2. 3种常见网络重参数化论文、解读、使用方法、实现代码整理（Re-Parameter）
源码下载地址：下载地址目录Re-Parameter(ReP) Series1. RepVGG Usage2. ACNet Usage3. Diverse Branch Block(DDB) Usage【先验知识】首先向各位读者介绍一下卷积的一些基本性质，这几篇论文所提出的重参数操作，都是基于卷积的这
OpenCV像素处理基本操作 Open_CV系列（二）
OpenCV像素处理基本操作1. 提取指定位置的像素RGB值(BGR)2. 修改指定像素的BGR值2.1 修改一个像素2.2 修改一个区域的像素3. 图像的创建3.1 创建纯黑/白图像3.2 创建黑白相间图像3.3 创建彩色图像3.4 随机颜色图像（雪花点图）4. 图像的拼接水平拼接 hstack(
tensorflow安装测试教程【一文读懂】
tensorflow 各个版本安装体验教程、一文读懂
一张照片，AI生成抽象画（CLIPasso项目安装使用） | 机器学习
最近看到一个比较有意思的项目，可以将照片生成对应的抽象画。AI帮你一键生成一张抽象画。
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔目录OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔1. 图像梯度1.1 Sobel和Scharr算子1.2 Laplacian算子2. Canny边缘检测2.1 多阶段的Canny边缘检测算法
基于人脸识别的人脸考勤机实现（训练、测试、部署）
代码下载地址：下载地址一、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头二、软件：Python：3.7opencvDlib二、用法：使用python demo_full.py --{参数名}={参数值} -h, --help sh
基于人脸识别、姿态检测、距离估计的看电视姿态检测
人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近代码下载地址：下载地址AI分析看电视行为一、功能：人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近二、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头三、软
yolov5——训练策略
yolov5——训练策略前言前言yolov5的训练策略big big丰富，这也是yolov5涨分厉害的reason，目前yolov5的使用量也是非常大的，官网的star已经23.5k了，无论是在迁移学习还是实际场景的应用都是非常广泛的。之前参加比赛，发现好几页的选手都在使用yolov5，确实有必要梳
Opencv从入门到精通（三）：图像基础操作和变形与裁剪
文章目录一、基础操作二、resize和crop一、基础操作在Opencv中约定通道是BGR但是彩色图像是RGBimg = cv2.imread('./1.png')# print(img, type(img)) # ndarrayimg_gray = cv2.cvtColor(img, code=
OpenCV中的图像处理 —— 改变颜色空间+图像几何变换
OpenCV中的图像处理 —— 改变颜色空间+图像几何变换这一部分主要介绍OpenCV图像处理中的改变颜色空间和图像的几何变换，颜色空间的改变应用非常广泛，在处理图像的实际问题中，经常需要要图像变换为单通道灰度图像等形式操作，在文中会有一个追踪颜色的小实例便于理解，图像的几何变换是老生常谈的东西了，
自动驾驶中激光雷达如何检测障碍物
自动驾驶中激光雷达如何检测障碍物1. 介绍1.1 激光雷达-一种三维激光传感器1.2 激光雷达的优缺点？1.3 基于激光雷达如何进行障碍物检测？1.4 点云处理难点2. 点云处理2.1 点云处理-体素网格2.1.1 什么是体素网格？3 三维点云的分割3.1 RANSAC3.1.1 RANSAC 的实
OpenCV的核心操作 —— 图像的基本操作+图像上的算术运算
OpenCV的核心操作 —— 图像的基本操作+图像上的算术运算对图像的基本操作包括访问像素值并对其进行修改、访问像素属性、设置感兴趣区域和分割/合并图像通道，如果我们想用OpenCV写出更好的优化代码，熟练使用Numpy是至关重要的（Numpy是一个用于快速数组计算的优化库）1. 图像的基本操作1
64行代码实现简单人脸识别
64行代码实现简单人脸识别。快来学习吧！
OpenCV-Python实战（22）——使用Keras和Flask在Web端部署图像识别应用
在本文中，我们将看到如何使用 Keras 和 Flask 创建深度学习 REST API。更具体地说，我们首先学习如何使用 Keras 中包含的预训练深度学习架构，然后介绍如何使用这些预训练深度学习架构创建深度学习 API，用于高性能图像识别任务。
摄像头实时换脸，上网课老师都不认识我了，哈哈
摄像头实时换脸了
论文导读：Universal Adversarial Training
在这篇论文中，作者提出了一种优化的方法来找到给定模型的通用对抗样本（首先在 Moosavi-Desfooli 等人 [1] 中引入）。作者还提出了一种低成本算法来增强模型对此类扰动的鲁棒性。
OpenCV-Python实战（番外篇）——想要识别猫咪的情绪？从猫脸检测开始
在本项目中，我们将使用 OpenCV 和 Flask 构建检测猫脸的深度学习 Web 应用程序，项目可以处理来自浏览器的不同请求方式(例如 GET 和 POST 等)，最后通过实战测试使用 OpenCV 和 Flask 创建的 Web 猫脸检测 API。
动手学习ResNet50
ResNet 论文《Deep Residual Learning for Image Recognition》论文地址：https://arxiv.org/abs/1512.03385残差网络(ResNet)以学习ResNet的收获、ResNet50的复现二大部分，简述ResNet50网络。一、学习
论文导读：CoAtNet是如何完美结合 CNN 和 Transformer的
这篇文章主要介绍 Z. Dai 等人的论文 CoAtNet: Marrying Convolution and Attention for All Data Sizes。（2021 年）。
ViT结构优化——Searching the Search Space (S3 NAS)
Paper地址：https://arxiv.org/abs/2111.14725GitHub链接：https://github.com/microsoft/Cream概述网络结构搜索（NAS: Neural-network Architecture Search）的设计收敛，首先取决于搜索空间的设计
