Cascade

测试代码：https://github.com/luoyetx/mini-caffe/tree/master （example中deeplandmark例子） 训练代码：https://github.com/luoyetx/deep-landmark 测试代码的配置参考：http://blog.csdn.net/xzzppp/article/details/68495341 训练代码，在配置好GPU版本caffe后，按github步骤，很好配置。 测试阶段： 一，用作者提供的正脸图像进行测试，发现效果较好，如下图所示： 二，思考：是不是对其他图片识别效果也不错，用其他图像进行测试，发现效果如下（贴出部分检测到的图片）： 图片效果： 直观上看，关键点定位还行，人脸检测比较差，很多人脸检测不出，人脸检测用opencv实现的。 三，发现：有难度的基本没检测出来，解决方法两个思路：要么换个效果较好的检测器，要么手动截取人脸做landmark。我先手动截取人脸，输入到CNN网络中做landmark。 整图是我抠出的人脸，红色框是程序自带的缩小人脸中关键点检测范围。对于同一个图片，我抠出了不同大小的人脸。但效果测试下来不太理想，甚至比用自带检测器检测做的人脸关键点检测的demo的效果还差 四、分析和解决问题 分析：可能是检测器的问题，继续试验：对自带检测器检测到的人脸框，分别进行放大、缩小操作

删除普通表，并未真正删除表，只是把该表放在回收站中。 drop table student_infor; 删除带约束的表 drop table tb_date_test cascade constraints; 从回收站中，可以看到已经被删除的两个表，还可以看到表原来的名字、在回收站中的名字及删除日期。也可以使用SQL语句 select * from recyclebin 查看回收站中的对象。 清空回收站中指定的表 清空回收站中的所有表 purge recyclebin; 一次性彻底删除表 drop table tb_maintence purge; purge指示一次性彻底删除表，不把该表放入回收站 在oracle中，当删除一个表时，oracle并没有真正删除该表，而是把该表重命名，然后扔到回收站中，使用purge命令来清空回收站，将会释放表占用的空间，把这些空间返回给表空间，成为表空间中的自由空间。 一旦空间吃紧，oracle会自动清空回收站中的对象。在oracle清空前，可以找回被删除的对象，就是把被删除的对象从回收站中捡回来，即所谓的闪回技术 从回收站中还原被删除的表instructor flashback table instructor to before drop 还原并重命名该表 flashback table instructor to before drop

& 论文概述 获取地址： https://arxiv.org/abs/1912.04260 代码地址： https://github.com/open-mmlab/mmdetection & 总结与个人观点 本文提出Side-Aware Boundary Localization(SABL)以取代传统的bbox回归。提取关注于边界内容的边缘感知特征用来定位。提出使用该特征的轻量级two-step bucketing方法以精确定位目标。同时引入重打分(rescore)机制，利用bucket的置信度来保留高质量的bbox。在各种目标检测流程中，SABL均展现了一致且重大的性能提升。 本文通过对回归方法的分析，观察到更简单精确回归到边界框的方法，设计的整体框架很精巧，思路很清晰，而且每个方法的提出都很明确，值得一观。 & 贡献 使用Side-Aware Boundary Localization(SABL)取代之前的bbox regression分支，对bbox的每条边分别定位，提高了定位的精度； 使用Bucketing scheme进行细粒度目标定位以及对分类进行rescore，降低高精度bbox的抑制率； 在COCO数据集中，在Faster R-CNN、RetinaNet以及Cascade R-CNN的基础上替换回归分支，最终分别提升了3.0、1.6以及0.9个点。 & 拟解决的问题

