由于电脑上之前就有开发其他设备用的ubuntu18.06虚拟机环境，就在此环境基础上进行开发。基本环境搭建参考官方文档进行： 全志XR806开发板开发环境搭建
https://www.cnblogs.com/yangfengwu/p/11105466.html
https://www.cnblogs.com/yangfengwu/p/11456667.html
非最大抑制是目标检测流程的重要组成部分。首先，它根据所有检测框的得分对它们进行排序。选择得分最大的检测框M，抑制与M有显著重叠(使用预定义阈值)的所有其他检测框。这个过程递归地应用于其余的框。按照算法的设计,如果一个目标重叠在预定义的阈值,就丢弃它。为此,我们提出Soft-NMS,衰变的算法检测的所有其他目标作为一个连续函数的重叠与m。因此，没有目标在这一过程中消除。Soft-NMS获得一致的改善coco-stylemAP指标，在标准数据集PASCAL VOC 2007 (RFCN 和Faster-RCNN上为) MS-COCO (R-FCN上1.3% 和Faster-RCNN上为 .1%) 没有过改变任何额外的hyper-parameters。NMS算法使用Deformable R-FCN，Sost-NMS在单一模型下将目标检测的最新水平从39.8%提高到40.9%。此外，Soft-NMS和传统的NMS计算复杂度很接近，因此能够有效实现。由于Soft-NMS不需要任何额外的训练，而且易于实现，因此可以轻松地集成到任何目标检流程中。
获取手机热点当前已连接数，目前网上大多数思路是通过读取/proc/net/arp文件可以得到连接当前热点的设备的IP，通过遍历来获取已连接数。但其实这种做法是有很大缺陷的，因为一旦设备断开后，该设备的IP还是存在该文件中，之后再通过这种方法获取的已连接设备数就是错误的。
查看AP重启原因，提示：User soft reboot，无法判断出具体的故障原因。
上一节说的是ESP8266的station模式，但这个模式讲的比较枯燥，既没有实现什么酷炫的应用，也没有引申出什么好玩的功能。别急，我想想…
从这一节开始，聊聊8266的联网功能，首先是它的几个工作模式：station，soft-ap，station+ soft-ap。这一节主要说它的station模式。
按下固件按钮(GPIO0)大约3S, 让GPIO2那个灯快闪,进入配网模式,然后60S超时检测.还有就是不让WIFI打印官方内部写的东西(打印的东西太多了...)
目标检测作为一项基本的视觉任务，几十年来一直受到研究人员的广泛关注。目前最先进的检测器大多通过使用一组预定义的Anchor来预测类标签和回归偏移量来执行密集检测。
Android9.0中对热点做了较大改动，将热点很大程度从Wifi中剥离出来了。 下面我们看一下热点是怎么开启的。
Android虐我千百遍，我待Android如初恋。 ——————编辑于2017-08-02——————— wifi热点说的是wifiAp相关，所以如果源码开发的话，这个WifiAp算是一个搜索代码的关键字，含义是Wifi Access point，wifi接入点。所以下文中的wifi热点统一用WifiAp代替 wifiAp打开方式：设置->更多->移动网络共享->便携式wlan热点。 wifiAp打开条件：任何情况下均可。只是有内网外网之分。造成内外网之分的影响条件有sim卡和wifi
为了解决部分终端设备配网不便的问题，腾讯云物联网平台推出了腾讯连连给终端设备配网的功能。当前市场上较为主流的配网方式均已支持，例如Soft AP，Smart Config，AirKiss，Ble辅助配网等。
不同的问题和不同的数据集都会有不同的模型评价指标，比如分类问题，数据集类别平衡的情况下可以使用准确率作为评价指标，但是现实中的数据集几乎都是类别不平衡的，所以一般都是采用 AP 作为评价指标，分别计算每个类别的 AP，再计算mAP。
hostapd能够使得无线网卡切换为master模式，模拟AP(通常可以认为是路由器)功能，也就是我们说的软AP(Soft AP)。
物体检测（Object Detection）的任务是找出图像或视频中的感兴趣目标，同时实现输出检测目标的位置和类别，是机器视觉领域的核心问题之一，学术界已有将近二十年的研究历史。随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初 2013 年提出的 R-CNN、OverFeat，到后面的 Fast/Faster R-CNN、SSD、YOLO 系列，以及Mask R-CNN、RefineDet、RFBNet等(图 1,完整论文列表参见[1])。短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从 two stage 到 one stage，从 bottom-up only 到 Top-Down，从 single scale network 到 feature pyramid network，从面向 PC 端到面向移动端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
