发表论文D2表示啥

化学中，d2在不同情况下有不同意义。单独的D2（d大写），D表示的是氘原子，D2就是重氢分子，或者表示这种纯净物。其它化学式中，如D2O，表示的就是重水中有2个氘原子。轨道杂化中，如sp3d2杂化，这里的d2表示参与杂化的d轨道有2个。电子排布中，如[Ar]3d24s2（钛），d2表示钛原子中这一层（第3层）的d轨道容纳了2个电子。差不多就这些吧。不过你问的应该是第一种情况~望采纳~

D是拉丁字母和英文字母中的第4个字母。在国际音标和汉语拼音中的意思各不相同。在网络用语中的意思为“顶”，表示支持的意思。D这个字母还用于物理学、化学、音乐、人名等。也用于游戏和电影角色的名字和控制键。在地方方言中，有不同的意思。“D”原本可能是一个门的符号，像在古埃及的象形文字里（1）。最早什么时候出现在闪族的书面当中我们已经无法知道了。大约在公元前1000年，在比布鲁斯（古地中海港市，位于现黎嫩贝鲁特以北的朱拜勒，公元第二千年成为繁华的腓尼基城）和腓尼基的其他一些方以及迦南的中心这符号是特定的线性形式（2），对于的性形式来说。在闪族的语言叫做th，意思door（门）。[1]希腊人重新改变的闪族人的命名为delta他们保留了腓尼基人的符号（3）。在意大利的殖民地-希腊的Khalkis（或Chalcis-卡尔基斯(希腊东南部一港市）母有了轻微的弧度（4）。这种形状致使它也存在于拉丁文的书写中（5）。从拉丁时代这个三角逐渐的被圆滑（6）。 字母d的发展史 d2基本含义（1）一个门的符号，像在古埃及的象形文字里。（2）对于的性形式来说。在闪族（即闪米特人）的语言叫做th，意思door（门）。希腊人重新改变的闪族人的命名为delta他们保留了腓尼基人的符号。（3）在意大利的殖民地-希腊的Khalkis（或Chalcis-卡尔基斯(希腊东南部一港市）母有了轻微的弧度。（4）这种形状致使它也存在于拉丁文的书写中。（5）从拉丁时代这个三角逐渐的被圆滑。（6）在十六进制中D用来表示13（7）。闪族语的Dâlet可能是从雨或门的缩略图中发展而来的。在闪族语中，古希腊（现代希腊语中的/δ/）和拉丁语中这个字母发/d/的音。在伊特鲁里亚语中。这个字母是多余的，但仍然保留（参看字母B）。3其它释义数学16进制数字大写D在十六进制的表示为十进制的“13”。 D十进制 十六进制 10 A 11 B 12 C 13 D 14 E 15 F 距离d可以表示距离(distance)。微分符号数学上的部分微分符号。十进制计算机学科中常有（123）D=123。物理学时间D在时间单位中表示天(Day)的意思。列如：30D表示为30天的意思。二极管二极管（晶体二极管，diode），它是一种具有单向传导电流的电子器件。在电路中用字母D 表示。电位移矢量电脑游戏表示装备强化D在大部分网络游戏中代表洞,即孔.魔兽争霸快捷键[2]英雄技能：神圣护甲(圣骑士)暗影突袭(守望者)生命汲取(遗忘法师)醉酒云雾(熊猫酒仙) 魔兽争霸快捷键单位技能：步兵的防御（Defense），牧师的驱散，灵魂行者的驱散，小精灵的自爆驱散，不死绞肉机的放尸体，毁灭者的吞噬魔法（驱散）（Dispell），科多兽的吞噬。建造：恶魔猎手方向键在有些游戏中，用a、d、w、s控制方向，“d”起到方向键右的作用。起凡D代表大招。例如赵云的D无双，司马懿的D星落等人名1.