超详细！手把手带你轻松用 MMSegmentation 跑语义分割数据集
本文主要讲解了数据集相关的内容，包括目前学术界主流的语义分割数据集在 MMSegmentation中的实现，以及如何用 MMSegmentation 跑自己的数据集。希望可以帮助大家快速上手使用 MMSegmentation 代码库进行实验。.........
多模态特征融合：图像、语音、文本如何转为特征向量并进行分类
学习多模态的话题可以从深度学习的分类任务出发，因为分类任务是最直观的可以观察到不同模态的数据，通过输入数据到模型中，我们可以看到模型是如何学习到数据的特征向量的，同时分类任务的模型也是实现更复杂任务模型的基础。从分类任务中可以了解到图像、文本、语音在模型的特征向量是什么。以飞浆的多模态视频分类模型为
YOLOv7全文翻译
YOLOv7全文翻译，CVPR2022：YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
yolov5 loss函数理解
不同于IOU匹配，yolov5采用基于宽高比例的匹配策略，GT的宽高与anchors的宽高对应相除得到ratio1，anchors的宽高与GT的宽高对应相除得到ratio2，取ratio1和ratio2的最大值作为最后的宽高比，该宽高比和设定阈值（默认为4）比较，小于设定阈值的anchor则为匹配到
深度学习模型C++部署TensorRT
如何最简单的在无CUDA环境的机器上利用Tensorrt部署深度学习模型。
【魔改YOLOv5-6.x（4）】结合EIoU、Alpha-IoU损失函数
文章目录前言EIoU论文简介加入YOLOv5Alpha-IoU论文简介加入YOLOv5References前言本文使用的YOLOv5版本为v6.1，对YOLOv5-6.x网络结构还不熟悉的同学，可以移步至：【YOLOv5-6.x】网络模型&源码解析想要尝试改进YOLOv5-6.1的同学，可以
yolov7配置与训练记录(二)
yolov7配置与训练记录(一) 已经完成了环境的配置,下面开始文件内部的操作yolov7官方下载地址为1 将下载好的预训练权重放在内需要在yolov7中新建weights文件夹(也是为了方便管理权重文件)如果未报错,则说明成功需要在yolov7中新建datasets文件夹(也是为了方便管理训练数据
Multihead Attention - 多头注意力
多头注意力的基本概念及实现
深度学习训练营之yolov5训练自己的数据集
这个yolov5的训练总算是弄出来了,期间遇到了很多的报错,不过也算是学到了许多
Flask深度学习模型服务端部署
1、Flask框架简介Flask是一个使用Python编写的轻量级Web应用框架，可扩展性很强，相较于Django框架，灵活度很高，开发成本底。它仅仅实现了Web应用的核心功能，Flask由两个主要依赖组成，提供路由、调试、Web服务器网关接口的Werkzeug 实现的和模板语言依赖的jinja2，
浅析Swin transformer模型(通俗易懂版)
对于最近新出的Swin Transformer的系统学习，包括模型的基本结构、参数介绍、计算过程等详细介绍，全面了解该模型，文中包含相关代码和论文下载连接。
基于RGB-D图像的多模态特征融合
几种融合介绍
计算机领域各大顶会顶刊集合梳理
每一个领域内，都有很多优秀的、认可度高的会议或者期刊。其他领域不太了解，但一般用SCI一区，二区等来区分论文质量。对于计算机领域而言，一般的分类方式是CCF评级，从A到C含金量依次降低。为了更好地关注计算机各个相关领域的最新技术、学术动态，今天梳理一下计算机领域内的顶会顶刊。会议会议论文指的是以被会
Colossal-AI的安装
是一个集成的大规模深度学习系统，具有高效的并行化技术。最近在学习stable diffusion model,但是这个模型成本比较高，作为低端学习者，借助colossal-ai加速训练，即能满足显卡要求又能节约时间。下载并解压缩，进入ColossalAI/ -> examples/ -> tutor
搭建自己的语义分割平台deeplabV3+
搭建deeplabV3+网络 数据准备 源码修改 训练 测试
详细且通俗讲解轻量级神经网络——MobileNets【V1、V2、V3】
文章目录轻量级神经网络——MobileNetsMobileNetV1深度可分离卷积1、**深度卷积**✨✨✨2、**逐点卷积**✨✨✨参数量和计算量1、**标准卷积**2、**深度可分离卷积**✨✨✨MobileNetV1的网络结构及效果MobileNetV2Linear Bottlenecks✨✨
21世纪20年代的ConvNet——ConvNeXt
基于论文《21世纪20年代的ConvNeXt》的翻译以及一些思考总结
基于BiLSTM-Attention实现天气变量预测风速
风速预报是预警灾害性天气的一项重要任务，本项目使用循环神经网络BiLSTM-Attention训练一个网络模型，来预测在给定指定日期的天气变量来预测对应的风速情况。
【深度学习】目标检测的性能评价指标，mAP_0.5，mAP_0.5,0.95,0.05
计算mAP之前先考虑我们有的数值：图片原label的bbox、模型预测的bbox、模型预测的bbox的置信度、模型预测的bbox中目标类别的分类置信度。此外，我们还需要确定“IoU数值阈值”和“置信度阈值”，模型的预测能满足“IoU数值阈值”与“置信度阈值”（NMS算法）的结果参与最终混淆矩阵计算。
3DResNet 学习记录
近期同时在进行的两个深度学习项目都需要用到3DResNet模型，本着不做调包侠的心态，还是要好好把模型的原理看一看的。1、ResNet结构理解首先先理解一下二维的ResNet吧。