主讲人：王志成 | 旷视研究院研究员 屈鑫 整理编辑 量子位 出品 | 公众号 QbitAI 12月13日晚，量子位·吃瓜社联合Face++论文解读系列第二期开讲，本期中旷视（Megvii）研究院解读了近期发表的人体姿态估计论文：Cascaded Pyramid Network for Multi-Person Pose Estimation。 基于这篇论文所提出的算法，Megvii(Face++)队在COCO2017人体姿态估计竞赛上获得了历史最好成绩，相对 2016年人体姿态估计的最好成绩提高了19%
hostapd能够使得无线网卡切换为master模式，模拟AP(通常可以认为是路由器)功能，也就是我们说的软AP(Soft AP)。hostapd的功能就是作为AP的认证服务器，负责控制管理stations(通常可以认为带无线网卡的PC)的接入和认证。
我个人比较推崇本地消息表模式来实现最终一致性。首先本地消息表的设计不仅可以解决事务一致性的问题，对于消息队列常见问题中的消息丢失与消息幂等其实都是可以通过本地消息表来解决；其带来的好处是多重的。
General DescriptionThe AP8660 is a current mode boost DC-DC converter. Its PWM circuitry with built-in 0.25Ωpower MOSFET make this regulator highly power efficient. The internal compensation network also minimizes as much as 6 external component counts. The non-inverting input of error amplifier connects to a 0.6V precision reference voltage and internal soft-start function can reduce the inrush current.The AP8660 is available in the SOT23-6L package and provides space-saving PCB for the application fields.Features Adjustable Output up to 24V Internal Fixed PWM frequency: 1.0MHz Precision Feedback Reference Voltage: 0.6V (±2%) Internal 0.25Ω, 2A, 26V Power MOSFET Shutdown Current: 0.1μA Over Voltage Protection Over Temperature Protection Adjustable Over Current Protection: 0.5A ~ 2.5A Package: SOT23-6LApplications Chargers LCD Displays Digital Cameras Handheld Devices Portable Products
CAP理论是分布式系统的基石, 那么base理论就是分布式系统的台阶了，在基石上凿的台阶。
本例中安装一个六个节点的集群，一个控制节点，两个管理节点，两个数据节点。控制节点主要安装Ambari、Ambari Metrics等服务，用于集群各服务的控制，监控，任务提交等。管理节点主要安装各服务的Master组件，如Namenode、ResourceManager、Hive、Hbase、KDC、OpenLdap、Ranger、Ambari infra等。数据节点主要安装各服务的Slave组件，如Datanode、NodeManager、Regionserver等。
前面两节说的都是ESP8266在STATION模式下的TCP通信，这一节说一下SOFTAP模式下的用法。其实两者用法，无论是服务器端还是客户端模式，都是差不多的，只要修改几个细节即可。所以，这一节简单说下这两种方式，并提供代码，大家可以自己动手尝试。
最近目标检测相关的论文非常多，可见Object Detection还是有很多工作(坑)可以做(填)的。上次 Amusi 就整理了近期值得关注的目标检测论文，详见：一文看尽8篇目标检测最新论文(EfficientDet/EdgeNet/ASFF/RoIMix/SCL/EFGRNet等）
在过去的几十年里，探索海洋环境的兴趣日益增长，这导致了水下活动范围的扩大，如基础设施开发[1]和考古探索[2]。由于水下条件的不可预测和通常是未知的特点，自主水下航行器（AUVs）在执行从调查到维护等各种任务中变得至关重要。AUVs能够根据预定义计划进行数据收集和执行水下操作。
2011年10月10日，著名的的Android第三方ROM团队CyanogenMod发布了最新的稳定版CM7.1，同时提供大量机型的支持~
点击Wifi热点配置选项，会弹出一个对话框，WifiApDialog.java。这个对话框会在onCreate的时候填入一些默认内容：
CAP理论是分布式系统中最核心的基础理论，一个分布式系统最多只能同时满足一致性(Consistency)、可用性(Availablity)、分区容错性(Partition Tolerance)三项中的两项。
