15：大唐杯省一
大唐杯省一，进入国赛了，超开心
于是水一条blog
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 plusone's blog！
相关推荐
2026-05-24
16：记录一次院士讲座
今天有幸，能够聆听一场院士的分享 图灵测试与大语言模型——关于通用人工智能的几点思考 最近这半年，AI发展实际上太快了。人工智能，铺天盖地。很多过去认为必须人来做的事情，都在被AI代替。最近发生的战争，人工智能已经完全改变了战争的形态。 源起，1956年的达特茅斯会议。 香农，信息论 造了一个这样的词汇artificial intelligence 图灵： 计算机科学之父，人工智能之父 数学家，逻辑学家 论可计算数及其判定问题上的应用，1936 计算机器与智能，1950年，computing machinery and intelligence 图灵测试：机器能思考吗？ 人工智能（AI），不如机器智能（MI）更加恰当。 他一生中发表的文章不超过十篇 通用图灵机，1936离散有限状态机，到目前为止，这是对计算机最通俗直观的模型 computing machinery and intelligence1950年，图灵问题的提出，机器能思考吗“机器”：数字计算机，通用图灵机，离散有限状态机“思考”是一个无法准确定义的模糊概念，因而讨论能否并没有意义 模仿游戏根据C，A男生，B是...
2026-02-09
我的第一篇原创博客
作为一个想要使用hexo在github上搭建自己的主页的小白而言，首先需要搭建好自己的主页，也许以为是markdown的原因，也许我们需要还要搭建一个图床。我相信hexo架构一定是一个不错的选择，以下这一部分就是一个hexo架构搭建的过程。 参考教程：文档 | Hexo 什么是hexohexo是一个快速简洁并且高效的一个博客的框架，使用markdown语言解系文章。 安装安装hexo需要以下的应用程序： node.js git 关于Git首先打开powershell，输入git --version,如果有显示版本号，那么我们的程序就是正确安装好了的。 关于node.js我们通过nvs进行安装，首先用管理员身份打开powershell，执行以下的命令：winget install jasongin.nvs,然后就会开始安装。但是在这里有一个坑，就是如果我们直接打开普通的powershell的模式下，我们输入nvs --version 的时候会显示无法执行脚本文件，这是因为powershell的管理模式默认的运行策略是restricted，所以我们需要运行命令，更改运行的模式。...
2026-09-17
23：Strip-net的基本结构
Strip R-CNN 论文原文：Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection 代码仓库：YXB-NKU/Strip-R-CNN: [AAAI 2026]”Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection” 网络解决的核心问题Strip R-CNN 主要解决的是：遥感图像中的高长宽比目标，也就是细长目标，难以提取完整特征，并且难以进行精确定位。 可以看出strip R-CNN 方法相比其他方法的mAP更高，尤其是在长宽比大的时候优势更明显。 比较了LSKNet,PKINet,Strip R-CNN 三种方法的结构说，Strip R-CNN的结构Param最小，但mAP最高，说明了它的结构更优。 2.网络整体结构Strip R-CNN 建立在 Oriented R-CNN 框架上: 使用 StripNet 替换原 Backbone； 使用 Strip Head 替换原 Det...
2026-02-13
F3.1 数字逻辑电路基础
这是“一生一芯”项目的一个beginning，千里之行始于足下，希望能够通过自己的学习和体会，在下个学期末之前完成流片。如果我的数电的大作业最后是自己搭的一个芯片，我真的觉得那样酷毙了，learn for fun。 处理器本质上是数字电路，而数字电路是用来处理数字信号的电路，而数字信号简单来说就是指0和1这样两种练得信号。0和1并不是数字意义的自然数的前两位，而是电路的高电平和低电平的两种不同的状态，所以有的时候也会把它们称之为逻辑0和逻辑1。 模拟信号是连续的，像是电流和电压一样。 想要学习数字电路，学习处理器的芯片设计，数字电路的知识是基础，而要学习数字电路，就是要学习信息在数字电路中是如何表示，处理和存储的。 通过晶体管实现0和10和1是抽象的，在数字电路中，0和1一般来说依靠晶体管进行实现，我们常常采用MOSFET（金属-氧化物-半导体场效应晶体管），根据用途的不同，一般又分为nMOS ，和pMOS,管两种。在模电中，我们一般运用的是场效应管的放大效应，即其对电压的放大能力，而在数电中，我们一般使用其开关特性。原理不进行赘述，参考模电教材。 接下来我们学习CMOS(Com...
2026-05-05
10：四月总结和vibe coding
工具飞速迭代，我想，有一个朴素地辩证法。我们能发挥出的实力，是自己的内涵+工具的外延。如果工具飞速进步，而我们的大脑不断地萎缩，那我们最后是能够担起大任的吗。显然不是。 所以，核心在于，让自己变得更聪明，而不是让工具变得更智能。外本内末，歧路亡羊。我还是要去走那一条最为艰难的道路 我想，何其有幸，我的确是接触到了一个，很大程度上的，跨时代的一个工具。事实上，我才接触codex没两天，但目前摆在我面前的，是一个前所未有的，工具，它来自karpathy的一个我认为天才的想法： One day, frontier AI research used to be done by meat computers in between eating, sleeping, having other fun, and synchronizing once in a while using sound wave interconnect in the ritual of “group meeting”. That era is long gone. Research is now entire...
2026-09-17
24：yolo-26的基本结构
YOLO26 原文： Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models 代码： ultralytics/ultralytics 网络解决的核心问题YOLO26 主要解决三个问题：依赖 NMS、DFL 检测头较重且回归范围受限、小目标可能没有正样本。 网络整体结构YOLO26 沿用 YOLO11 的基本框架，主要改进检测头、标签分配和训练方法，并对 Backbone/Neck 做轻量调整（如增加注意力机制）。 训练策略1. 双检测头 图 2：YOLO26 双检测头训练流程。一对多头提供密集监督，一对一头负责无 NMS 推理。Progressive Loss 将训练重点逐渐转向一对一头。2. 移除 DFL：YOLO26 以直接框回归和 L1 损失替代 DFL，减轻检测头并解除回归范围限制。3. 小目标标签分配：STAL 在候选筛选时临时放大小框，使其获得正样本。4. 其它改进：MuSGD 用于加快收敛等等。 YOLO26 训练流程 Backbone + Neck：生成多尺度特征图和...