[秦]陶塑艺人。生卒不详。陕西临潼秦始皇陵兵马俑二号坑出土的武土俑，身上按压有“宫D1”戳记铭文，字体隶篆结合。“宫”当为“宫水”的省称，“宫水”是秦代主管烧造砖瓦的官署机构。“D2”是陶塑艺人名。2.狄利克莱，狄利克莱函数为D（x）。3.《家庭教师》中：迪诺的代号以外，还是《家庭教师》中彭格列一世雾之守护者的名字。4.《恐怖宠物店》里面的D伯爵。5.横行ACG三届的腐男小D,又叫鼎,深度腐男,同时是也渡过了九九天劫的金身散仙。6.《吸血鬼猎人D》中的冷艳+华丽的主角，其实一个人类与吸血鬼所生的吸血鬼猎人。7.《天鹅·光源》《天鹅·闪耀》《天鹅·余辉》《天鹅·永夜》中男主角吸血鬼弗拉德.德库拉伯爵的缩写以及其本人的签名就叫做D。海贼王在《海贼王》[3]的故事中，“D”被作为几名角色的中间名使用，如主角蒙奇·D·路飞、海贼王哥尔·D·罗杰、波特卡斯·D·艾斯、波特卡斯·D·露修、马歇尔·D·蒂奇、哈古瓦尔·D·萨龙、蒙奇·D·卡普、蒙奇·D·龙等。根据故事线索，这个字母“D”并非单纯只是一个无聊的字母，而应该是某种精神和意志的体现，也有可能是在“消失的100年”中被毁灭的某个国家的血统的证明。证据就是所有名字中有D的人都非常厉害，罗宾曾提到过“D”，而且朵丽儿医娘也曾经提到过“D”的意志这个词,而且一般名字有D的人都是黑发（波特卡斯·D·路玖和哈古瓦尔·D·萨龙除外）……相信在不久的将来，尾田会给我们带来更好的解释。也有猜想说，这个D代表的精神是dream，就是为了梦想永不放弃，勇往直前的精神。白胡子在动画485话时候、也曾经说过：“就像有继承罗杰意志的人出现一样，迟早会出现有继承艾斯意志的人出现！就算血缘被斩断，他们的火焰也不会熄灭。就是这样从很久以前一脉相承，传诵至今的。并且在将来的某一天——还会出现背负这几百年全部历史的，向这个世界挑战的人。战国……你们世界政府，一直在惧怕着那种有一天会来到的、把整个世界卷入其中的巨大战役。虽然我没兴趣，但那个宝藏有朝一日被发现时……世界将被颠覆。总会有人找到的，那一天一定会来到。one piece是真实存在的！”之后，充满威严的站着死去。纺织行业在纺织行业，一般以大写D来表示纱线的粗细。科技名词定义中文名称：旦尼尔英文名称：denier 定义：线密度的单位。纤维、单纱、网线、绳索等在公定回潮率时每9 000m长度的质量克数。计算公式其计算式为：Td=9000×GK/L；式中：Td——纤维的旦数（旦）；L——纤维的长度（m）；GK——纤维在公定回潮率时的质量(g)。它与另外一种法定计量单位特克斯(tex)的换算关系公式为：tex=D/9用途在我国为非法定单位，但在对外贸易中还常用于化纤和蚕丝领域。医学头部左右两侧之间最长部位的长度，又称为“头部大横径”。当妊娠初期无法通过CRL来确定预产日时，往往通过B超测量 D来预测；中期以后，在推定胎儿体重时，往往也需要测量该数据。化学D表示氢的同位素氘。d表示液体的质量体积之比，如98%浓硫酸 d=1.84g/mL。火车车次D在火车车次编号中代表了“动”，即“动车”。如D5l52次列车即为动车5l52次。DvoteeDvotee：慕残者慕残是一种性取向，指一个人迷恋残疾人或热衷于变为残疾人，一般分为慕残者（devotee），扮残者（ pretender）和自残者（wannabe）。