智能手机的普及，这使得移动互联网成为另一个流量巨头。越来越多的公司也会转而直接提供 App 来展示内容。例如微信以及其生态（微信公众号、小程序）、抖音等。这也说明人们对于手机的依赖心更强。那抓取 App 的数据显得更加有意义。本文的主要内容是讲述如何搭建手机抓包环境。
目标检测是计算机视觉中的一个基本问题，它可以同时分类和定位图像或视频中的所有目标。随着深度学习的快速发展，目标检测取得了巨大的成功，并被应用于许多任务，如目标跟踪、图像分类、图像分割和医学图像分析。
Golang：用于下载和安装 Go 编译运行环境，请前往 Golang 官网进行下载
大家好，我是瑞哥，昨天有个微信好友向我要网络相关的VISIO图标，写方案的时候经常用到，今天瑞哥给大家分享一套比较齐全的VISIO，覆盖了IT行业专用网络及硬件的图标。
BASE 是 Basically Available（基本可用） 、Soft-state（软状态） 和 Eventually Consistent（最终一致性） 三个短语的缩写。BASE 理论是对 CAP 中一致性 C 和可用性 A 权衡的结果，其来源于对大规模互联网系统分布式实践的总结，是基于 CAP 定理逐步演化而来的，它大大降低了我们对系统的要求。
这里的分布式系统指的是互相连接并共享数据的节点的集合，互连和共享数据很关键，像 memcache 集群，没有互连和共享数据，就不算是分布式系统。
导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第三部分，主要介绍分布式系统中的 CAP 理论以及相关的 ACID 理论和 BASE理论。对分布式系统架构有一个理论上的感知。
在前面的秘籍一中，我们主要关注了模型加速之轻量化网络，对目标检测模型的实时性难点进行了攻克。但是要想获得较好的检测性能，检测算法的细节处理也极为重要。
众所周知，非极大值抑制NMS是目标检测常用的后处理算法，用于剔除冗余检测框，本文将对可以提升精度的各种NMS方法及其变体进行阶段性总结。
我们通过微服务形式进行实现整个系统,每个服务都可以有副本,相互之间可以通信,并发能力强
在姿态估计算法中，微软开发的 SimpleBaseline 是精度高而又轻量级的典范，昨天一篇论文Simple and Lightweight Human Pose Estimation，在该架构基础上做了少许改进，取得了更快的速度和更小的模型Size。
这文章，就是个瞎记录的东西。。。 串口的工具，推荐这个~ http://www.xitongzhijia.net/soft/38066.html 📷 功能齐全 这段代码我也忘了是啥了。。。可能是个转换的代码吧 variable_motorSpeed = 0 def start(): global variable_motorSpeed robot_ctrl.set_mode(rm_define.robot_mode_free) while True: variable
CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求， 最多只能同时较好的满足两个。
作者是在自己之前的工作SOLO基础上做的改进，所以我们有必要看看SOLO的架构：
这篇文章着重点不在于科普，毕竟关于CAP、BASE的理论的文章，网上很多。所以本文科普篇幅尽量小（只包含概念描述）。主要从几个侧面的问题来描述CAP，进而描述ACID、BASE理念。然后加入一点点调料，如何动态的切换一致性强度。
前几天腾讯公布了一篇论文RefineDetLite: A Lightweight One-stage Object Detection Framework for CPU-only Devices，提出一种面向CPU设备的轻量级一阶段目标检测网络RefineDetLite，其在MSCOCO 上可以达到精度29.4 AP，同时在Intel 6700 @3.4G HZ 型号CPU上可以跑到130ms/图片（320X320），是目前轻量级通用目标检测网络的佼佼者。
CAP 理论回顾：CAP 理论，也被称为 CAP 协议，指的是在一个分布式系统中，最多只能同时满足「一致性（Consistency）」、「可用性（Availability）」和「分区容错性（Partition tolerance）」这三项中的两项，不可能三者兼顾。
作者个人研发的在高并发场景下，提供的简单、稳定、可扩展的延迟消息队列框架，具有精准的定时任务和延迟队列处理功能。自开源半年多以来，已成功为十几家中小型企业提供了精准定时调度方案，经受住了生产环境的考验。为使更多童鞋受益，现给出开源框架地址：
文章结构 检测模型的评测指标 目标检测模型本源上可以用统计推断的框架描述，我们关注其犯第一类错误和第二类错误的概率，通常用准确率和召回率来描述。准确率描述了模型有多准，即在预测为正例的结果中，有多少是
相信大家看过我的文章或者视频的，都应该知道什么是分布式系统，分布式系统就是一个系统由多个组成部分共同构成，用户的一个请求可能会经过多个不同的计算机节点之后，通过运算才会把结果响应给用户，那么这个请求所经过的不同的几个系统就是分布式系统。对于用户来讲，你是不是分布式系统，对他来讲是透明的。参考如下图：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
云直播
