该文章已加密，点击 阅读全文 并输入密码后方可查看。

5种Agent模式

一、反思模式（Reflection Pattern）：闭环优化的认知迭代

• 工作流程：
  用户输入 → LLM生成初版响应 → 用户反馈 → LLM反思优化 → 迭代至满意 → 返回终版

Fooocus Outpaint 完整处理流程

1. Canvas Expansion & Mask Creation 画布扩展和遮罩创建

12:15:modules/async_worker.py
展开代码
def apply_outpaint(async_task, inpaint_image, inpaint_mask):
    if len(async_task.outpaint_selections) > 0:
        H, W, C = inpaint_image.shape
        if 'top' in async_task.outpaint_selections:
            inpaint_image = np.pad(inpaint_image, [[int(H * 0.3), 0], [0, 0], [0, 0]], mode='edge')
            inpaint_mask = np.pad(inpaint_mask, [[int(H * 0.3), 0], [0, 0]], mode='constant', constant_values=255)

• 根据用户选择的方向（top/bottom/left/right）扩展画布30%
• 使用edge模式复制边缘像素填充新区域
• 新区域的mask值设为255（完全需要重绘）

该文章已加密，点击 阅读全文 并输入密码后方可查看。

该文章已加密，点击 阅读全文 并输入密码后方可查看。

匈牙利算法是做什么的？通俗解释

匈牙利算法（Hungarian Algorithm）是一种用来解决**"最佳分配问题"的数学方法。它的核心任务是："如何用最低成本，把N个任务分配给N个人，让总成本最小？"**（或者反过来，让收益最大）。

的问题：

1. OpenPose的输入和输出形状

输入形状：

cpp
展开代码
// 从 src/openpose/net/netCaffe.cpp:218 可以看到
if (inputData.getNumberDimensions() != 4 || inputData.getSize(1) != 3)
    error("The Array inputData must have 4 dimensions: [batch size, 3 (RGB), height, width].");

输入张量形状: [batch_size, 3, height, width]

• batch_size: 批次大小，通常为1
• 3: RGB三通道
• height, width: 图像的高度和宽度

CDP：共识驱动传播人脸聚类方法

摘要

CDP（Consensus-Driven Propagation）是一种高效的大规模无标签人脸聚类方法。该方法通过投票机制和图传播算法，实现对人脸特征的快速准确聚类。CDP具有线性时间复杂度，能够处理大规模数据集，并在保持高精度的同时提供出色的聚类性能。

1. 人脸检测方法数量和类型

InsightFace主要包含3种核心人脸检测方法：

1.1 RetinaFace (CVPR 2020)

• 架构: 基于FPN的单阶段检测器
• 特点: 同时预测人脸边界框和5个关键点
• 骨干网络: ResNet50/ResNet152/MobileNet0.25
• 性能: WiderFace验证集 Easy 96.5, Medium 95.6, Hard 90.4

U-Net 2015 ：编码器-解码器结构、跳跃连接。

HRNet 2019 : 设计用于需要高分辨率特征的任务.

• 高分辨率主干( 网络从头到尾都维持一个高分辨率的特征流，而不是像U-Net那样先降维再升维。)
• 多尺度特征融合：
  • 不同分辨率的特征流之间通过上采样和下采样操作进行交互，实现信息的跨尺度传递。