https://nx.wmlab.top/Recent content on 南巷Hugo -- gohugo.iozh-CNliuwenhao1968@163.com (南巷)liuwenhao1968@163.com (南巷)© 2026 南巷Mon, 15 Jun 2026 02:14:39 +0800https://nx.wmlab.top/portfolio/lerobot-so101/Mon, 01 Jun 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/lerobot-so101/基于 LeRobot 与 pi0.5 策略框架，在 SO-101 机械臂上完成叠毛巾与清理桌面两个真实桌面操作任务，验证从数据采集、策略学习到实体执行的闭环。https://nx.wmlab.top/competitions/robochallenge-icra-2026/Sun, 10 May 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/robochallenge-icra-2026/官方榜单任务围绕零售超市场景，评测机器人对指令理解、环境感知、自主导航和精细操作的综合能力；我的提交为 No.89757 / gr00t。https://nx.wmlab.top/portfolio/xingyu-moe/Wed, 15 Apr 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/xingyu-moe/围绕 LLaMA2 内部原理与工程实现，系统拆解架构、组件、预训练、SFT、LoRA、推理与 RAG/Agent，形成从理论到应用的大模型学习与实现闭环。https://nx.wmlab.top/portfolio/xingyu-vision/Fri, 01 May 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/xingyu-vision/基于 CLIP 视觉编码器和文本 Transformer 的图像-文本联合推理系统，完成多模态最小可验证闭环。https://nx.wmlab.top/competitions/graduate-math-modeling-2024/Sun, 01 Sep 2024 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/graduate-math-modeling-2024/负责方案拆解、模型设计与队伍协作，完成从问题抽象、算法实现到论文组织的完整流程。https://nx.wmlab.top/portfolio/xy-pi0/Wed, 20 May 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/xy-pi0/围绕 pi0 源码构建最小可运行 VLA 系统，拆解视觉编码、语言建模和动作预测模块。https://nx.wmlab.top/competitions/caai-zhixin-cup-2024/Thu, 01 Aug 2024 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/caai-zhixin-cup-2024/围绕 AI 算法应用进行方案设计与实验验证，强调模型效果、工程可行性和结果表达。https://nx.wmlab.top/portfolio/nxv2net/Sat, 10 Jan 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/nxv2net/面向复杂真实场景的鲁棒裂缝分割开源项目，围绕嵌套多尺度结构、MCFA 融合注意力和 SUES-CRACK 数据集提升泛化能力。https://nx.wmlab.top/competitions/robot-ai-competition-2024/Mon, 01 Jul 2024 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/robot-ai-competition-2024/结合机器人任务场景进行感知、决策与系统方案验证。https://nx.wmlab.top/portfolio/hafnet/Tue, 10 Feb 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/hafnet/轻量级多层级可定制语义分割网络，围绕图像语义理解中的边界、结构与高层语义协同建模。https://nx.wmlab.top/competitions/jiangxi-engineering-training-2023/Thu, 01 Jun 2023 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/jiangxi-engineering-training-2023/负责项目推进与方案整合，训练从工程需求到实现验证的完整闭环。https://nx.wmlab.top/competitions/robot-competition-2023/Mon, 01 May 2023 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/robot-competition-2023/参与机器人任务流程设计、调试与现场验证。https://nx.wmlab.top/portfolio/kaggle-leaf-classification/Sat, 15 Feb 2025 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/kaggle-leaf-classification/面向研究和工程复用的 PyTorch 图像分类训练框架，支持替换主流网络、自定义数据集、SwanLab 日志监控和推理可视化，并以树叶分类作为完整示例。https://nx.wmlab.top/competitions/kaggle-leaf-competition/Sat, 01 Feb 2025 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/kaggle-leaf-competition/基于 ResNet50 优化细粒度特征表达，结合 Label Smoothing、Focal Loss 与 AdamW + CosineAnnealing 策略。https://nx.wmlab.top/portfolio/data-science-bowl-nuclei-segmentation/Wed, 15 Jan 2025 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/data-science-bowl-nuclei-segmentation/改进 U-Net 进行细胞核实例分割，结合 Deformable Convolution、密集跳跃连接和强数据增强，最终排名前 5%。https://nx.wmlab.top/competitions/data-science-bowl-2018/Wed, 01 Jan 2025 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/data-science-bowl-2018/改进 U-Net，引入 Deformable Convolution、密集跳跃连接与复合损失，提升核形态和尺度建模能力。https://nx.wmlab.top/competitions/shanghai-innovation-training-2024/Sat, 01 Jun 2024 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/competitions/shanghai-innovation-training-2024/围绕应用场景进行项目立项、方案规划与阶段性验证。https://nx.wmlab.top/portfolio/websocket-test/Mon, 01 Apr 2024 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/websocket-test/基于 WebSocket 通信实现群聊与私聊功能，聚焦实时消息传递、会话区分和基础即时通信交互。