教你用300行Python代码实现一个人脸识别系统
最近又多了不少朋友关注，先在这里谢谢大家。今天我们来python实现一个人脸识别系统，主要是借助了dlib这个库，相当于我们直接调用现成的库来进行人脸识别，就省去了之前教程中的数据收集和模型训练的步骤了。
【人工智能】MindSpore Hub
【人工智能】MindSpore Hub
Stable Diffusion搭建全过程记录，生成自己的专属艺术照
项目开发领导者有两位，分别是 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser，和慕尼黑大学机器视觉学习组的 Robin Romabach。这个项目的技术基础主要来自于这两位开发者之前在计算机视觉大会 CVPR22 上合作发表的潜伏扩散模型 (Latent Diffusion
Unity Rain Ai 插件的使用入门
利用Rain在Unity开发中完成基本的路径导航、障碍物规避、AI角色的视觉和听觉功能
当下最强的 AI art 生成模型 Stable Diffusion 最全面介绍
目录模型生成效果展示（prompt 全公开）如何注册 Stable Diffusion 使用SD（dreamstudio.ai ）的收费标注如何SD 提供哪些参数可以设置如何使用种子来改进一张作品我用 SD 创作的图片著作权如何归属，可以拿来商用吗？Stable Diffusion 背后的研发团队S
Attentional Feature Fusion 注意力特征融合
看到一篇比较不错的特征融合方法，基于注意力机制的 AAF ，与此前的 SENet、SKNet 等很相似，但 AFF性能优于它们，并且适用于更广泛的场景，包括短和长跳连接以及在 Inception层内引起的特征融合。AFF是由南航提出的注意力特征融合，即插即用！
[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现
[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现1、Convolutional Block Attention Module2、CBAM 详解Channel Attention ModuleSpatial Attention Module3、CBAM 复现简称 ``CBAM``，2018年
yolov7 网络架构深度解析
yolov7网络结构深度解析
深度强化学习-DDPG算法原理与代码
引言Deep Deterministic Policy Gradient (DDPG)算法是DeepMind团队提出的一种专门用于解决连续控制问题的离线式(off-line)深度强化学习算法，它其实本质上借鉴了Deep Q-Network (DQN)算法里面的一些思想。本文就带领大家了解一下这个算法
机器学习中的数据预处理方法与步骤
机器学习预处理详细方法
【YOLOv5-6.x】设置可学习权重结合BiFPN（Add操作）
文章目录前言修改common.py修改yolo.pyyolov5s-bifpn.yaml测试结果References前言在之前的这篇博客中，简要介绍了BiFPN的原理，以及YOLOv5作者如何结合BiFPN：【魔改YOLOv5-6.x（中）】：加入ACON激活函数、CBAM和CA注意力机制、加权双向
【CUDA安装详细教程】
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
在CPU上跑yolov5（详细步骤+适合入门）
非常详细的步骤，适合新手，不要一天就可以跑通！
Yolov5网络修改教程（将backbone修改为EfficientNet、MobileNet3、RegNet等）
在我的本科毕业论文中，我使用了Yolov5，并尝试对其更改。可以对Yolov5进行一定程度的定制化修改，例如更轻量级的Yolov5-MobileNetv3 或者比Yolov5s更好的（存疑，没有跑过大数据集，可自己实验）Yolov5-EfficientNet。......
窗函数的介绍以及画出常见窗函数（汉宁窗，矩形窗，汉明窗，布莱克曼窗）的时域图和频谱图
窗函数的介绍以及画出常见窗函数（汉宁窗，矩形窗，汉明窗，布莱克曼窗）的时域图和频谱图
SwinUnet官方代码训练自己数据集（单通道灰度图像的分割）
官方Swin-Unet代码训练自己的数据集
最新版YOLOv6训练自己的数据集（超详细完整版！）
接着上篇文章继续写，本篇文章讲如何训练自己的数据集。从官网下载YOLOv6源码：meituan/YOLOv6: YOLOv6: a single-stage object detection framework dedicated to industrial applications. (githu
R-CNN史上最全讲解
R-CNN史上最全讲解
Google Colab 无敌详细使用教程
目录什么是Google Colab谷歌云盘（Google Driver）一、使用Colab进行训练1.数据集的上传2、预训练权重的上传3.深度学习网络的上传二、打开Colab并配置环境1、笔记本的创建2、环境的简单配置3、深度学习网络的下载4、数据集的复制与解压5、保存路径设置三、开始训练1、标注文
Python绘制loss曲线、准确率曲线
使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制我们首先要得
