大数据毕设选题 - 深度学习口罩佩戴检测系统（python OpenCV YOLO）
🔥 Hi，大家好，这里是丹成学长的毕设系列文章！🔥 对毕设有任何疑问都可以问学长哦!这两年开始，各个学校对毕设的要求越来越高，难度也越来越大… 毕业设计耗费时间，耗费精力，甚至有些题目即使是专业的老师或者硕士生也需要很长时间，所以一旦发现问题，一定要提前准备，避免到后面措手不及，草草了事。为了
机器学习评估指标的十个常见面试问题
评估指标是用于评估机器学习模型性能的定量指标。本文整理了10个常见的问题。
【YOLOv7改进轻量化】第一章——引入轻量化骨干网络MobileOne
YOLOv7轻量化之MobileOne，原理+完整代码实现
计算机视觉框架OpenMMLab开源学习（三）：图像分类实战
本篇主要偏向图像分类实战部分，使用MMclassification工具进行代码应用，熟悉其框架应用，为后续处理不同场景下分类问题提供帮助。
PatchCore原理与代码解读
随机下采样会丢失 \(\mathcal{M} \) 中的有用信息，本文使用coreset subsampling方法来减小 \(\mathcal{M} \)，coreset selection旨在找到一个子集 \(\mathcal{S}\subset \mathcal{A}\)，对于通过 \(\m
如何解决混合精度训练大模型的局限性问题
混合精度已经成为训练大型深度学习模型的必要条件，但也带来了许多挑战。在这篇文章中，我们将讨论混合精确训练的数值稳定性问题。
人工智能之深度学习常见应用方向你都了解吗？（文末包邮送书5本）
1. 数字识别2. 图像识别3. 图像分类4. 目标检测5. 人脸识别6. 文本分类7. 聊天机器人
QARepVGG：让RepVGG再次强大：一种量化感知的方法
Make RepVGG Greater Again
GANs系列：DCGAN原理简介与基础GAN的区别对比
参考了DCGAN论文，对论文逐步解读，将论文精华部分进行了概括提取，包括原理、应用以及训练过程。在基础的生成式对抗神经网络的基础上，进一步介绍DCGAN深度卷积生成对抗神经网络。
使用JAX实现完整的Vision Transformer
本文将展示如何使用JAX/Flax实现Vision Transformer (ViT)，以及如何使用JAX/Flax训练ViT。
AI人工智能方向
图像处理，犬类识别，场景文字识别，人脸算法，图像增强，计算机影像，车型识别，物体检测，黄色图片识别，目标检测API文档Logo检测使用手册，名人识别，车辆分析，显微识别，图像风格化，天空分割，概念识别，图像美学评分，图像质量评估，场所识别，风格迁移，网红人物识别，无限天空，图像视频分析，智能相册，智
linux下 yolov8 tensorrt模型加速部署【实战】
基于TensorRT cuda c++实现模型end2end的gpu加速，支持win10、linux，在2023年已经更新模型：YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,Efficien
论文推荐：ACMix整合self-Attention和Convolution (ACMix)的优点的混合模型
混合模型ACmix将自注意与卷积的整合，同时具有自注意和卷积的优点。这是清华大学、华为和北京人工智能研究院共同发布在2022年CVPR中的论文
注意力机制-CA注意力-Coordinate attention
CA（Coordinate attention for efficient mobile network design）发表在CVPR2021，帮助轻量级网络涨点、即插即用。CA不仅考虑到空间和通道之间的关系，还考虑到长程依赖问题。简单进行记录，如有问题请大家指正。
人工智能时代八大类算法你了解吗？（包邮送书6本）
本文导读1. 关联规则分析2. 回归分析3. 分类分析4. 聚类分析5. 集成学习6. 自然语言处理7. 图像处理8. 深度学习
2023 年 1 月的5篇深度学习论文推荐
本文整理了 2023 年 1 月5 篇著名的 AI 论文，涵盖了计算机视觉、自然语言处理等方面的新研究。
【论文精选】TPAMI2020 - PFENet_先验引导的特征富集网络_小样本语义分割
由于训练类的高级语义信息使用不当，查询目标与支持目标的空间不一致，目前的小样本分割框架仍然面临着对未见类的泛化能力降低的挑战。为了缓解这些问题，PFENet提出了先验引导特征富集网络(PFENet)。它包括:(1)一种无需训练的先验掩码生成方法，不仅保留了泛化能力，还提高了模型性能;(2)特征富集模
CUDA安装及环境配置——最新详细版
在安装之前呢，我们需要确定三件事第一：查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包第二：查看对应CUDA对应的VS版本，以便下载并安装对应的VS版本（vs需要先安装）第三：确定CUDA版本对应的cuDNN版本，这个其实不用太关注，因为在cudnn的下载页面会列出每个版本对应的cud
在 PyTorch 中使用梯度检查点在GPU 上训练更大的模型
本文将介绍解梯度检查点（Gradient Checkpointing），这是一种可以让你以增加训练时间为代价在 GPU 中训练大模型的技术。 我们将在 PyTorch 中实现它并训练分类器模型。
YOLOv5/v7 更换骨干网络之 GhostNet
YOLOv5更换骨干网络之 GhostNet
