slowfast
一个神器 并且模型转换加部署全套 我慢慢说来近年来，基于深度学习的人体动作识别的研究越来越多，slowfast模型提出了快慢两通道网络在动作识别数据集上表现十分优异，本文介绍Slowfast数据准备，如何训练，以及slowfast使用onnx进行推理，着重介绍了Slowfast使用Tensorrt推
CVPR2022 多目标跟踪（MOT）汇总
CVPR2022 MOT文章汇总
FPN细节剖析以及pytorch代码实现
FPN细节剖析以及pytorch代码实现
[ 数据集 ] VOC 2012 数据集介绍
[ 数据集 ] VOC 2012 数据集介绍VOC 2012它从根本上说是一个有监督的学习问题，提供了一组标记图像的训练集；包括二十个对象类别：Person、Animal、Vehicle、Indoor；有三个主要的对象识别竞赛：分类、检测和分割；VOC 2012 文件夹介绍1）Annotations
模型初始化与随机种子——Pytorch 炼丹技巧（随手记）
模型参数的默认初始化方式和自定义初始化方式，以及通过设置随机种子让每次实验的模型初始化参数保持一致
【网络流量识别】总结篇1：机器学习方法在网络流量识别的应用
本文总结深度学习方法在流量识别方面的应用，也是对前四篇文章的总结。主要包括数据集，特征提取方法，深度学习网络，性能比较等几方面的介绍。一、概述网络入侵检测系统（N-IDS）是根据网络类型及其行为，对网络网络流量数据分类的主要方法有（1）误用检测；（2）异常检测；（3）状态完整协议分析机器学习方法是目
ResUnet++
ResUnet++
训练自己的GPT2-Chinese模型
基于GPT2-Chinese训练中文文本模型
UNet - 预测数据predict(多个图像的分割)
目录1. 介绍2. predict 预测分割图片3. 结果展示4. 完整代码之前已经将unet的网络模块、dataset数据加载和train训练数据已经解决了，这次要将unet网络去分割图像，下面是之前的链接unet 网络：UNet - unet网络dataset 数据处理：UNet - 数据加载
使用 PatchCore 进行图像异常检测
我们已经介绍了 PatchCore 的关键概念，并将其应用于医学影像数据集。即使数据集非常有限，我们也看到了一些非常有希望的结果。一般来说，如果您有一个用例，其中正常数据很容易获取但异常数据很昂贵（甚至是先验未知的），anomalib 可能是一个值得考虑的好工具。相关代码与数据集下载：欢迎关注公众号
Dropout的深入理解（基础介绍、模型描述、原理深入、代码实现以及变种）
深度神经网络包含多个非线性隐藏层，这使得它们有强大的表现力，可以学习输入和输出之间非常复杂的关系。但是在训练数据有限的情况下，深度神经网络很容易过度学习造成过拟合，过拟合是深度神经网络的一个非常严重的问题，此外，神经网络越大，训练速度越慢，Dropout可以通过在训练神经网络期间随机丢弃单元来防止过
DINO 论文精度，并解析其模型结构 & DETR 的变体
截止2022年7月25日，DINO是目标检测的SOTA。本人根据源码的复现感受和DINO论文的精读心得，撰写本篇博客，希望对你有所帮助。DINO(DETR with Improved deNoising anchOr boxes)，一款最先进的端到端对象检测器。对比的去噪训练方式；用于锚点初始化的混
【OpenCV-Python】：查找物体轮廓+计算轮廓面积、长度、重心
😺一、查找物体轮廓🐶1.1 函数API函数：img, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]).
注意力机制(Attention)原理详解
文章结构1. 为什么需要Attention2. Attention的基本原理3. Attention存在的问题总结1. 为什么需要Attention在了解Attention之前，首先应该了解为什么我们需要注意力机制。我们以传统的机器翻译为例子来说明为什么我们需要Attention。传统的机器翻译，也
Tensorflow Lite从入门到精通
TensorFlow Lite 是 TensorFlow 在移动和 IoT 等边缘设备端的解决方案，提供了 Java、Python 和 C++ API 库，可以运行在 Android、iOS 和 Raspberry Pi 等设备上。目前 TFLite 只提供了推理功能，在服务器端进行训练后，经过
手把手教你使用Segformer训练自己的数据
SegFormer 基于Swin transformer 修改
【超直白讲解opencv RGB与BGR】RGB模式与BGR模式有什么不同，如何相互转换？
【超直白讲解】RGB模式与BGR模式有什么不同，如何相互转换？
YOLOv5源码逐行超详细注释与解读（2）——推理部分detect.py
全网最详细的YOLOv5之推理部分detect.py源码逐行注释，近四万字的超详细讲解！小白入门必看！
猿创征文 | re:Invent 朝圣之路：“云“行业风向标
猿创征文 | re:Invent 朝圣之路：“云“行业风向标
yolov5_reid【附代码，行人重识别，可做跨视频人员检测】
该项目利用yolov5+reid实现的行人重识别功能，可做跨视频人员检测。应用场景：可根据行人的穿着、体貌等特征在视频中进行检索，可以把这个人在各个不同摄像头出现时检测出来。可应用于犯罪嫌疑人检索、寻找走失儿童等。支持功能：1.reid训练2.人员标注3.人员查找(可做。
