AI别墅设计
生成平面图的流程：第一步：根据对大量训练样本的学习首先对整体布局操作东西南北的房间和中间客厅的进深及分布进行确定，包括确定楼梯的型号和方位朝向，确定厨房餐厅的方位位置关系和尺寸。虽然房屋平面图属于图像但是普通的图像处理处理算法，如：图像识别技术只是识别图像中有什么位置距离大小等无法用于图像生成，GA
开源项目 | 用AI给人像照片换发型和发色（附详细步骤 + 避坑指南)
我们新颖的表示方法能够从多个参考图像中传输视觉属性，包括痣和皱纹等特定细节，并且因为我们在潜在空间中进行图像混合，所以我们能够合成连贯的图像。我们的方法避免了其他方法中存在的混合伪影，并找到全局一致的图像。源码中是用yaml直接创建环境，environment/environment.yaml ，这
2024人工智能顶会 投稿时间
CCF A类会议共七场，如下：
基于web的亚热带常见自然林病虫害识别系统——开篇
随着年底的到来，我相信越来越多的小伙伴也要开始着手自己的毕业设计，这里打算分享我自己的毕业设计，以及我的二次开发创作的项目，为大家的毕业设计提供一定的参考，如果有毕业问题相关的小伙伴也可以及时跟我沟通，我会及时回复大家！开篇我先介绍一下我的毕业设计——基于web的亚热带常见自然林病虫害识别系统。Te
自动驾驶环境感知之基于毫米波雷达稀疏点云的物体检测与跟踪
系统中测量到的速度是目标相对于雷达的径向相对速度，目标的实际运动方向不一定是目标与雷达之间的径向，因此需要先将径向相对速度转换为实际相对速度。然后再结合雷达自身速度（车身速度），得到目标的绝对速度（相对于地面的速度）。基本思路：假定类别可以通过样本分布的紧密程度决定，通过将紧密相连的样本分为一类，得
AI前沿论文速递 24.01.23
AI前沿论文速递，github高星论文
跨镜头跟踪（多源跟踪）方案
对于多个镜头下对于目标物体的持续跟踪，需要跨镜头跟踪算法来解决 譬如当目标从一个镜头切换到另一个镜头，会出现目标跟丢的情况。 本篇以2个相机拍摄的目标跟踪场景为例。考虑涉及两种场景：（1）两台相机存在重叠区域；（2）两台相机不存在重叠区域。。
在网络中添加特征金字塔，和自注意力机制
FPN和注意力机制的阐述。
【YOLOv8】实战三：基于LabVIEW TensorRT部署YOLOv8
本文主要想和各位读者分享YOLOv8使用TensorRT工具包在LabVIEW中的部署。
基于Pycharm的YOLOv8教程——运行环境配置+杂草识别示例
目标检测只是计算视觉中很小的一部分，还包括分类、动态跟踪与定位等一系列的工作。上面的内容虽然看似简单，但却花费了小白我一个月时间去购置主机、配置yolov8环境、搜寻数据集、标注、跑程序等。接下来我会继续更新关于杂草识别与定位的个人研究内容，欢迎大家持续关注。
合肥工业大学机器视觉期末复习 课件梳理（穿插作业中的伪代码）
因为合肥工业大学机器视觉课程的课件为全英文，为了方便以后学弟学妹们复习，于是将自己考前两天基于课件梳理的知识点上传，内容有的比较主观，有疑问的地方大家可以另外搜索了解
关于双非人工智能应该如何学习
学习人工智能都需要掌握什么知识
工信部颁发的人工智能证书《自然语言与语音处理设计开发工程师》证书到手啦！
由国家工信部权威认证的人工智能证书是跨入人工智能行业的敲门砖，随着人工智能技术的发展越来越成熟，相关的从业人员也会剧增，证书的考取难度也会变高。如果已经从事或者准备从事人工智能行业的人员，对于考证宜早不宜迟，早拿证早安心，国家对人工智能行业从业证书的要求将会越来越高，现在证书刚开始推广，无论从费用上
RPN(Region Proposal Networks)候选区域网络算法解析（附PyTorch代码）
本文基于论文Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks对RPN候选区域网络进行解析说明，并基于PyTorch库对RPN网络进行编程。
AI：120-智能监控下的行人交通违法行为自动罚款系统
AI：120-智能监控下的行人交通违法行为自动罚款系统在城市交通管理中，行人交通违法行为时有发生，如穿越马路时无视红灯、在禁止区域内闲逛等。传统的监控手段难以高效地识别和处理这些违法行为，而人工智能技术的引入为解决这一问题提供了新的可能性。
一种基于YOLO改进的高效且轻量级的表面缺陷检测网络， NEU-DET和GC10-DET涨点明显
一种基于YOLO改进的高效且轻量级的表面缺陷检测， 在NEU-DET和GC10-DET任务中涨点明显
2024年1月10日最热AI论文Top5：DebugBench、AI智能体对齐、开放域问答系统、谈判游戏、联邦学习
大型语言模型（LLMs）已经展示出了卓越的编码能力。然而，作为编程熟练度的另一个关键组成部分，LLMs的调试能力相对未被充分探索。之前对LLMs调试能力的评估受到数据泄露风险、数据集规模以及测试错误种类多样性的显著限制。为了克服这些不足，我们引入了DebugBench，一个由4,253个实例组成的L
这个AI模型能识别出这个橘子吗？
图像识别任务是人工智能计算机视觉领域一个重要的子任务，本篇文章将通过使用一个预训练模型来帮助读者快速上手图像识别任务
总结 62 种在深度学习中的数据增强方式
此外，它表明传统的数据增强技术使 RL 算法能够在基于像素的控制和基于状态的控制方面胜过复杂的 SOTA 任务。从上图可以明显的看出，基于 SA 的数据增强方式可以将形状保留下来，但样式（包括颜色、纹理和对比度）是随机的。基于特征空间的数据增强首先将图像转换为嵌入或表示，然后对图像的嵌入执行数据增强