https://nx.wmlab.top/portfolio/school-blog/Wed, 01 May 2024 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/portfolio/school-blog/基于 Spring Boot、Vue、MySQL 与 Redis 的校园博客系统，包含 PC 网页端和移动网页端，并接入云服务器与对象存储。https://nx.wmlab.top/blog/vit/Mon, 15 Jun 2026 02:14:39 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/vit/下面详细分析一下ViT，这个开启了cv的新时代。在cnn处理不好的地方，在vit却是可以很好的处理。https://nx.wmlab.top/blog/segformer/Mon, 15 Jun 2026 02:14:35 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/segformer/提出一个层级（多尺度）且不依赖位置编码的 Transformer 编码器（MiT），可以直接输出多尺度特征（1/4、1/8、1/16、1/32），避免了 ViT 在不同测试分辨率下必须插值位置编码带来的性能下降。https://nx.wmlab.top/blog/swin-transformer/Mon, 15 Jun 2026 02:14:32 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/swin-transformer/Patch 分割和线性嵌入 \(Patch Partition + Linear Embedding\)https://nx.wmlab.top/blog/maskformer/Mon, 15 Jun 2026 02:14:28 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/maskformer/具体表现：https://nx.wmlab.top/blog/mask2former/Mon, 15 Jun 2026 02:14:20 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/mask2former/MaskFormer 让分割任务变成 “预测一组掩码 + 类别”； Mask2Former 让模型 “只看自己负责的掩码区域，更聪明地预测掩码”。https://nx.wmlab.top/blog/dino/Mon, 15 Jun 2026 02:14:13 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/dino/在 DINO 出现之前，自监督视觉表示学习主要有两类主流方法：https://nx.wmlab.top/blog/sam/Mon, 15 Jun 2026 02:14:12 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/sam/sam设计的出发点：https://nx.wmlab.top/blog/detr/Mon, 15 Jun 2026 02:14:04 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/detr/在做DETR之前，目标检测都是下面两种任务方式：https://nx.wmlab.top/blog/deformable-detr/Mon, 15 Jun 2026 02:14:02 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/deformable-detr/原来大DETR有几个缺点：https://nx.wmlab.top/blog/flow-matching/Sun, 14 Jun 2026 19:06:46 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/flow-matching/从 Diffusion 的加噪、去噪与监督目标出发，逐步理解 Flow Matching 如何学习从噪声到数据的连续流场。https://nx.wmlab.top/blog/agibot-world-go1/Sun, 14 Jun 2026 19:06:13 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/agibot-world-go1/拆解 AgiBot World 与 GO-1 的平台、数据和模型设计，重点关注理解-规划-执行分层结构、Latent Planner 与 Action Expert 的实现路径。https://nx.wmlab.top/blog/acot-vla/Sun, 14 Jun 2026 19:06:05 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/acot-vla/围绕 ACoT-VLA 的背景、模型架构、显式/隐式动作推理与动作引导预测，梳理 VLA 中语义理解到低层动作控制的过渡设计。https://nx.wmlab.top/blog/llama2-sft-supervised-finetuning/Sun, 14 Jun 2026 17:52:56 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-sft-supervised-finetuning/系统整理 SFT 监督微调的目标、数据格式、训练方式与代码流程，帮助模型从通用能力走向任务对齐。https://nx.wmlab.top/blog/llama2-pretraining-process/Sun, 14 Jun 2026 17:52:46 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-pretraining-process/从数据集构建、样本切分、词表处理、模型输入到训练循环，梳理 LLaMA 2 预训练的核心流程。https://nx.wmlab.top/blog/llama2-hands-on-implementation/Sun, 14 Jun 2026 17:52:34 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-hands-on-implementation/围绕 LLaMA 2 的数据集、Tokenizer、模型结构与训练代码，记录从原理拆解到工程实现的完整实践过程。https://nx.wmlab.top/blog/llama2-analysis/Sun, 14 Jun 2026 17:49:58 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-analysis/从模型架构、Tokenizer、RMSNorm、GQA、RoPE、FFN 到输出层，系统拆解 LLaMA 2 的核心组件与设计动机。https://nx.wmlab.top/publications/hafnet-lightweight-semantic-segmentation/Sun, 01 Feb 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/publications/hafnet-lightweight-semantic-segmentation/实时轻量化语义分割网络，基于浅层边界、中层结构与深层语义的层级功能划分，结合注意力与多尺度特征融合提升复杂场景分割效果。https://nx.wmlab.top/publications/v2net-crack-segmentation/Thu, 01 Jan 2026 00:00:00 +0000liuwenhao1968@163.com (南巷)https://nx.wmlab.top/publications/v2net-crack-segmentation/面向工业裂缝分割的嵌套式多尺度特征学习框架，通过 VNet 子结构、匹配式跳跃连接和渐进式特征增强改善尺度变化与细粒度结构表达。