浅谈CVPR2022的几个研究热点
CVPR2022刚刚结束，作为影响力最广的视觉盛会，今年又有一批优秀的工作被展示出来。相信关注视觉最新研究进展的各位小伙伴，已经磨拳擦掌，准备向CVPR2023投稿了。基于今年的工作，到底哪些领域是CVPR关注的热点？哪些领域的工作，接受度更高，oral的比例更大呢？基于CVPR官方最新的统计信息，
浅谈VMD---变分模态分解
很多场景下，我们需要将信号进行分解，为我们下一步操作提供方便，常用的分解方法可以有EMD族类，例如EMD、EEMD、FEEMD、CEEMDAN、ICEEMDAN等，当然也有小波分解、经验小波分解等，总之分解方式多种多样，根据样本的特点，选用不同的分解方式。这里简要介绍VMD分解。 Konstant
目标检测2022最新进展
文章目录前言Swim Transformer V2Swin TransformerDynamic HeadYOLOFYOLORYOLOXScaled-YOLOv4Scale-Aware Trident NetworksDETRDynamic R-CNN前言之前目标检测综述一文中详细介绍了目标检测相关
手部21个关键点检测+手势识别-[MediaPipe]
MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架，可以直接调用其API完成目标检测、人脸检测以及关键点检测等。本篇文章介绍其手部21个关键点检测(win10，python版)MediaPipe官网：https://github.com/google
动手学深度学习（五十）——多头注意力机制
文章目录1. 为什么用多头注意力机制2. 什么是多头注意力机制3. 多头注意力机制模型和理论计算4. 动手实现多头注意力机制层小结练习1. 为什么用多头注意力机制所谓自注意力机制就是通过某种运算来直接计算得到句子在编码过程中每个位置上的注意力权重；然后再以权重和的形式来计算得到整个句子的隐含向量表示
Diffusion models代码实战：从零搭建自己的扩散模型
这个系列曾经写过三篇文章专门讲代码，分别从数据集、超参数、loss设计、参数计算、Unet结构、正向过程、逆向过程等部分详细介绍了如何搭建DDPM。Diffusion models领域发展神速，最近半年代表作品有OpenAI的GLIDE、DALL-E 2，Google Brain的ImageGen，
GNN的理解与研究
GNN理解
AlexNet模型及代码详解
Alex在2012年提出的alexnet网络结构模型引爆了神经网络的应用热潮，并赢得了2012届图像识别大赛的冠军，使得CNN成为在图像分类上的核心算法模型。该网络的亮点在于：（1）首次使用了GPU进行网络加速训练。（2）使用了ReLU激活函数，而不是传统的Sigmoid激活函数以及Tanh激活函数
PointPillars论文解析和OpenPCDet代码解析
PointPillars是一个来自工业界的模型，整体思想基于图片的处理框架，直接将点云划分为一个个的Pillar，从而构成了伪图片的数据。速度和精度都达到了一个很好的平衡本文将会以OpenPCDet为代码基础，详细解析PointPillars的代码实现流程...
深度学习系列37：CLIP模型
含义：CLIP（Contrastive Language-Image Pre-training）git地址：https://github.com/openai/CLIPpaper：https://arxiv.org/abs/2103.00020安装：pip install git+https://g
Disco Diffusion 快速入门
Disco Diffusion（DD）是一个CLIP指导的AI图像生成技术，简单来说，Diffusion是一个对图像不断去噪的过程，而CLIP模型负责对图像的文本描。
Bilateral Filters（双边滤波算法）的超简单原理，学不会你打我。
摘要：双边滤波(Bilateral Filters)是非常常用的一种滤波，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布。最重要的是，双边滤波的权重不仅考虑了像素的欧氏距离（如普通的高斯
Pytorch ----注意力机制与自注意力机制的代码详解与使用
注意力机制的核心重点就是让网络关注到它更需要关注的地方 。当我们使用卷积神经网络去处理图片的时候， 我们会更希望卷积神经网络去注意应该注意的地方，而不是什么都关注 ，我们不可能手动去调节需要注意的地方，这个时候，如何让卷积神经网络去自适应的注意重要的物体变得极为重要。注意力机制 就是实现网络自适应注
MoCo代码分析 [自监督学习]
关键词：MoCo 源码分析。
计算机视觉项目实战-目标检测与识别
本此博客我们简单的介绍一下目标检测与识别，我们从头开始介绍，从最简单的然后逐渐的走进项目。首先我们介绍使用深度学习和CV去做一个简单的目标识别项目。
R语言|plot和par函数绘图详解，绘图区域设置 颜色设置 绘图后修改及图像输出
如果bty的值为”o”（默认值）、”l”、”7”、”c”、”u”或者”]”中的任意一个，对应的边框类型就和该字母的形状相似，如果bty的值为”n”，表示无边框。R语言绘图讲解
机器学习中的七种分类算法
Spike-and-slab priors(SSP)：尖峰和平板先验
SE注意力机制
SE注意力机制虽然基础，但是非常好用，也是应用最广泛的注意力机制之一，在此记录学习
自动驾驶入门必须要学会的ADAS（详解）
ADS分类详解
