在slot_deform_heap_tuple函数。
78410编辑于 2022-06-21 - 来自专栏CV_Learn
Detectron2学习五：build_backbone_model配置及实现流程
当前该框架支持deformV1和deformV2两个版本，相应参数设置如下： # Apply Deformable Convolution in stages # Specify if apply deform_conv on Res2, Res3, Res4, Res5 _C.MODEL.RESNETS.DEFORM_ON_PER_STAGE = [False, False, False, False] # Use True to use modulated deform_conv (DeformableV2, https://arxiv.org/abs/1811.11168); # Use False for DeformableV1 _C.MODEL.RESNETS.DEFORM_MODULATED = False # Number of groups in deformable conv. _C.MODEL.RESNETS.DEFORM_NUM_GROUPS = 1 FPN操作 现在先来回顾下FPN论文中的主要结构如下： （a）图像金字塔，即将图像做成不同的scale，然后不同scale的图像生成对应的不同
6.3K61发布于 2019-12-16 - 来自专栏又见苍岚
Windows 10 安装 mmcv 1.2.7 踩坑
deformable_im2col_bilinear< float > ") is not allowed 错误 calling a host function(“__ceilf”) from a global function("deform_roi_pool_forward_cuda_kernel 将报错文件中的 floor 替换为 floorf 将报错文件中的 ceil 替换为 ceilf 具体有以下文件： 需要修改的文件 mmcv\mmcv\ops\csrc\deform_conv_cuda_kernel.cuh mmcv\mmcv\ops\csrc\deform_roi_pool_cuda_kernel.cuh mmcv\mmcv\ops\csrc\modulated_deform_conv_cuda_kernel.cuh
2.2K20编辑于 2022-08-04 - 来自专栏新智元
MSRA视觉组可变形卷积网络升级！更高性能，更强建模能力
从 Deform ConvNet V1 说起 目标检测中有一个比较棘手的问题，即所谓的几何形变问题（Geometric variations）。 Deform ConvNet 是在卷积神经网络的框架下，对 transformation-invariant feature 的比较成功的尝试。 Deform ConvNet V2 在干啥 我认为，Deform ConvNet 是在解决如何让学到的 offset 能更聚焦到感兴趣的物体上边，也就是提取到更聚焦的 feature 来帮助物体的识别定位 为了做到这一点，作者主要用了几种策略: (a) 增加更多的 offset 层，这个不必细说； (b) 在 deform convolution 中引入调节项 (modulation)，这样既学到了 offset
93020发布于 2018-12-21 - 来自专栏YOLO大作战
YOLOv8独家原创改进：SPPF自研创新 | 可变形大核注意力（D-LKA Attention），大卷积核提升不同特征感受野的注意力机制
groups=2 * kernel_size[0] * kernel_size[1], bias=True) self.deform_conv x_chan = self.conv_channel_adjust(x) offsets = self.offset_net(x_chan) out = self.deform_conv
3.9K30编辑于 2023-12-09 - 来自专栏我爱计算机视觉
如何评价MSRA视觉组最新提出的Deformable ConvNets V2？
从Deform ConvNet V1说起 目标检测中有一个比较棘手的问题，即所谓的几何形变问题（Geometric variations）。 Deform ConvNet是在卷积神经网络的框架下，对transformation-invariant feature的比较成功的尝试。 Deform ConvNet V2在干啥 我认为，Deform ConvNet是在解决如何让学到的offset能更聚焦到感兴趣的物体上边，也就是提取到更聚焦的feature来帮助物体的识别定位。 为了做到这一点，作者主要用了几种策略: (a) 增加更多的offset层，这个不必细说； (b) 在deform convolution中引入调节项(modulation)，这样既学到了offset，又有了每个位置的重要性信息
1.4K10发布于 2019-12-27 - 来自专栏前行的CVer
大一统目标跟踪
baseline结构； 采用高分辨率全图作为输入，对于SOT参考帧是第一帧，对于MOT参考帧是当前帧的前一帧（第一帧的参考帧设为第一帧本身）； Interaction方法，代码给出三种实现方式，分别是“deform 默认使用“deform”，将参考帧和当前帧的特征展平后加入位置编码送入encoder，再把输出结果重新拼回原来的shape。
63150编辑于 2023-10-18 - 来自专栏OpenMMLab
ONNX 自定义算子实战，扫除 PyTorch 模型部署障碍
