Transformer前沿——语义分割
Transformer在语义分割领域的发展
NeRF 源码分析解读（一）
对 pytorch 版本的 NeRF 代码进行解析注释
GPU版本PyTorch详细安装教程
注意：30系列的的显卡暂时不支持cuda11以下版本！！！一、安装显卡驱动第一步：右击右下角开始，在设备管理器中查看计算机显卡型号，例如我的显卡是GTX1050：第二步：进入英伟达官网，下载对应显卡驱动：官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/inde
图像超分综述:超长文一网打尽图像超分的前世今生 (附核心代码)
图像超分的目的是提高图像的分辨率，同时丰富图像的纹理细节。本文总结整理在图像超分领域经典算法的创新点以及意义，同时指出当下图像超分的困境和未来，欢迎大家前来阅读收藏。本文全部观点受个人能力水平限制如有偏差还请指正。...
李沐《动手学深度学习》d2l——安装和使用
今天想要跟着沐神学习一下循环神经网络，在跑代码的时候，d2l出现了问题，这里记录一下解决的过程，方便以后查阅。
YOLOv5、YOLOX、YOLOv6的分析与比较
简单分析了近些年YOLO系列的进步和发展方向
损失函数 | BCE Loss（Binary CrossEntropy Loss）
BCE（Binary CrossEntropy）损失函数图像二分类问题--->多标签分类Sigmoid和Softmax的本质及其相应的损失函数和任务多标签分类任务的损失函数BCEPytorch的BCE代码和示例总结图像二分类问题—>多标签分类二分类是每个AI初学者接触的问题，例如猫狗分类
DQN（deep Q-network）算法简述
基本概念；进阶技巧；连续动作的场景
视觉SLAM总结——SuperPoint / SuperGlue
视觉SLAM总结——super pixel/super clue/super map
YOLO算法之YOLOv5
目录一、什么是YOLOv5？一、什么是YOLOv5？参考学习：了解YOLO: https://baijiahao.baidu.com/s?id=1664853943386329436&wfr=spider&for=pc https://zhuanlan.zhihu.com/p/
YOLOv7训练自己的数据集(超详细）
官方版本的YOLOv7训练自己的数据集
如何看待第三代神经网络SNN？详解脉冲神经网络的架构原理、数据集和训练方法 原创
SNN详解：架构原理、数据集和训练方法
代理模型介绍大全
代理模型通常是指在优化设计中可替代比较复杂和费时的数值分析的近似数学模型，也可称为响应面模型或者是近似模型，比如飞行器的优化设计，就是典型的复杂和费时。此外在做优化设计时，难免会碰见一些难以用直观的函数表达式去表达目标函数，这时也可用代理模型来替代目标函数。使用代理模型可以极大的提高优化设计效率以及
YOLOv5改进之十五：网络轻量化方法深度可分离卷积
前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效
计算机视觉方面的三大顶级会议：ICCV,CVPR,ECCV（统称ICE）
ICCV/CVPR/ECCV
Yolov5训练自己的数据集（超详细）
一、从官网下载最新的yolov5代码二、新建VOCData文件夹三、VOCData文件夹结构1、新建Annotations文件夹，存放标签简单的xml文件，应该长这样复杂的xml文件，应该长这个样子2、新建images文件夹，存放图片数据注意：需要观察自己的图片文件的后缀名，后面需要用到，不然可能出
pytorch的下载解决方案（下载出错、下载过慢问题）
第一次下载pytorch往往会出现一些问题，比如不知道如何下载，或者下载过慢等问题，由此本文给出以下解决放方案，并给出图示解决。
物理信息神经网络PINNs : Physics Informed Neural Networks 详解
本博客主要分为两部分：1、PINN模型论文解读2、PINN模型相关总结一、PINN模型论文解读1、摘要：基于物理信息的神经网络（Physics-informed Neural Network， 简称PINN），是一类用于解决有监督学习任务的神经网络，同时尊重由一般非线性偏微分方程描述的任何给定的物理
递归门控卷积HorNet（gn_conv）阅读笔记
HorNet: Efficient High-Order Spatial Interactions with Recursive Gated Convolutions ECCV2022程序视觉 Transformers 的最新进展在基于点积 self-attention 的新空间建模机制驱动的各种
基于深度学习的图像超分辨率——综述
基于深度学习的图像超分辨率重建
