目标检测算法——收藏|小目标检测难点分析（二）
目标检测算法——收藏|小目标检测难点分析（二）。可利用特征少无论是从基于绝对尺度还是基于相对尺度的定义，小目标相对于大/中尺度尺寸目标都存在分辨率低的问题。低分辨率的小目标可视化信息少，难以提取到具有鉴别力的特征，并且极易受到环境因素的干扰，进而导致了检测模型难以精准定位和识别小目标。
黑马学成在线--项目环境搭建
本项目包括了用户端、机构端、运营端。核心模块包括：内容管理、媒资管理、课程搜索、订单支付、选课管理、认证授权等。下图是项目的功能模块图：本项目采用前后端分离架构，后端采用SpringBoot、SpringCloud技术栈开发，数据库使用了MySQL，还使用的Redis、消息队列、分布式文件系统、El
机器学习实战教程汇总(十三篇)
机器学习实战教程（一）：K-近邻算法（史诗级干货长文）https://cuijiahua.com/blog/2017/11/ml_1_knn.html机器学习实战教程（二）：决策树基础篇之让我们从相亲说起https://cuijiahua.com/blog/2017/11/ml_2_decision
C++ OpenCV相机标定---实心圆点、棋盘格
在相机标定中，采用二维靶标标定主要分为两种方式：棋盘格标定、实心圆点标定板实心圆点标定板又分为对称型和非对称型，本文主要探讨对称型。
端到端模型（end-to-end）与非端到端模型
端到端模型（end-to-end）与非端到端模型，pipeline，序列到序列
使用网上服务器（AutoDL）训练模型
租服务器（AutoDL）训练网络模型
【OpenCV--边缘检测】
Sobel边缘检测算法相对简单，实际应用时效率比canny要高，但是没有其精确，Sobel算子是高斯平滑和微分操作的结合体，其抗噪声能力强，当对效率要求较高，而对细纹理不太关心时，普遍应用Sobel算子。1>基于搜索：通过寻找图像一阶导数中最大值来检测边界利用计算结果估计边缘局部方向，通常采用梯度方
xFormers安装使用
xFormers是一个模块化和可编程的Transformer建模库，可以加速图像的生成。这种优化仅适用于nvidia gpus，它加快了图像生成，并降低了vram的使用量，而成本产生了非确定性的结果。下载地址：启用xformers对大图及以上有极为巨大的性能提升，极大幅度降低显存占用，并且有很大可能
Python NLP自然语言处理详解
在这个大数据时代，几乎所有事物都能用数据描述。数据可以大致分为三类。第一类是用于传播的媒体数据，如图片、音频、视频等。这类数据一般不需要做处理，只需要存储和读取。第二类是数字类数据，其价值很高。因为数字是有一定规律的，从已有数字中发现的规律可以用于预测未来的数据。这也是传统大数据处理与分析的主要方面
小样本学习
给定两张图片 a 和 b，如果两张图片越相似，则 sim (a, b) 的值越大。在小样本学习问题中，Support Set中每一类往往只有少数几个样本，单单依靠这些样本，不可能训练出一个深度神经网络，甚至无法采用迁移学习中的Pretraining+Fine Tuning方法。将Query图片和Su
人工智能时代，有哪些新的职业机会？
人工智能技术的发展和应用对社会产生的影响非常大，尤其是近期接连而来ChatGPT，GPT4，让很多圈外人都对人工智能产生了更大的兴趣，人工智能技术带给我们方便的同时，也带给了我们焦虑，大家都在思考一个问题，我们会被人工智能替代吗？我们未来还能找到工作吗？
众人围剿，GTP-5招惹了谁
3月29日，马斯克、苹果联合创始人 Steve Wozniak、Stability AI创始人 Emad Mostaque 等上千名科技大佬和AI专家签署公开信，呼吁暂停训练比 GPT-4 更强大的 AI 系统，为期6个月。
半小时用ChatGPT构建你的虚拟形象
大家好，欢迎来到我的频道，今天我来教大家如何用ChatGPT创建一个虚拟形象，如下图和视频所示。
卷积 - 3. 分组卷积 详解
1. 起源分组卷积(Group Convolution) 起源于2012年的AlexNet - 《ImageNet Classification with Deep Convolutional Neural Networks》。由于当时硬件资源的限制，因为作者将Feature Maps分给多个GPU
涨点技巧：注意力机制---Yolov5/Yolov7引入CBAM、GAM、Resnet_CBAM
注意力机制全家桶系列之引入CBAM和GAM到yolo，结合通道和空间的注意力机制模块取得了涨点
异常检测&动态阈值
异常检测&动态阈值
深度学习分析NASA电池数据（1 数据读取）
利用深度学习NASA电池数据进行分析
如何使用evo工具评估LeGO-LOAM跑KITTI数据集的结果
如何使用evo工具评估LeGO-LOAM跑KITTI数据集的结果下载KITTI数据集安装kitti2bag修改LeGO-LOAM代码utility.himageProjection.cpptransformFusion.cpp安装evo最终结果下载KITTI数据集官方链接：KITTI官网我们只用得到
【Tensorflow深度学习】实现手写字体识别、预测实战（附源码和数据集 超详细）
【Tensorflow深度学习】实现手写字体识别、预测实战（附源码和数据集 超详细）
Jetson NX + yolov5 v5.0 + TensorRT加速+调用usb摄像头
TRT] Parameter check failed at: ../builder/Network.cpp::addScale::482, condition: shift.coun上一篇,测试效果如下本篇文章具体操作步骤如下就可以了，切记版本要对应 ，我产生这个错误的原因就是版本问题，成功转换但
