姿态估计是视频动作分析识别的基础工作，我有一篇小综述讲了姿态估计相关技术路线的发展，可以点这个链接看。 本文是MVIG大佬们发表在CVPR2019上的一篇论文，上号交通大学，基于AlphaPose思路，进一步提升了拥挤情况下准度 代码：github点这，基于Pytorch，是实时多人姿态估计系统 论文：论文点这 论文第二版点这 Abstract 多人姿态估计是大量计算机视觉任务的基础，近年来也

2018年COCO关键点检测冠军算法MSPN，姿态估计，Top-down的技术路线 应该是截止2019年10月26日时开源的最好的姿态估计算法之一了 旷世出品 代码链接点这，是基于Pytorch的 论文链接点这 摘要 姿态估计方法以基本形成one-stage 和 multi-stage两个路线 多阶段看上去更适合任务，但是现在多阶段的性能还是不如单阶段的 我们论文就来研究这个问题，我们讨论当下

DeepSort是跟踪算法中非常好用的一个，速度快，准度高。 本文为CVPR2017的跟踪算法。 论文：https://arxiv.org/pdf/1703.07402.pdf 代码：https://github.com/nwojke/deep_sort 摘要 简单在线和实时跟踪Simple Online and Realtime Tracking (SORT)是一种注重简单、高效的多目标跟踪

论文https://arxiv.org/pdf/1705.07750.pdf，from DeepMind ，CVPR2017 代码https://github.com/LossNAN/I3D-Tensorflow 2017年视频分类最好的网络，同时提供了VGG的预训练模型，网络端到端，简单易懂，便于部署及工程化。只是跑一下基本有个Tensorflow，单显卡就能训练和测试，效果还好，一绝。本文

一、FPM 简介： FPM是一种下一代的访问控制匹配工具，这个技术提供了更多的详细的和自定义的包过滤功能。 FPM允许用户去创建属于自己的无状态的包的头部、负载等信息或者全部信息，并且可以为策略定义多种的行为（比如drop，log 或者发送ICMP不可达消息）来立刻过滤新病毒，蠕虫以及网络攻击。 　 　 可以用于分析协议而，用于替代传统的ACL，对特定恶意流量的基础架构的过滤 二、FPM的局限

一、问题引出 对于没有特别研究过这个方面的学生，对于去色，首先觉得很简单，没有研究价值。看到很多大学生或者研究生作业用的是基本灰度方法，诸如RGB空间的最大值法、平均值法、直接取某一分量的方法。一眼看上去确实也变成灰色了。但是对比度缺失和细节缺失、亮度相同的不同颜色映射为同一灰度方面有很大的问题（比如打印店和Photoshop中的算法并不一定是好的，我们要学会批评性的看待问题）！在学习这些

今天是周末，为了放松身心以迎接新一周的工作，重温了儿时读过的一本印象深刻的书。它是写给孩子们看的一本书，然而读完会明白，它是写给每个曾经是小孩子的大人。 考虑博客宣言只谈技术，将这篇博客基调定为《小王子》写作技术分析。 要让孩子们读懂，语言一定要通俗，短篇幅，短句子。最忌长篇大论和复杂的词句，《小王子》很好做到了这一点，每个章节一个简短的故事，基本不超过三页，重要的两页多一点，一般的则半页一页