氘。拼音：dāo 化学式：D2氢（H）的同位素，也被称为重氢，元素符号一般为D或2H。氘原子核中有一个质子和一个中子，其相对原子量为普通氢的二倍。氢中有0.02%的氘，在大自然的含量约为一般氢的七千分之一。氘用于热核反应，聚变时放出β射线后形成质量数为 3 的氦，并在化学和生物学的研究工作中作示踪原子。氘被称为“未来天然燃料”。

作为近两年detector和descriptor joint learning（也称one-stage）类型论文的又一代表，D2-Net是一种相当特别的结构。其特点是“一图两用”，即网络预测出的dense tensor即是detection score maps，又是description map特征图即代表特征检测结果又代表特征描述结果（注意预测的特征图并不是原图分辨率大小）。换句话说，D2-Net的特征检测模块和描述模块是高度耦合的。   本文主要针对的是appearance变化较大（包括日-夜变化、大的视角变化等）场景下的图像匹配任务。文章作者比较了两种局部特征学习方法：sparse方法和dense方法。其中sparse方法高效，但是在appearance变化大的场景提取不到可重复的关键点，其原因在于特征提取器只使用浅层图像信息，不使用语义信息；dense方法则直接利用深层特征提取密集特征描述，更加鲁棒却以更高的匹配时间和内存开销为代价。   因此作者的目的在于，提出一种足够鲁棒的sparse local feature，让其提取的特征（兴趣点）具有更好的repeatability，进而实现既有sparse方法的高效性，又有dense方法的鲁棒性。其核心idea是将特征提取阶段延后，使得局部特征也可以利用高层语义信息，而不是只考虑低层信息。 问题：关于这里的sparse和dense方法 关键词：A single CNN plays a dual role; joint optimization; different train/test model structure   不同于SuperPoint或者SEKD，本文虽然也是dense prediction类型的结构，但并不同时预测kpt和description两个图，而是只预测了一个形状为HxWxd（d为特征描述的长度）的特征图，然后既作描述结果又作检测结果…从spatial维度来说，该特征图的每个像素位置是一个描述子；从channel维度来说，每一个通道代表一个特征检测器的检测结果，总共得到d个2D响应图，这里可以用SIFT中的高斯差分金字塔响应来类比。   后续的兴趣点提取需要对这个d通道的特征图做进一步的后处理:   按照上面对D2特征图的定义，如果(i,j)位置是一个兴趣点，则从通道维度来说该像素位置最终的检测结果肯定要取检测器响应值最大的通道对应数值，这样就选出了通道；从空间维度来说又要满足该位置在该通道的2D map必须为一个局部最大值。即本文中的"hard feature detection"：   首先对输入图像构建图像金字塔，然后在每个scale上进行forward，得到D2特征图，再把多尺度特征图逐scale上采样并与同分辨率融合（见下式），得到融合后的特征图。预测阶段根据融合特征图进行上述后处理，即可提取出特征点。   由于上述特点，网络结构本身发非常简单，直接用VGG16 conv4_3之前的部分，恢复ImageNet上的预训练权重，然后除了最后一层conv4_3之外全部冻结，只对该层做微调。不过关于模型，有两个值得注意的地方：   1.使用VGG16的结果比ReseNet好很多   2.训练时和测试时的模型结构不同   具体来说，在测试阶段为了提高特征的分辨率，将pool3改成一个stride为1的avg pool，随后的三层conv dilation ratio调整为2，以维持相同的感受野。作者解释是说训练时为了减小内存使用比较小的特征分辨率，测试时为了提高特征定位能力，将分辨率提升到原图的1/4，并加上了一个类似SIFT中使用的局部特征提炼，然后将特征插值上采样到原分辨率。   不过训练过程不能用上面的hard feature detection，因为其不可微。故作者提出了一个soft的版本，其设计思想就是模仿hard方法的通道选择和空间位置选择（即通道内的局部最大值）：   对于空间位置选择，作者会对特征图的每个像素求一个α(i,j)，得到α map(shape为[h,w,d])：   其中N(i,j)代表以(i,j)为中心的9-邻域。因此可见这里的局部最大值其实是在3x3区域内的最大值，而不是式(3)中写的那样，整个通道只输出一个最大值。   对于通道选择，直接计算一个ratio-to-max得到β图(shape为[h,w,d])：   根据kpt的定义，score map s就应该是α map和β map的乘积map在通道维度求最大值的结果。最后再做一个归一化：（问题：这个归一化让score map的像素值之和为1是什么意思？score map不应该用sigmoid之类的转为0-1之间的分布比较合理吗？）   关于这部分还要考虑一个问题，为什么D2-Net需要在训练中提取兴趣点？（比如R2D2等结构，都是直接针对kpt score map做优化，只有实际预测时才需要根据score map提取特征点这个步骤）   答：这个问题的理解是不正确的，训练中并不是提取兴趣点，而是在得到”single score map"。上面的hard feature detection相当于NMS的过程，输出的是稀疏的兴趣点位置坐标；而训练检测模块需要hxw的score map，故先要把hxwxd的特征图经过一个可微的步骤，处理后得到该score map。 ①triplet margin ranking loss（只考虑描述子）   训练描述子其实没有太多不一样的地方，就是根据输入pair的correspondences，将每一个匹配对c视为正对，不匹配对为负对，对构成的三元组进行训练。主要问题是如何根据当前匹配对c构建最有意义的负对。作者这里用了一个基于邻域的困难样本挖掘策略，假如当前匹配为下图的点A和点B，那么分别在I1和I2扣去A\B邻域的区域找负对，并分别与B的描述子dB、A的描述子dA进行比较，找到所有这种负对中相似度最小的，与c构建三元组。   以下p(c)和n(c)分别代表正对距离和负对距离。m(c)代表当前匹配c的triplet loss。 ②加入描述子优化的triplet margin ranking loss   由于D2特征即代表兴趣点score map也代表描述子，本文的优化需要对检测和描述进行联合优化。作者在triplet margin ranking loss基础上加入了提升检测结果可重复性这一优化目标，具体实现方法是：利用输入两图像中所有correspondences的检测得分来对当前匹配计算出的triplet loss进行加权平均，如果当前匹配triplet loss很低（即该对匹配的距离远小于其各自的最难负对），则为了最小化loss，这一对triplet loss小（即区分度高）的correspondence自然要给更大的权值；其他triplet loss大的correspondence就给小点的权值。   感觉文中式(13)的符号有点confusing，m(p(c),n(c))直接写成,m(c)可能更加简洁。

你好化学中，d2在不同情况下有不同意义。单独的D2（d大写），D表示的是氘原子，D2就是重氢分子，或者表示这种纯净物。其它化学式中，如D2O，表示的就是重水中有2个氘原子。轨道杂化中，如sp3d2杂化，这里的d2表示参与杂化的d轨道有2个。电子排布中，如[Ar]3d24s2（钛），d2表示钛原子中这一层（第3层）的d轨道容纳了2个电子。