图像风格迁移
风格迁移指的是两个不同域中图像的转换，具体来说就是提供一张风格图像，将任意一张图像转化为这个风格，并尽可能保留原图像的内容
标签平滑（Label Smoothing）详解
标签平滑（Label smoothing），像L1、L2和dropout一样，是机器学习领域的一种正则化方法，通常用于分类问题，目的是防止模型在训练时过于自信地预测标签，改善泛化能力差的问题。
Stata:中介效应理论及sgmediation命令做sobel检验
中介作用的检验模型可以用以下路径图来描述：方程(1)的系数c 为自变量X对因变量Y的总效应；方程(2)的系数a为自变量X对中介变量M的效应；方程(3)的系数b是在控制了自变量X的影响后，中介变量M对因变量Y的效应；方程(3)的系数c′是在控制了中介变量M 的影响后，自变量X对因变量Y的直接效应；系数
傅里叶级数、狄利克雷收敛定理、周期延拓
傅里叶级数狄利克雷收敛定理
openpose的一些个人理解
一直都是在做一些目标检测的研究工作，近期开始看一些有关姿态检测的内容，其中最经典的就是openpose这个框架，后面很多动作识别、姿态检测也大多是在该网络上进行改进，比如Real-time 2D Multi-Person Pose Estimation on CPU 这篇论文，在原OpenPose基
深度学习模型部署全流程-模型部署
基于NCNN的模型部署
Lasso回归系列四：Group Lasso，Sparse Group Lasso
Lasso变体：Group Lasso，Sparse Group Lasso
Attention UNet
Attention UNet论文解析 - 知乎Attention UNet论文地址： https://arxiv.org/pdf/1804.03999.pdf 代码地址： https://github.com/ozan-oktay/Attention-Gated-NetworksAttention
GAN评价指标代码(FID、LPIPS、MS-SSIM)
GAN评价指标代码(FID、LPIPS、MS-SSIM写在前面FIDLPIPSMS-SSIM写在后面写在前面科研(毕业)需要，对GAN生成的图片要做定量评价，因此总结一些自己要用到的一些评价指标。FID官方链接：https://github.com/mseitzer/pytorch-fid步骤：（1
使用文心大模型ERNIE-ViLG生成图片
文心ERNIE-ViLG参数规模达到100亿，是目前为止全球最大规模中文跨模态生成模型，在文本生成图像、图像描述等跨模态生成任务上效果全球领先，在图文生成领域等数据集上取得最好效果。你可以输入一段文本描述以及生成风格，模型就会根据输入的内容自动创作出符合要求的图像。
[深度学习] fast-reid入门教程
fast-reid入门教程ReID，全拼为Re-identification，目的是利用各种智能算法在图像数据库中找到与要搜索的目标相似的对象。ReID是图像检索的一个子任务，本质上是图像检索而不是图像分类。fast-reid是一个强悍的目标重识别Reid开源库，由京东开源管理。本文主要是介绍fas
信号处理中简单实用的方法——消除趋势项
信号处理中简单实用的方法——消除趋势项
ChatGPT史上最强AI，即将取代人类？
ChatGPT这款AI聊天机器人，最近越来越火，并且这个火的势头，经久不衰。
震撼，支持多模态模型的ChatGPT 4.0发布了
给几张论文的照片，GPT-4可以做总结，也可以对用户指定的图片的内容进行展开解释。
Paddlenlp之UIE关系抽取模型【高管关系抽取为例】
本项目将演示如何通过小样本样本进行模型微调，完成关系抽取。马云浙江省杭州市人,阿里巴巴集团主要创始人之一。现任阿里巴巴集团主席和首席执行官,他是《福布斯》杂志创办50多年来成为封面人物的首位大陆企业家，曾获选为未来全球领袖。任正非是中国大陆的民营电信设备企业一-华为公司的创始人兼总裁。他关于企业“危
PyTorch深度学习实战 | 基于ResNet的人脸关键点检测
人脸关键点检测指的是用于标定人脸五官和轮廓位置的一系列特征点的检测，是对于人脸形状的稀疏表示。关键点的精确定位可以为后续应用提供十分丰富的信息。因此，人脸关键点检测是人脸分析领域的基础技术之一。许多应用场景(如人脸识别、人脸三维重塑、表情分析等)均将人脸关键点检测作为其前序步骤来实现。本文将通过深度
【K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练
本文着重于如何使用K210拍摄图片，并将图片上传到MaixHub平台进行模型训练。补充一下一些经验心得，比如一些训练参数的设置。
2022数学建模国赛C题思路分析
2022国赛数学建模C题思路分析
最全ROS 入门
由浅入深，一文讲清ROS
Easy Deep Learning——卷积层
由于卷积核尺寸可以远远小于输入尺寸，即减少需要学习的参数的数量，并且针对每个卷积层可以使用多个卷积核获取输入的特征映射，对数据(尤其是图像)具有很强的特征提取和表示能力，并且在卷积运算之后，使得卷积神经网络结构对输入的图像具有平移不变的性质。下面使用一张图像来展示经过卷积后，输出的特征映射的结果。在