来源：嵌入式资讯精选 作者 | Paul Alcorn 译者 | 弯月，责编 | 郭芮 以下为译文： 不论是选游戏CPU还是桌面应用的CPU，我们只有两种选择：AMD或者英特尔。两家都有各自的粉丝，所以想买CPU的人很难获得中肯的建议，但其实在很多情况下答案很明显。实际上对于大多数人来说，AMD明显胜出。这个结论是大反转，因为要知道在三年前AMD几乎破产，而如今却能和英特尔统治了十多年的芯片市场上与之一战。 这篇文章从个人电脑的使用目的、价格、性能、驱动支持、能耗和安全性方面讨论AMD与英特尔的桌面级CPU之间永不休止的争论（这里我们不讨论笔记本或服务器的芯片），以及目前两者竞争的现状。我们还会讨论改变了游戏规则的制程和架构。总体上的胜利者毫无疑问，但选择哪家的CPU，应该根据价格、性能以及最看重的功能来综合考虑。 AMD和英特尔CPU的价格和价值比较 不论是谁，价格总是最重要的考虑因素，而在价值方面，AMD很难被打败。AMD的产品有很多额外的优势，如集成散热、所有型号完全支持超频，更不用说各种各样的软件，如Precision Boost Overdrive的自动超频功能。 而Socket AM4主板非常广泛的向前向后兼容性也带来了极大的好处，你花在处理器和主板上的每一分钱都物有所值。AMD还允许除了A系列之外的所有主板进行超频，对于用户来说这也是利好消息。 此外

作者 | Paul Alcorn 译者 | 弯月，责编 | 郭芮 以下为译文： 不论是选游戏CPU还是桌面应用的CPU，我们只有两种选择：AMD或者英特尔。两家都有各自的粉丝，所以想买CPU的人很难获得中肯的建议，但其实在很多情况下答案很明显。实际上对于大多数人来说，AMD明显胜出。这个结论是大反转，因为要知道在三年前AMD几乎破产，而如今却能和英特尔统治了十多年的芯片市场上与之一战。 这篇文章从个人电脑的使用目的、价格、性能、驱动支持、能耗和安全性方面讨论AMD与英特尔的桌面级CPU之间永不休止的争论（这里我们不讨论笔记本或服务器的芯片），以及目前两者竞争的现状。我们还会讨论改变了游戏规则的制程和架构。总体上的胜利者毫无疑问，但选择哪家的CPU，应该根据价格、性能以及最看重的功能来综合考虑。 AMD和英特尔CPU的价格和价值比较 不论是谁，价格总是最重要的考虑因素，而在价值方面，AMD很难被打败。AMD的产品有很多额外的优势，如集成散热、所有型号完全支持超频，更不用说各种各样的软件，如Precision Boost Overdrive的自动超频功能。 而Socket AM4主板非常广泛的向前向后兼容性也带来了极大的好处，你花在处理器和主板上的每一分钱都物有所值。AMD还允许除了A系列之外的所有主板进行超频，对于用户来说这也是利好消息。 此外，在AMD和英特尔的CPU大战中

[TOC] 一对多 表之间关系 ​ 一对多 一个部门有多个员工，一个员工只能属于某一个部门 一个班级有多个学生，一个学生只能属于一个班级 ​ 多对多 一个老师教多个学生，一个学生可以被多个老师教 一个学生可以先择多门课程，一门课程可以被多个学生选择 一个用户可以选择多个角色，一个角色也可以被多个用户选择 ​ 一对一 一个公司只能对应一个注册地址 表之间关系建表原则 ​ 一对多 ​ 在多的一方创建一个外键，指向一的一方的主键 ​ 多对多 ​ 创建一个中间表 ，中间表至少有两个字段，分别作为外键指向多对多双方的主键 ​ 一对一 ​ 唯一外键对应 ​ 主键对应 一对多关系配置 建立表 创建表的 hbm.xml文件时，有外键可不创建列的映射 主表为客户（Customer），从表为联系人（Linkman） 销售联系人（linkman），一个联系人只能属于某一个客户 ​ CREATE TABLE `linkman` ( `link_id` bigint(32) NOT NULL AUTO_INCREMENT COMMENT '联系人编号(主键)', `link_name` varchar(16) DEFAULT NULL COMMENT '联系人姓名', `link_cust_id` bigint(32) NOT NULL COMMENT '客户id', `link_gender` char

