yolov7训练自己的数据集及报错处理
yolov7训练自己的数据集及报错处理，其实和yolov5差不太多
Pytorch实战100例-第6天：好莱坞明星识别
本文为内部限免文章，参考本文所写记录性文章，请在文章开头注明以下内容，复制粘贴即可。
【Python】CUDA11.6安装PyTorch三件套
安装PyTorch
改进YOLOv5系列：9.BoTNet Transformer结构的修改
目标检测小白科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
一文通俗入门·脉冲神经网络(SNN)·第三代神经网络
一文通俗入门脉冲神经网络(snn)动力学方程，前向传播过程，学习算法，脉冲编码方式
ECCV2022论文列表（中英对照）
ECCV2022论文列表（中英对照）
yolov5修改标签和检测框显示
yolov5修改标签，检测框，文本框的大小，颜色等参数的修改，以及隐藏。
电气领域相关数据集（目标检测，分类图像数据及负荷预测），输电线路图像数据
电气相关图像数据集集及负荷数据集如下（包含缺陷检测与分类）：1.输电线路巡检鸟巢检测图像数据集（含标签）下载地址：输电线路鸟巢检测图像数据集下载地址2.输电线路相关电力金具检测图像数据集下载地址：输电线路相关电力金具检测图像数据集3.某用户两年电表电压电流数据下载地址：某用户两年电表电压电流数据4.
用python从身份证中提取生日信息（切片计算）
'''功能：从身份证号码获取生日作者：文雅兰日期：2021年11月25日'''import reregx = '^([1-6][1-9]|50)\d{4}(18|19|20)\d{2}((0[1-9])|10|11|12)(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]$
常见经典目标检测算法
目标检测(Object Dectection)的任务是图像中所有感兴趣的目标（物体），确定他们的类别和位置。除图像分类外，目标检测要解决的核心问题是：
NeurIPS2022 | SegNeXt，重新思考卷积注意力设计
在本文中，作者分析了以前成功的分割模型，并找到了它们所拥有的良好特征。基于这些发现，作者提出了一个定制的卷积注意力模块 MSCA 和一个 CNN 风格的网络 SegNeXt。实验结果表明，SegNeXt 在相当大的程度上超越了当前最先进的基于Transformer的方法。最近，基于Transform
Yolov5添加注意力机制
1、先把注意力结构代码放到common.py文件中，以SE举例，将这段代码粘贴到common.py文件中2、找到yolo.py文件里的parse_model函数，将类名加入进去3、修改配置文件（我这里拿yolov5s.yaml举例子），将注意力层加到你想加入的位置；常用的一般是添加到backbone
常见的图像质量评估指标SSIM、PSNR、LPIPS
现阶段针对有真实参考的图像生成任务，主要有三种评价指标，分别为两种人为设计的指标SSIM和PSNR，也包括深度学习网络抽取到的特征进行对比的LPIPS评价指标。
几种常见的归一化方法
关于归一化的一些理解！！
【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构
YOLOv5、YOLOX、YOLOv6、YOLOv7模型结构图
图像恢复 SWinIR : 彻底理解论文和源代码 (注释详尽）
文章目录SwinIR 论文SWinIR 网络结构整体框架浅层特征提取深层特征提取图像重建模块主要代码理解SwinIRMLPPatch EmbeddingWindow Attention残差 Swin Transformer 块 (RSTB)HQ Image Reconstruction一个测试实例参
【YOLOv7_0.1】网络结构与源码解析
对YOLOv7_0.1版本的整体网络结构及各个组件，结合源码和train文件夹中的配置文件进行解析
深度学习常见名词概念：Sota、Benchmark、Baseline、端到端模型、迁移学习等的定义
深度学习：Sota的定义sota实际上就是State of the arts 的缩写，指的是在某一个领域做的Performance最好的model，一般就是指在一些benchmark的数据集上跑分非常高的那些模型。
OpenCV安装配置教程VS2022（超级顺利）
博主最开始没打算写这篇博客，只是想简单的在网上找一下最新版的OpenCV的安装配置教程，适用于VS2022的，但是我搜了一早上，也没搜到一个能让我成功安装配置的，看了很多很多文章，根本就没有几篇有用的。所以没办法了，只能自己研究了，于是就整理了这篇博客，希望能帮到和我一样的人，这就是博主一直信奉的利
手把手调参最新 YOLOv7 模型 训练部分 - 最新版本（二）
YOLO科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