DeformConv2d 层最终会调用 deform_conv2d 这个算子。 ::deform_conv2d(Tensor input, Tensor weight, Tensor offset, ...... 自定义 ONNX 算子 很遗憾的是，如果我们去 ONNX 的官方算子页面搜索 "deform"，将搜不出任何内容。目前，ONNX 还没有提供可变形卷积的算子，我们要自己定义一个 ONNX 算子了。 而对于一个自定义算子，g.op() 的第一个参数是一个带命名空间的算子名，比如： g.op("custom::deform_conv2d, ...) 其中，"::"前面的内容就是我们的命名空间。 代码成功运行的话，我们应该能得到如下的 ONNX 模型： 可以看到，我们自定义的 ONNX 算子 deform_conv2d 包含了两个输入，一个输出，和我们预想得一样。
10.3K22编辑于 2022-05-25 - 来自专栏Web技术庄园
后处理——深入相机变形特效
uv坐标，变形的位置、范围range和程度strength，经过计算后生成变形后的采样坐标，代码如下： #iChannel0 "src/assets/texture/joker.png" vec2 deform coord) { vec2 uv = coord / iResolution.xy; vec2 mouse = iMouse.xy / iResolution.xy; uv = deform vec2 deform(vec2 uv, vec2 center, float range, float strength) { float dist = distance(uv, center);
1.9K30发布于 2021-05-31 - 来自专栏OpenMMLab
叮咚 ~ 你订阅的 OpenMMLab 开源社区 11 月刊已送达
MMCV Bug 修复 - 修复 test_tin_shift 的测试数据 - EvalHook 的 evaluate 方法返回值为空时打印 warning 信息 - 修复 deform conv 缺少 IterBasedRunner dataloader 切换至下一 epoch 时睡眠 2 秒 - 修复 BaseTransformerLayer 的权重引用问题 - 修复 WIndows 上的编译问题 - 修复 deform
77420编辑于 2022-01-18 - 来自专栏【腾讯云开发者】
学会这几行代码，你也是修图魔法师！
range和程度strength，经过计算后生成变形后的采样坐标，代码如下： #iChannel0 "src/assets/texture/joker.png" vec2 deform vec2 coord) { vec2 uv = coord / iResolution.xy; vec2 mouse = iMouse.xy / iResolution.xy; uv = deform vec2 deform(vec2 uv, vec2 center, float range, float strength) { float dist = distance(uv, center);
1.3K20发布于 2021-06-03 - 来自专栏电子用芯说
玩转FPGA边缘视觉——4k视频图像抓取
/mmcblk1p1/setispcmd 81 01 12 00 01 00 01 ff 4 [root@myir ~]# /usr/lib/qt/examples/widgets/painting/deform /deform 六、选择视频源的指令说明 选择视频源的指令说明见下表，查看ISP 控制指令集，请参考《MYD-CZU3EG -ISP图像控制指令手册》文档。
1.8K40发布于 2020-05-11 - 来自专栏OpenMMLab
叮咚 ~ 你订阅的 OpenMMLab 开源社区 10 月刊已送达
MMCV 新功能 - 添加 11 个 detection3d 相关的 CUDA 算子 - FileClient 支持更多的文件接口 - 支持将 checkpoint 上传至多个后端 - 添加 deform conv 的 onnxruntime 支持 Bug 修复 - 修复 deform conv 权重初始化问题 - 修复 correlation 算子的单元测试在非 CUDA 环境的报错问题 - 修复
94320编辑于 2022-01-18 - 来自专栏glm的全栈学习之路
Codeforces Round #199 (Div. 2)C. Cupboard and Balloons
It is not allowed to squeeze the balloons or deform them in any way.
61620发布于 2020-09-28 - 来自专栏YOLO大作战
DEF-YOLO：基于YOLO的热成像隐蔵武器检测
我们用 Deform_CBS 表示修改后的层，修改后的 SPPF 块在图 2B 中显示为 Deform_SPPF 块。 我们在图 2 中将这些修改后的 C2f 块命名为 Deform_C2f。第 4 层和第 6 层是 YOLOv8 架构主干网的一部分，负责低层和中层特征提取。 在示例 B 中，"刀"的检测置信度随着每项修改而增加，突显了 Deform_SPPF 和 Deform_C2f 带来的边缘和形状表示的改进。 这些观察结果可以得出结论：(a) Deform_SPPF 通过在不规则物体存在时实现更好的空间聚合而做出贡献；(b) Deform_C2f 通过细化语义并避免特征表示丢失来加强特征提取流程；最后 (c) 我们观察到，对基线 YOLOv8 的第一个修改（Deform_SPPF）提高了所有类别的指标和精确度，但召回率下降至 93.4。
28710编辑于 2026-01-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号