论文发表在ACM Multimedia Conference 2020，ACM MM是CCF A类会议 1.Introduction提出了一种有效的基于上下文感知注意力的模型来预测美学分数分布，该模型将强调局部特征与上下文信息联系起来，并捕获了美学的主观性。 提出了一个注意力模块，通过多级细节和远程感知来提供丰富的上下文依赖。它建立在层级和空间两个维度上。 引入一种新的基于Bhattacharyy

该论文发表在（PRL）CCF C类 Pattern Recognition Letters 155 (2022) 84–91 Hancheng Zhu a,b, Yong Zhou a,b,∗, Rui Yao a,b, Guangcheng Wang c, Yuzhe Yang d a：School of Computer Science and Technology, China Unive

1. Introduction本文构建了一个名为”主题与美学数据集”的大规模数据集( TAD66K )，该数据集是专门为IAA设计的。 1 )它是一个面向主题的数据集，包含66K张图片，涵盖了47个流行主题。所有图片均根据主题手工精心挑选。 2 )除了共同的审美标准外，为47个主题提供了47个标准。每个主题的图像都是独立标注的，每个图像至少包含1200个有效标注(迄今为止最丰富的注释)。这些高质量

1.Introduction发表在2021 IEEE（ICME） 据知乎说是毕业神会，两篇保博士毕业，CCF B regular paper 的 正文 + 引用 = 6页 2021 IEEE International Conference on Multimedia and Expo (ICME) 以往的卷积神经网络的方法需要消耗大量的算力，难以适用于一些存储和计算资源有限的移动设备。

1. Introduction2021年发表在ICCV 代码：https://github.com/cszn/BSRGAN 文章认为影响真实退化的主要因素有三个：模糊、降采样和噪声。 论文设计一个实用的退化模型，该模型使三个关键因素的退化空间尽可能大且符合实际， 来解决低分辨率的问题， 2.Related Workbicubic and traditional degradation models

0. 前言论文发表在2022CVPR image processing tasks: including denoising, deblurring, deraining, dehazing, restoration,and enhancement 图像处理：降噪，去模糊，去雾，去雨，图像修复，图像增强。 中文视频讲解：（非常详细，有很多背景介绍，新手友好型） youtu.be/gpU

论文发表在2022CVPR 代码：https://github.com/YUTING0907/SubscribePapers/blob/main/papers/cvpr/cvpr2022.md A ConvNet for the 2020s ConvNeXts由传统的卷积层(ConvNets)组合成的模型，在ImageNet上得到了 top-1 accuracy，87.8% 超过了Transfor

预备知识😊Anaconda管理python环境，可以做到环境隔离，避免依赖冲突等问题 创建一个虚拟环境（比如叫tuduipytorch) ​ conda create –n 虚拟环境名字 python=版本 添加镜像加速 conda create –n 虚拟环境名字 python=版本 –c 镜像地址 删除虚拟环境 conda remove

一、五种类型参数传递1.普通参数 2.POJO类型参数 3.嵌套POJO类型参数 4.数组类型参数 1.1普通参数普通参数:url地址传参，地址参数名与形参变量名相同，定义形参即可接收参数。 如果形参与地址参数名不一致该如何解决? 发送请求与参数: http://localhost/commonParamDifferentName?name=张三&age=18 后台接收参数: 12345

原本的processBroadcastElement函数逻辑如下： 12345678910111213public void processBroadcastElement(Tuple2<String, String> value, Context ctx, Collector<Tuple2<String, String>> out) throws Except