你升级GPT-4了吗？，如何申请GPT-4 API？最全攻略
如何申请GPT-4 API？必须有ChatGPT plus 会员，才能调用GPT-4 API
顶会查找论文的网址和检索方法
顶会的论文集：https://openaccess.thecvf.com/menu。dblp.org官网下载会议中的论文： https://dblp.org/论文下载网址：https://arxiv.org/指定论文来自哪个会议。
【深度学习基础】卷积是如何计算的
卷积操作其实就是每次取一个特定大小的矩阵，然后将其对输入矩阵依次扫描并进行内积的运算过程。
Stable Diffusion的入门介绍和使用教程
Stable Diffusion是一个文本到图像的潜在扩散模型，由CompVis、Stability AI和LAION的研究人员和工程师创建。它使用来自LAION-5B数据库子集的512x512图像进行训练。使用这个模型，可以生成包括人脸在内的任何图像，因为有开源的预训练模型，所以我们也可以在自己的
轨迹预测论文解读系列——几种经典的网络
人体轨迹预测在现实场景有着极具挑战且有着重要的应用，例如人机交互的问题，自动驾驶汽车的感知能力。如何对人与人之间的交互进行建模是今天介绍的三种方法之间的主要区别。从方法和结果来看，我认为相邻人之间的交互和人于环境的交互也是在之后工作值得探讨的方向。...
Stable Diffusion加chilloutmixni真人图片生成模型，AI绘图杀疯了
Stable Diffusion是一种扩散模型，可以经过训练，使用文本进行图片的生成任务，很多基于Stable Diffusion模型的训练模型已经发布，最近比较火的便是chilloutmixni（一个真人图片生成模型）与lora模型（一种风格模型），2种模型可以搭配使用，由于Stable Diff
机器学习深度学习数据集大汇总
本文汇总了NLP 和 CV领域主流的数据集并提供了介绍。
AI自主图像生成 之 stable-diffusion—运行效果展示
这几天跑省外出差被隔离在酒店，不过随身带了个主机和显示器（笔记本太差跑不了项目程序，只能随身带主机，一言难尽…）,正巧又刷到stable-diffusion开源的消息，现在就来试试搭建这个试试水。硬件环境：显卡3060 12G显存，内存32G 主要就这两，cpu没太大要求，除非你想用cpu跑深度学习
[九]深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)
深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)
图像风格迁移 CycleGAN原理
CycleGAN是一种很方便使用的用于进行图像风格转换的模型。它的一大优势就在于不需要成对的数据集就可以进行训练。比如我们只需要随便一大堆真人图像和随便另一大堆动漫图像，就可以训练出这两类风格互相转换的模型。 CycleGAN进行风格转换的原理是这样的：在CycleGAN模型中有两个生成器和两个判别
Vision Transformer模型与预训练权重简析
ViT (Vision Transformer) 是首次成功将 Transformer引入到视觉领域的尝试，开辟了视觉Transformer的先河。这里先对ViT的原理进行阐述，并对预训练文件ViT-B_16.npz的内容做一个简要介绍。
（一）PaddlePaddle（深度学习框架）的搭建、使用
PaddlePaddle（深度学习框架）的搭建、使用
SKnet论文解读
本文讲述sknet的核心部分:自适应性的注意力编码机制SKNet对不同输入使用的卷积核感受野不同,参数权重也不同,可以自适应的对输出进行处理注:本人才疏学浅,文章难免有疏漏之处,仅给初学者阅读交流,大牛轻喷.开始之前的题外话 说来也算有趣,最近读了几个关于CV领域的paper,有的号称其id
【自然语言处理】从词袋模型到Transformer家族的变迁之路
本文简要介绍了 BOW、TF-IDF、Word2Vec、Transformer、BERT、GPT、RoBERTa、 XLM、Reformer、ELECTRA、T5 等模型。
yolo-pose环境搭建及训练和测试
扔掉学术偏见，拥抱工程化的Yolo。由于一直没有使用过yolo，因此本文旨在从0基础配置yolo环境并训练和测试。论文地址代码地址有问题欢迎+vx: wulele2541612007，后续有空会出yolo-pose的源码解读，敬请期待。......
GPT-4：关于下一代人工智能模型的事实、谣言和期望
在深入细节之前，有必要描述一下 GPT 是什么。GPT（生成式预训练转换器）是一种文本生成 AI 模型，根据互联网上可用的数据进行训练。GPT 旨在生成类似人类的文本。将 GPT 视为按需智能。您可以在需要解决通常需要人工参与的问题时使用它。GPT模型的应用是无穷无尽的。它可以用于问答、文本摘要、翻
【半监督医学图像分割 2023 CVPR】UCMT 论文翻译
高质量的伪标签对于半监督语义分割是必不可少的。一致性正则化和基于伪标记的半监督方法利用来自多视图输入的伪标记进行协同训练。然而，这种协同训练模型往往在训练过程中早期收敛到一致，从而导致模型退化到自我训练模型。另外，多视点输入是通过对原始图像的扰动或增强而产生的，这不可避免地会在输入中引入噪声，导致低
vision transformer的位置编码总结
视觉transformer位置编码
【语义分割】类别不平衡损失函数合集
在语义分割领域，我们会常常遇到类别不平衡的问题。比如要分割的目标（前景）可能只占图像的一小部分，因此负样本的比重很大，导致网络倾向于将所有样本判断为负样本。本文介绍了在数据不平衡时常用的一些损失函数。类别不平衡会出现什么问题呢？假设我们需要训练一个分类器来对黄豆和绿豆分类，用100颗豆子训练分类器，
YOLOv5全面解析教程⑥：模型训练流程详解
欢迎Star、试用One-YOLOv5：https://github.com/Oneflow-Inc/one-yolov51结构项目预览2安装gitclonehttps://github.com/Oneflow-Inc/one-yolov5#clonecdone-yolov5pipinstall-r
