Vision Transformer这两年
在NLP领域取得巨大成功后，Transformer架构在计算机视觉方面的作用日渐凸显，成为越来越普遍的CV工具。自2020年10月Vision Transformer模型推出以来，人们开始高度关注Transformer模型在计算机视觉上的应用。
目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG（速度飙升）
目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG（速度飙升）。在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是老模型首次实现该精度。 在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-
达摩院开源低成本大规模分类框架FFC CVPR论文深入解读
图像分类是当前AI最为成功的实际应用技术之一，它已经融入了人们的日常生活。目前已形成一个普遍共识：“当数据集越大ID越多时，只要训练得当，相应分类任务的效果就会越好”。本文介绍在千万ID甚至上亿ID时，如何使用低成本的框架实现大规模的分类训练。
文本生成图像工作简述2--常用数据集分析与汇总
文本生成图像（text-to-image）可以根据给定文本生成符合描述的真实图像，其是多模态机器学习的任务之一，具有巨大的应用潜力，如视觉推理、图像编辑、视频游戏、动画制作和计算机辅助设计。本篇将简述文本生成图像的数据集，汇总介绍数据集的内容、特点、细节和下载方式等。
YoloV7最强操作教程.
yolov7最强保姆级操作教程，并且在B站中配套讲解视频喔，本文主要带领大家使用yolov7对口罩目标检测数据集进行实践，主要就是希望通过本教程可以让各位使用yolov7对自己的数据集进行训练，测试，预测。
基于CNN和LSTM的气象图降水预测示例
我们是否可以通过气象图来预测降水量呢？今天我们来使用CNN和LSTM进行一个有趣的实验。
文本生成图像简述3--杂谈技术难点、研究意义、应用领域和目前的局限性
文本生成图像指的是使用人工智能技术将文本转换为图像的过程，其可以根据给定文本生成符合描述的真实图像，其是多模态机器学习的任务之一，文本生成图像的技术难点主要有两个： - 如何捕捉文本和图像之间的复杂关系； - 如何生成高质量的图像。
HRNet网络简介
这篇文章是由中国科学技术大学和亚洲微软研究院在2019年共同发表的。这篇文章中的HRNet（High-Resolution Net）是针对2D人体姿态估计（Human Pose Estimation或Keypoint Detection）任务提出的，并且该网络主要是针对单一个体的姿态评估（即输入网络
生成对抗网络(Generative Adversial Network,GAN)原理简介
生成对抗网络(GAN)的基本原理
计算机视觉面试中一些热门话题整理
通常在机器学习面试中，问完常见基础知识的技术问题之后会有具体的项目问题的讨论，所以这里准备了一些项目相关的话题，以可以帮助你准备和通过计算机视觉相关的面试。
强化学习的基础知识和6种基本算法解释
本文将涉及强化学习的术语和基本组成部分，以及不同类型的强化学习(无模型、基于模型、在线学习和离线学习)。本文最后用算法来说明不同类型的强化学习。
「模型即服务AI」1分钟调用SOTA人脸检测，同时搭建时光相册小应用
本文介绍如何快速调用AI能力，并快速创建AI应用服务，跟随本文只需1分钟就能完成上述任务。现如今结合模型即服务AI热潮，相应AI应用搭建将会越来越方便，大把的精力可以集中放到AI技术与应用的普及和相应创新上了。
MNIST数据集手写数字识别（CNN）
MNIST 包括6万张28x28的训练样本，1万张测试样本，很多教程都会对它”下手”几乎成为一个 “典范”，可以说它就是计算机视觉里面的Hello World。所以我们这里也会使用MNIST来进行实战。前面在介绍卷积神经网络的时候说到过LeNet-5，LeNet-5之所以强大就是因为在当时的环境下将
使用PyTorch进行知识蒸馏的代码示例
在本文中，我们将探索知识蒸馏的概念，以及如何在PyTorch中实现它。
AI遮天传 DL-深度学习在自然语言中的应用
AI遮天传 DL-深度学习在自然语言中的应用
从另外一个角度解释AUC
AUC到底代表什么呢，我们从另外一个角度解释AUC
人工智能前沿——6款AI绘画生成工具
AI不仅影响商业和医疗保健等行业，还在创意产业中发挥着越来越大的作用，开创了AI绘画生成器新时代。在绘画领域当然也是如此，与传统的绘画工具不同，AI人工智能时代的绘画工具是全自动的、智能的。小海带本期将给大家介绍6款AI绘画生成工具，供大家学习交流。
Grad-CAM简介
对于常用的深度学习网络（例如CNN），可解释性并不强（至少现在是这么认为的），它为什么会这么预测，它关注的点在哪里，我们并不知道。很多科研人员想方设法地去探究其内在的联系，也有很多相关的论文。今天本文简单聊一聊Grad-CAM，这并不是一篇新的文章，但很有参考意义。通过Grad-CAM我们能够绘制出
YOLOv7训练自己的数据集(超详细)
YOLOv7训练自己的数据集(超详细)
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
