4K Star , Github上照片转漫画最强项目
AnimeGANv2 是一个基于 tensorflow 使用 python 开发的一款开源图片转漫画的一个项目，目前已累积到了4K star，是个很不错的项目。
CSDN独家 | 全网首发 | 《计算机视觉基础知识蓝皮书》目录
本专栏将系统性地讲解计算机视觉基础知识、包含第1篇机器学习基础、第2篇深度学习基础、第3篇卷积神经网络、第4篇经典热门网络结构、第5篇目标检测基础、第6篇网络搭建及训练、第7篇模型优化方法及思路、第8篇模型超参数调整策略、第9篇模型改进技巧、第10篇模型部署基础等，全栏文章字数10万+，篇篇精品，让
[推荐系统] 1. 深度学习与推荐系统
推荐系统
Keras深度学习实战——使用长短时记忆网络构建情感分析模型
我们已经学习了如何使用循环神经网络 (Recurrent neural networks, RNN) 构建情感分析模型，为了将循环神经网络与长短时记忆网络 (Long Short Term Memory, LSTM) 的性能进行对比，同时也为了加深对 LSTM 的了解，在节中，我们将使用 LSTM
自注意力中的不同的掩码介绍以及他们是如何工作的?
注意力掩码本质上是一种阻止模型看我们不想让它看的信息的方法。这不是一种非常复杂的方法，但是它却非常有效。我希望这篇文章能让你更好地理解掩码在自注意力中的作用
对抗生成网络GAN系列——DCGAN简介及人脸图像生成案例
前段时间，我已经写过一篇关于GAN的理论讲解，并且结合理论做了一个手写数字生成的小案例，对GAN原理不清楚的可以点击☞☞☞跳转了解详情。🌱🌱🌱GAN网络即是通过生成器和判别器的不断相互对抗，不断优化，直到判别器难以判断生成器生成图像的真假。 那么接下来我就要开始讲述DCGAN了喔
安装下载Anaconda注意事项，一定注意，否则白费力气
一定要关注这些简单的注意事项，否则白费力气啊！！！
给课题组师弟师妹们的开荒手册
掐指算算，掐头去尾还有半年就要结束我的研究生生活了。翻看自己整个博客，每一篇都记录了自己跌跌撞撞的轨迹。犹记得研一时，由于gap一年导致丧失学习能力，计算机视觉课程大作业发布后在宿舍楼走廊里气的痛哭，代码不会，文献看不懂，每天都在自怨自艾。研一下学年，在自己决定躺平的时候，被老师“拽”起来委以重任，
Tensorflow2数据集过大，GPU内存不够
在我们平时使用tensorflow训练模型时，有时候可能因为数据集太大(比如VOC数据集等等)导致GPU内存不够导致终止，可以自制一个数据生成器来解决此问题。方法就是将数据集图片的路径保存到一个列表之中，然后使用while循环在训练时进行不断读取，，我在训练时出现了这样的问题，这是我的猜测。
YOLOv5、YOLOv7改进之二十九：引入Swin Transformer v2.0版本
将Swin transformer 2.0版本模块融入YOLO系列算法中，提高模型的全局信息获取能力。
OCR调研报告
本文简要概述了OCR的概念和应用场景，以及OCR常用算法解决方案。最主要的是调研并对比了几个github上star较多的开源项目。现阶段推荐百度开源的项目paddlocr，可直接使用其预训练模型进行演示，并且支持docker部署（实践通过）。可以支持身份证，车牌号，信用卡号识别。并且paddleoc
使用PyG进行图神经网络的节点分类、链路预测和异常检测
在这篇文章中，我们将回顾节点分类、链接预测和异常检测的相关知识和用Pytorch Geometric代码实现这三个算法。
pytorch-实现天气识别
pytorch-实现天气识别
带掩码的自编码器（MAE）最新的相关论文推荐
7-9月的MAE相关的9篇论文推荐
【Tensorflow】Tensorflow安装成功无法导入
解决安装Tensorflow成功后在PyCharm和Anaconda无法import导入软件包并使用。
机器学习模型的集成方法总结：Bagging, Boosting, Stacking, Voting, Blending
集成学习是一种元方法，通过组合多个机器学习模型来产生一个优化的模型，从而提高模型的性能。集成学习可以很容易地减少过拟合，避免模型在训练时表现更好，而在测试时不能产生良好的结果。
国庆假期浏览了几十篇YOLO改进英文期刊，总结改进创新的一些相同点(期刊创新点持续更新)
如何寻找自己的创新点呢？重点是如何发？下面将提供几种总结思路。
Ubuntu20.04服务器深度学习环境配置教程以及基于Win10的VScode远程连接开发
基于Win10系统下VScode远程开发的Ubuntu20.04服务器深度学习环境配置教程
[图像识别]12.Opencv案例 超简单人脸检测识别
1.原理：我们使用机器学习的方法完成人脸检测，首先需要大量的正样本图像(面部图像)和负样本图像(不含面部的图像)来训练分类器。我们需要从其中提取特征。Haar特征（这个值等于黑色矩形中的像素值之后减去白色矩形中的像素值和。）会被使用，就像我们的卷积核,每一个特征是一个值。Haar特征值反映了图像的灰
【图神经网络实战】深入浅出地学习图神经网络GNN（上）
V：点，每个点都有自己的特征向量（特征举例：邻居点数量、一阶二阶相似度）E：边，每个边都有自己的特征向量（特征举例：边的权重值、边的定义）U：整个图，每个图都有自己的特征向量（特征举例：节点数量、图直径）传统神经网络（CNN、RNN、DNN）要求输入格式是固定的（如2424、128128等）。但在实
