基于深度学习的三维重建（一）：三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
分享15个全球顶尖的AIGC图片生成平台
人工智能正在改变许多行业的格局，而其中改变最直观和影响最大的就是AIGC领域的图像创作。发展至今已经有很多AI图像生成平台，他们的共同特点就是使用人工智能将文本转换为图像，这是一次革命性的突破，也就是说通过这些AI工具可以在几秒钟内将文字转换成更具可视化表示的图片。那么，就目前而已有那些AI生成图片
数据推荐 | 手势识别训练数据集
多样化，有按键、语音等，也由于整个疫情的大环境下，一种更方便更卫生更符合人们的非接触式交互方式—手势识别正大步发展，极富图像化和具备行动性的手势操作将会与人们的生活息息相关。该数据集采集通用静态手势数据，用于人机交互。从手势种类来看，包含日常人机交互等50种常用的动态手势，具体包括手指滑动，手掌滑
OpenCV获取网络摄像头实时视频流
双码流能实现本地和远程传输的两种不同的带宽码流需求，本地传输可以用主码流，能获得更清晰的存储录像，远程传输就因为带宽限制的原因，而使用子码流来获得流畅的图像和录像。，所以处理办法就是自己写两个不同的线程单独去处理接收每一帧的图像，然后另一个线程处理这每一帧的图像。但是直接按上面的方法来读取视频，会出
Linux--无进程却显示占用显存，GPU显存释放方法
程序结束掉，但GPU显存没有释放。
YOLOv5源码逐行超详细注释与解读（5）——配置文件yolov5s.yaml
全网最详细的YOLOv5源码解读之配置文件yaml。逐行注释，逐句讲解，一文带你了解yaml。小白必看！
ChatGPT应用场景与工具推荐
本文会简单介绍ChatGPT的特点、局限以及存在的问题，相信随着科技的发展，ChatGPT功能会越来越强大，也会有更多类似ChatGPT的大模型出现服务用户。以下所有介绍及其演示均基于2023年3月的ChatGPT进行。
憨批的语义分割重制版11——Keras 搭建自己的HRNetV2语义分割平台
最近学了一下HRnet，代码真的好难看懂，还只有Pytorch版本的，Keras复现很有难度，作者写的逻辑很厉害，只能慢慢攻破啦！传统的卷积神经网络模型是自上而下不断进行特征提取的，如VGG、Mobilenet、Resnet系列等，VGG网络中存在5个步长为(2, 2)最大池化，Mobilenet网
改进YOLO系列 | YOLOv5 更换骨干网络之 ConvNeXt
YOLOv5 更换骨干网络之 ConvNeXt
使用c++onnxruntime部署yolov5模型并使用CUDA加速（超详细）
接到一个项目，需要用c++和单片机通信，还要使用yolo模型来做到目标检测的任务，但目前网上的各种博客并没有完整的流程教程，让我在部署过程费了不少劲，也踩了不少坑（甚至一度把ubuntu干黑屏）。于是想把训练及部署过程记录下来，并留给后来者方便使用。（博主使用的系统是ubuntu20.04）
支持CUDA运算的显卡算力表
GPUs supportedSupported CUDA level of GPU and card.AdaLovelace参考：https://en.wikipedia.org/wiki/CUDA
ImageNet数据集 & 下载
ImageNet官网：http://image-net.org/ImageNet 由斯坦福李飞飞教授带领创建，ImageNet 本身有2万多个的类别，超过 1400 万张图片，其中超过 100 万张图片有明确类别标注和物体位置标注。ImageNet 按照 WordNet 层级结构组织数据，首先介绍一
YOLOv5源码逐行超详细注释与解读（4）——验证部分val（test）.py
全网最详细的YOLO源码解读之验证部分val.py。全文近5万字，代码逐行注释，逐段精讲！小白0基础必看！
老师，不干了，被偷家了，SAM分割任何事物模型，0样本分割了我研究一个月的数据
简介Segment Anything Model
Chat GPT国内懒人专用版（基于镜像网站开发使用）
小伙伴们肯定都知道沸沸扬扬的Chat GPT（全名：Chat Generative Pre-trained Transformer），美国Open AI研发的聊天机器人程序 ，于去年11月30日发布。ChatGPT是人工智能技术驱动的工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上
改进YOLO系列 | GhostNetV2: 用长距离注意力增强低成本运算 | 更换骨干网络之GhostNetV2
注意力增强了扩展特征，以提高表现能力。块是一个反向残差瓶颈，包含两个。
【2】YOLOv8原理解析：重新定义实时目标检测的速度和精度
YOLOv8原理解析！
深度学习环境配置(pytorch版本)----超级无敌详细版（有手就行）
全体目光向我看齐，我宣布个事：看完这个，妈妈再也不用担心我不会配置深度学习环境了！！！
NILM非侵入式负荷识别（papers with code、data）带代码的论文整理——(论文及实现代码篇) 全网最全
非侵入式负荷识别（NILM,non-intrusive load monitoring）领域的深度学习论文及代码实现，全网最全。