背景 背景一： 当我们建立一个表格，其中的一项内容可以有多种选择，可以利用外键的方式绑定一个表。如下图比如我们需要建立一个employee表，其中包含很多信息，其中有一项民族可以以外键的方式绑定。 接着来看一看sql语句 CREATE TABLE `employee` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '员工编号', `name` varchar(10) DEFAULT NULL COMMENT '员工姓名', `gender` char(4) DEFAULT NULL COMMENT '性别', `birthday` date DEFAULT NULL COMMENT '出生日期', `idCard` char(18) DEFAULT NULL COMMENT '身份证号', `wedlock` enum('已婚','未婚','离异') DEFAULT NULL COMMENT '婚姻状况', `nationId` int(8) DEFAULT NULL COMMENT '民族', `nativePlace` varchar(20) DEFAULT NULL COMMENT '籍贯', `politicId` int(8) DEFAULT NULL COMMENT '政治面貌', `email` varchar(20)

学习视频： https://www.bilibili.com/video/BV1tJ411r7EC?p=35 数据的完整性：保证插入表格的数据必须正确。包括实体完整性、区域完整性、引用完整性、自定义完整性。 约束：约束的作用是为了保证数据的完整性，类型包括主键约束（PK）、唯一约束（）、检查约束、外键约束。主键和唯一约束的区别是主键不能为空。命名规则：约束类型_约束名。 列级约束：针对某一列设置的约束。表级约束和列级约束区别相关了解： https://blog.csdn.net/hanxuemin12345/article/details/7828206 -- 设置主键的简洁写法 create table user1( id number ( 5 ) primary key , name varchar2 ( 20 ) ) -- 设置主键的完整写法 create table user1( id number ( 5 ) constraint pk_id primary key , name varchar2 ( 20 ) ) -- 添加主键约束、唯一约束、非空约束 create table user3( id number ( 3 ) constraint pk_user3_id primary key , name varchar2 ( 20 ) constraint uq

学习视频： https://www.bilibili.com/video/BV1tJ411r7EC?p=35 数据的完整性：保证插入表格的数据必须正确。包括实体完整性、区域完整性、引用完整性、自定义完整性。 约束：约束的作用是为了保证数据的完整性，类型包括主键约束（PK）、唯一约束（）、检查约束、外键约束。主键和唯一约束的区别是主键不能为空。命名规则：约束类型_约束名。 列级约束：针对某一列设置的约束。表级约束和列级约束区别相关了解： https://blog.csdn.net/hanxuemin12345/article/details/7828206 -- 设置主键的简洁写法 create table user1( id number ( 5 ) primary key , name varchar2 ( 20 ) ) -- 设置主键的完整写法 create table user1( id number ( 5 ) constraint pk_id primary key , name varchar2 ( 20 ) ) -- 添加主键约束、唯一约束、非空约束 create table user3( id number ( 3 ) constraint pk_user3_id primary key , name varchar2 ( 20 ) constraint uq

作者|open-mmlab 编译|Flin 来源|Github 基准测试 和 Model Zoo 环境 硬件 8 个 NVIDIA Tesla V100 GPUs Intel Xeon 4114 CPU @ 2.20GHz 软件环境 Python 3.6 / 3.7 PyTorch 1.1 CUDA 9.0.176 CUDNN 7.0.4 NCCL 2.1.15 镜像站点 我们使用AWS作为托管model zoo的主要站点,并在阿里云上维护镜像。 你可以在模型网址中把 https://s3.ap-northeast-2.amazonaws.com/open-mmlab替换为https://open-mmlab.oss-cn-beijing.aliyuncs.com。 常用设置 所有FPN基准和RPN-C4基准均使用8个GPU进行训练,批处理大小为16(每个GPU 2张图像)。其他C4基线使用8个批处理大小为8的GP​​U进行了训练(每个GPU 1张图像)。 所有模型都在 coco_2017_train 上训练以及在 coco_2017_val 测试。 我们使用分布式训练,并且BN层统计信息是固定的。 我们采用与Detectron相同的训练时间表。1x表示12个epoch,而2x表示24个epoch,这比Detectron的迭代次数略少,并且可以忽略不计。