图像风格迁移
风格迁移指的是两个不同域中图像的转换，具体来说就是提供一张风格图像，将任意一张图像转化为这个风格，并尽可能保留原图像的内容
标签平滑（Label Smoothing）详解
标签平滑（Label smoothing），像L1、L2和dropout一样，是机器学习领域的一种正则化方法，通常用于分类问题，目的是防止模型在训练时过于自信地预测标签，改善泛化能力差的问题。
openpose的一些个人理解
一直都是在做一些目标检测的研究工作，近期开始看一些有关姿态检测的内容，其中最经典的就是openpose这个框架，后面很多动作识别、姿态检测也大多是在该网络上进行改进，比如Real-time 2D Multi-Person Pose Estimation on CPU 这篇论文，在原OpenPose基
深度学习模型部署全流程-模型部署
基于NCNN的模型部署
基于卷积神经网络CNN的图片分类实现——附代码
使用Matlab自带的深度学习工具箱构建卷积神经网络（CNN）进行图片分类，以识别并分类手写数字为例。首先将大量的图片数据导入；然后给不同种类的图片打上对应的分类的标签，划分为训练集和测试集；构建CNN网络其中包括3层2维卷积和3个池化层，全连接层及分类层；调整好输入输出格式对CNN进行训练及测试；
Attention UNet
Attention UNet论文解析 - 知乎Attention UNet论文地址： https://arxiv.org/pdf/1804.03999.pdf 代码地址： https://github.com/ozan-oktay/Attention-Gated-NetworksAttention
GAN评价指标代码(FID、LPIPS、MS-SSIM)
GAN评价指标代码(FID、LPIPS、MS-SSIM写在前面FIDLPIPSMS-SSIM写在后面写在前面科研(毕业)需要，对GAN生成的图片要做定量评价，因此总结一些自己要用到的一些评价指标。FID官方链接：https://github.com/mseitzer/pytorch-fid步骤：（1
使用文心大模型ERNIE-ViLG生成图片
文心ERNIE-ViLG参数规模达到100亿，是目前为止全球最大规模中文跨模态生成模型，在文本生成图像、图像描述等跨模态生成任务上效果全球领先，在图文生成领域等数据集上取得最好效果。你可以输入一段文本描述以及生成风格，模型就会根据输入的内容自动创作出符合要求的图像。
[深度学习] fast-reid入门教程
fast-reid入门教程ReID，全拼为Re-identification，目的是利用各种智能算法在图像数据库中找到与要搜索的目标相似的对象。ReID是图像检索的一个子任务，本质上是图像检索而不是图像分类。fast-reid是一个强悍的目标重识别Reid开源库，由京东开源管理。本文主要是介绍fas
扩散模型 (Diffusion Model) 简要介绍与源码分析
Diffusion Model (扩散模型) 是一类生成模型, 和 VAE (Variational Autoencoder, 变分自动编码器), GAN (Generative Adversarial Network, 生成对抗网络) 等生成网络不同的是, 扩散模型在前向阶段对图像逐步施加噪声,
PyTorch深度学习实战 | 基于ResNet的人脸关键点检测
人脸关键点检测指的是用于标定人脸五官和轮廓位置的一系列特征点的检测，是对于人脸形状的稀疏表示。关键点的精确定位可以为后续应用提供十分丰富的信息。因此，人脸关键点检测是人脸分析领域的基础技术之一。许多应用场景(如人脸识别、人脸三维重塑、表情分析等)均将人脸关键点检测作为其前序步骤来实现。本文将通过深度
Easy Deep Learning——卷积层
由于卷积核尺寸可以远远小于输入尺寸，即减少需要学习的参数的数量，并且针对每个卷积层可以使用多个卷积核获取输入的特征映射，对数据(尤其是图像)具有很强的特征提取和表示能力，并且在卷积运算之后，使得卷积神经网络结构对输入的图像具有平移不变的性质。下面使用一张图像来展示经过卷积后，输出的特征映射的结果。在
【达摩院OpenVI】开源体验AI云台，去视频抖动
本文介绍AI开源能力对抖动的视频进行稳像，达到清晰稳定的效果。在ModelScope魔搭平台上开源了DUT-RAFT视频稳像算法，几行代码即可调用，无需复杂的操作，也无需复杂的输入。鼠标一点即可畅快体验让视频变稳定的AI“魔法”。
目标检测（Object Detection）学习笔记（概述与传统算法与基于深度学习算法）
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），不同于分类和回归问题，目标检测还需要确定目标在图像中的位置（定位），而确定识别目标的类别和位置（分类和定位），是计算机视觉领域的核心问题之一。
优化GPU显存不足，提高GPU利用率
1 常用GPU显存不足时的各种Trick1)监控GPU2）估计模型显存3）显存不足时的Trick4）提高GPU内存利用率2 数据处理及算法角度改善（以医学图像分割算法为例）1 常用GPU显存不足时的各种Trick1)监控GPU 监控GPU最常用的当然是nvidia-smi，但有一个工具能够更好的
安装mmdetection进行测试不出图片和报错记录
mmdetection安装测试出现warning和结果不出图
Yolov5 计算访存量MAC与计算量FLOPS
Yolov5 计算访存量MAC与计算量FLOPS
用YOLOv8推荐的Roboflow工具来训练自己的数据集
总而言之，Roboflow是一种非常有用的工具，它提供了一种简单的方式来调整训练数据，使其能够更好地适应YOLOv8的要求，帮助我们更轻松地准备YOLO v8所需的训练数据。用验证后的训练集模型预测新数据，需要先收集和我们的数据集相关的同类型图片，做成新的文件夹，图片大小和格式保持与之前的数据集图片
深度学习之图像分类（十八）-- Vision Transformer(ViT)网络详解
深度学习之图像分类（十八）Vision Transformer(ViT)网络详解目录深度学习之图像分类（十八）Vision Transformer(ViT)网络详解1. 前言2. ViT 模型架构2.1 Embedding 层2.2 Transformer Encoder 层2.3 MLP Head
ViT: Vision transformer的cls token作用？
一文普及ViT: Vision transformer的cls token作用？够全面
