人员、任务、进度、工时、周期、依赖关系 一目了然。无论项目大小、简单复杂都能轻松管理

人一生中最好的机会大多数来自苦拼的经历。苦拼是对人的创造性和个性的考验，你们应该从这些考验中挖掘出最大的价值。 每年年终总结的时候，自己都会重新翻一遍过往写的一些年终总结，同时也会对过去写的一些总结，在保持「历史」事件面貌不变的前提下，对内容文字、结构做一定的修正，并添加自己对个人「历史」的新感受。 2018年，云深不知处 2017年，毕业一周年 2016年，归零清空 2015年，忙碌的一年 2014年，三件小事 从 2009 年背着行李告别父

on 2019-12-30 | by YongYuan's homepage 0

Oxford Building dataset（后面简称为Oxford）从2007年发布，到2018年Revisiting Oxford and Paris重新整理发布为Revisiting Oxford Building dataset（后面简称为ROxford），整整十年，实例检索（instance retrieval）或物体检索（object retrieval）都跑在一个Ground Truth定义得不是很合理的数据上进行MAP（Mean Average Precis

on 2019-11-02 | by YongYuan's homepage 0

本篇是对之前写过的几篇涉及到向量索引博文的系统整理和补充，分别为： Asymmetry Problem in Computer Vision 再叙ANN Search 十亿规模的深度描述子如何有效索引 基于内容的图像检索技术 无论是在学界还是工业界，向量索引是一个研究得比较多的问题，学术上对应的专有名词叫Approximate Nearest Neighbor Search (ANNS)，即近似最近邻搜索。为什么是近似，而不是

on 2019-10-07 | by YongYuan's homepage 0

深情似海，问相逢初度，是何年纪？依约而今还记取，不是前生夙世。放学花前，题诗石上，春水园亭里。逢君一笑，人间无此欢喜。 无奈苍狗看云，红羊数劫，惘惘休提起。客气渐多真气少，汩没心灵何已。千古声名，百年担负，事事违初意。心头阁住，儿时那种情味。 在实际应用中，将TensorFlow模型推理C++工程化的好处，不仅提升执行效率，保证服务的高可用性，还便于嵌入各类应用框架中。本文主要记录TensorFlow推理过程C++工程化，包含两部分的内容，分别为： TensorF

on 2019-07-28 | by YongYuan's homepage 0

Thinking in Reverse. Spreading Vectors for Similarity Search是小白菜崇拜的Matthijs Douze和Herve Jegou的作品，发表于ICLR 2019，是一篇对思维方法非常有启发作用的paper，可能会成为利用DNN构建索引方面的经典。这样一篇因为思维的光辉而动人的paper，小白菜很乐意成为它的布道者，并希望借自己的绵薄之力，去传播、应用和改进。 主要思想 Spreading Vectors是逆向思

on 2019-05-19 | by YongYuan's homepage 0

在图片社交、短视频等行业，用户在导入图片、视频的时候，偶尔会导入一些横屏拍摄的视频，使得图片、视频在呈现给用户观看的时候，是旋转了90度或者270度的图片、视频（180度一般极其少见），从而给用户造成不好的体验，特别是以瀑布流方式展示的app。这类视频，由于导入的时候，拿不到原始的拍摄标识信息，从而无法直接取到图像、视频是否旋转的信息，而必须依赖视觉识别的方式，去判断图像、视频是否旋转。 对图像朝向判断问题，学术上研究得比较少，已有的论文主要还是以深度学习分类的方式去检测，

on 2019-01-06 | by YongYuan's homepage 0