AI数字人：语音驱动人脸模型Wav2Lip
2020年，来自印度海德拉巴大学和英国巴斯大学的团队，在ACM MM2020发表了的一篇论文《A Lip Sync Expert Is All You Need for Speech to Lip Generation In The Wild 》，在文章中，他们提出一个叫做Wav2Lip的AI模型，
探索人工智能：深度学习、人工智能安全和人工智能编程（文末送书）
对人工智能三个方向的应用进行探讨，介绍机器人技术的历史、技术及应用。讲解一些更高级的计算机博弈技术，包括跳棋、国际象棋和其他博弈游戏。
毕业设计-基于深度学习的行人车辆闯红灯实时检测算法系统 YOLO python 卷积神经网络 人工智能
毕业设计-基于深度学习的行人和机动车闯红灯检测算法的毕业设计系统。该系统利用YOLOv5目标检测算法来实时监测交通场景中的行人和机动车，并通过红绿灯分类模型判断是否存在闯红灯行为。设计系统具有高效准确的检测能力，并能及时提供违规行为的警示。该算法系统不仅为交通管理提供了重要的辅助工具，也为实现智慧城
【多模态】4、Chinese CLIP | 专为中文图文匹配设计
本文主要介绍 Chinese CLIP
毕业设计选题- 基于深度学习的海洋生物目标检测系统 YOLO 人工智能
毕业设计选题：基于深度学习的海洋生物目标检测，旨在设计和实现一种高效准确的算法来识别和检测海洋中的生物目标。通过采用深度学习技术，结合海洋生物图像数据集和目标检测模型，我们展示了如何训练一个能够在复杂水下环境中实现精准目标检测的算法。本研究的成果将有助于海洋生物学研究、环境监测和保护等领域的发展，为
【全网最详细】使用PyTorch实现循环神经网络
循环神经网络（RNN）是一种用于序列数据的神经网络，常用于语言建模、翻译和音乐生成等任务。RNN是基于前一个时间步的输入和当前时间步的状态来预测下一个时间步的输出。这使得RNN在处理连续数据时非常有效，因为它可以利用上一个时间步的信息来更新其状态并生成新的输出。RNN模型的核心是“循环”结构。在传统
使用知识图谱提高RAG的能力，减少大模型幻觉
在使用大型语言模型(llm)时，幻觉是一个常见的问题。LLM生成流畅连贯的文本，但往往生成不准确或不一致的信息。防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源，如数据库或知识图谱。
AI：118-基于深度学习的法庭口译实时翻译
基于深度学习的法庭口译实时翻译随着全球化进程的不断深化，法庭面临了越来越多来自不同语言和文化背景的当事人，这使得法庭口译工作显得尤为重要。传统的口译方法在效率和准确性方面存在挑战，因此需要一种更先进的、能够实时翻译的系统来满足法庭口译的需求。
毕业设计项目：基于springboot+深度学习的人脸识别会议签到系统设计与实现
毕业设计项目：基于springboot+深度学习的人脸识别会议签到系统设计与实现
使用PyTorch实现去噪扩散模型
在本文中，我们将深入研究DDPM的复杂性，涵盖其训练过程，包括正向和逆向过程，并探索如何执行采样。在整个探索过程中，我们将使用PyTorch从头开始构建DDPM，并完成其完整的训练。
anaconda3安装教程及更改默认环境保存路径
anaconda安装详细教程及更改默认环境保存路径
服务器GPU性能测试流程
PCIe 3.0的每个通道为1GB/s，PCIe 4.0的每个通道的理论带宽是2GB/s，x16插槽有16个通道，因此理论总带宽为32GB/s，实际带宽通常会受到各种因素的影响，包括硬件性能、系统负载和传输模式。这是一个简单的测试程序，测试为GPU显存与服务器内存间双向带宽测试，包括Host To
【文本摘要（2）】pytorch之Seq2Seq
本代码已跑通，若有问题欢迎留言，一起交流探讨注释部分结合之前改废的代码加的，方便自己理解如有理解不对的地方，还请过路的大佬们指点一二
ubuntu22安装cuda12.3、cudnn8.9.6及NVIDIA TAO TOOLKIT
ubuntu22搭建nvidia tao toolkit开发环境，保姆级教程。
基于深度学习的钢板表面缺陷识别技术介绍与实践
钢板表面缺陷检测技术,深度学习，resnet
ResNet18实现——MNIST手写数字识别(突破0.995)
简单的CNN实现——MNIST手写数字识别该部分首先对我前面的工作进行了改进，然后以此为基础构建ResNet18去实现MNIST手写数字识别。1.利用nn.Sequential（）自定义块结构，增加可读性和方便修改、复用。2.增加 nn.BatchNorm2d() 加快收敛。3.改用nn.Flatt
合合TextIn团队发布 - 文档图像多模态大模型技术发展、探索与应用
合合信息TextIn（Text Intelligence）团队在2023年12月31日参与了中国图象图形学学会青年科学家会议 - 垂直领域大模型论坛。在会议上，丁凯博士分享了文档图像大模型的思考与探索，完整阐述了多模态大模型在文档图像领域的发展与探索，并表达了对未来发展路径和应用场景潜力的看法。
YOLOv8改进 | 主干篇 | RevColV1可逆列网络（特征解耦助力小目标检测）
到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv8改进有效涨点专栏，本专栏目前为新开的平均质量分98分，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，目前本专栏免费阅读(暂时，大家尽早关注不迷路~)如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新
【2023 · CANN训练营第二季】昇腾AI入门课（Pytorch)
课程先介绍了全站全场景的框架（如图）昇腾计算语言接口AscendCL高度抽象：算子编译、加载、执行的API归一，相比每个算子一个API，AscendCL大幅减少API数量，降低复杂度。向后兼容：AscendCL具备向后兼容，确保软件升级后，基于旧版本编译的程序依然可以在新版本上运行。零感知芯片：一套
医学图像去噪 -----EDCNN
本文提出了一种新的基于稠密连通卷积结构的去噪模型，即基于边缘增强的稠密连通网络(EDCNN)。 通过设计的基于可训练Sobel算子的边缘增强模块，该方法能够自适应地获取输入图像更丰富的边缘信息。 此外，我们还引入了复合损失函数，它是MSE损失和多尺度感知损失的加权融合。
