何恺明团队12页论文新作剑指AIGC！“新CLIP”只需一个trick，训练速度快3.7倍！性能不降反升...
杨净 艳艳 发自 凹非寺量子位 | 公众号 QbitAI何恺明团队又上新了。这次，他们的成果围绕当下最火的AIGC背后的CLIP展开。——只在该模型的极简结构上，施加了一个简单的mask，就让新模型的速度快了3.7倍。同时，性能还可以做到不降反升。团队表示，希望他们的工作能帮助未来视觉语言模型实现规
YOLOv5系列全新升级——yolov5-v7.0实时实例分割全面集成
YOLOv5系列全新升级——yolov5-v7.0实时实例分割全面集成
科普：什么是ChatGPT？(文末有彩蛋)
ChatGPT是OpenAI开发的一个大型预训练语言模型。它是GPT-3模型的变体，GPT-3经过训练，可以在对话中生成类似人类的文本响应。ChatGPT 旨在用作聊天机器人，我们可以对其进行微调，以完成各种任务，如回答问题、提供信息或参与对话。与许多使用预定义的响应或规则生成文本的聊天机器人不同，
yolov7-pose:基于COCO-KeyPoint的yolov7-pose训练
在美团刚刚发出yolov6，AB大神就带着yolov7来了。。。。。这速度是真快。。在 5-160 FPS 范围内速度和精度超过所有已知目标检测器。在 后不到两个星期，提出 YOLOv4 的团队就发布了更新一代的版本。YOLOv7 的论文被提交到了预印版论文平台 arXiv 上，其三位作者 Chie
【深度学习】datasets.ImageFolder 使用方法
【深度学习】datasets.ImageFolder 使用方法
用强化学习玩《超级马里奥》
Pytorch的一个强化的学习教程（ Train a Mario-playing RL Agent）使用超级玛丽游戏来学习双Q网络(强化学习的一种类型)
汇编语言之母逝世，71岁时还和儿子合写神经网络论文
凯瑟琳・布斯被称为汇编语言之母，具体来说就是她创造了第一个“汇编语言”。 在1940年代中期，第一台通用电子计算机最初并没有用于代码的内部存储。如果我们想要用它编程，就要操纵数千个开关和电缆，而这些开关和电缆所在的位置，就是程序。科学家们必须手动更改数千根电缆和开关，或者在卡片上打孔，然后将卡片送入
使用微信部署ChatGPT
最近ChatGPT爆火，网上出现了很多ChatGPT项目，有部署到微信的，有部署到QQ机器人的，今天介绍一种部署到微信的方法。此项目参考github上https://github.com/869413421/wechatbot项目，需要的可以自行查看。
机器学习——BP神经网络详细介绍及案例Python代码实现
机器学习——BP神经网络详细介绍及案例Python代码实现BP（Back Propagation)网络 也称误差反向传播，1985年由Rumelhart 和 McCelland提出
2022年 APMCM 亚太杯数学建模竞赛C题完整代码分享
2022亚太杯C题是一个比较常见的题型，我们对目前网络上的思路和代码都进行了汇总，帮助大家对每一小问进行了求解以及相关算法的整理。本文用到的数据较多，我们也搜集到了许多数据分享，也有成品论文供大家参考。
目标检测算法——YOLOv5/YOLOv7改进之更换FReLU激活函数
目标检测算法——YOLOv5/YOLOv7更换FReLU激活函数。
截至到2022年12月12日，知网最新改进 YOLO 核心论文合集 | 22篇创新点速览
知网最新改进YOLO论文合集
时间序列转二维图像方法及其应用研究综述
本文详细介绍了目前时间序列转二维图像的方法及其应用现状；同时以交通异常检测场景为例，对各个方法做了案例分析。各项研究结果表明，将时间序列数据转化为二维图像，利用成熟的计算机视觉技术进行特征提取和识别，可以有效提高效果，这将有助于时间序列数据的研究。
2022亚太赛C题全球变暖思路及代码
你同意有关全球气温的说法吗？使用2022_APMCM_C_Data。附件中的csv和其他您的团队收集的数据集，以分析全球温度变化。
芒果改进目录一览｜改进YOLOv5、YOLOv7等YOLO模型全系列目录
改进YOLOv5、YOLOv7等YOLO模型全系列目录（推荐）
推荐一个对pytorch代码详细注释的github项目
今天在无意间找一个pytorch代码和注释的Github项目。先上项目：这个项目还有个网站，地址：https://nn.labml.ai/
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。
