4、nerf（pytorch）
nerf-pytorch
TensorRT 推理 (onnx-＞engine)
TensorRT 推理 (onnx->engine)【Win10+cuda11.0+cudnn8.2.1+TensorRT8.2.5.1】
软注意力和硬注意力的对比
软注意力和硬注意力的对比
十八届智能车逆透视教学
智能车逆透视
探究大语言模型(LLM)：让ChatGPT火爆的背后
ChatGPT作为一款大型的语言模型，其多层次、多粒度的设计和预训练+微调的模型训练方式使得其在自然语言处理领域具有非常高的应用价值和前景。随着技术的不断进步，ChatGPT等大型语言模型的应用将不断扩大和普及。
AI：ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略
ModelScope旨在打造下一代开源的模型即服务共享平台，汇集了行业领先的预训练模型，减少了开发者的重复研发成本。个人认为，相比于AI公司经常卖一款软件产品或者卖一个算法需求，而ModelScope更偏向于某种功能(model端到端)实现，初级AI从业者也能很容易实现大模型，有点低代码的感觉。当前
图像增强方法概述
图像恢复是通过一些先验知识估计图像缺失像素值，是估计值对缺失值的逼近，图像增强则与之不同。图像增强是通过代数或者统计等方法，增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果。
RLS递归最小二乘法(Recursive Least Squares)
大多数的RLS算法介绍都是从各种专业领域角度讲解的(比如滤波器等角度), 对于缺乏专业背景的同学入门较难, 本文主要是以上提到的视频的文字化, 加入了自己的一些理解, 也许有一些地方不是那么严谨, 不过希望能帮助其他同学快速了解一下RLS算法的思想。...
多个相机内外参标定详解[halcon]
通过一个halcon实例，详细讲述如何对多个相机参数进行标定。相机的标定流程一般由以下几个部分：相机参数的初始化->读取标定文件->读取标定板图像->进行标定->标定结果。
自动驾驶决策概况
1. 第一章行为决策在自动驾驶系统架构中的位置2. 行为决策算法的种类2.1 基于规则的决策算法2.1.1 决策树2.1.2 有限状态机（FSM）2.1.3 基于本体论（Ontologies-based）2.2 基于统计的决策算法2.2.1 贝叶斯网络（BN）2.2.2 马尔可夫决策过程（MDP）2
Bert+LSTM+CRF命名实体识别pytorch代码详解
Bert+LSTM+CRF命名实体识别从0开始解析源代码。理解原代码的逻辑，具体了解为什么使用预训练的bert，bert有什么作用，网络的搭建是怎么样的，训练过程是怎么训练的，输出是什么调试运行源代码NER目标NER是named entity recognized的简写，对人名、地名、机构名、日期时
YOLO V6论文精读
YOLO系列采用了广泛的激活功能，如ReLU [27]、LReLU [25]、Swish [31]、SiLU [4]、Mish [26]等。
ROS入门——slam之cartographer仿真建图，存图，加载地图
本文主要分享cartographer的安装，并基于上一篇博客中《机器人开发实践》的编译源码仿真机器人，实现仿真建图。在本系列博客下一篇将继续分享实际项目中RoboSense16线雷达基于cartographer的建图历程。一. cartographer的安装安装过程可参考该博客二. cartogra
机器学习：朴素贝叶斯算法与垃圾邮件过滤
贝叶斯算法是由英国数学家托马斯·贝叶斯提出的，这个算法的提出是为了解决“逆向概率”的问题。正向概率：假设一个箱子里有5个黄色球和5个白色球，随机从箱子里拿出一个球，请问取出的是黄球的概率是多少？很容易计算P（黄球）= N（黄球）/N（黄球）+ N（白球） = 5/5+5 = 1/2。逆向概率：起初我
道听途说：Cadence与Synopsys后端工具非正规比较
为了简单起见，Cadence简称C，Synopsys简称S。C在数字EDA领域长期处于二流角色，被S压着打，当然，他也有拿手的，在模拟领域，占据霸主地位。最近数年，为了应对新工艺的要求，两...
常用的医学图像分割评价指标
记录用于医学图像分割的一系列评价指标！
yolov3源码逐行详解（3.0版本）
次看主文件，在进入主函数中逐行调试，进而对代码全局有个了解。接下来就是主文件，train.py训练文件、test.py测试文件（用于训练中每个epoch的测试）、models.py模型文件、detect.py预测文件、requirements.txt其中是项目需要的环境配置。版本，主要是因为其中使用
ORB-SLAM稠密点云地图构建（黑白+彩色）
普通的vslam算法都是生成稀疏点云地图，而部分场景下需要更为直观的稠密点云，
如何使用卡尔曼滤波（Kalman Filtering）实现对物体运动轨迹的预测？（附源码）
OpenCV杂谈_13一. 什么是卡尔曼滤波？它的用途又是什么？以及它有什么拓展？卡尔曼滤波（Kalman filtering, KF）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列中预测出
OpenAI最重要的模型【CLIP】
CLIP 代表 Contrastive Language-Image Pretraining：CLIP 是一个开源、多模态、零样本模型。给定图像和文本描述，该模型可以预测与该图像最相关的文本描述，而无需针对特定任务进行优化。开源：该模型由 OpenAI 创建并开源。稍后我们将看到有关如何使用它的编程
