Vision Transformer 论文 + 详解（ ViT ）
Vision Transformer 论文 + 详解
CUlane数据集介绍
culane数据集是车道线检测的一个比较通用的数据集，是由SCNN这篇论文提出的。它是由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集的。 收集了超过55小时的视频，并提取了133,235帧。 数据示例如上所示。 我们将数据集分为88880个训练集，9675个验证集和34680个测试集。 测
图解自注意力机制
写在最前边这个文章是《图解GPT-2 | The Illustrated GPT-2 (Visualizing Transformer Language Models)》的一部分，因为篇幅太长我就单独拿出来了。当然如果你只想了解自注意力机制也可以看看本文章的前半部分，这篇文章属算是入门科普读物了，不
YoloV5 模型自定义评估-误报、漏报、错报
YoloV5模型训练成功后，可以通过自带的val.py文件进行评估分析，其提供mAp、Iou以及混淆矩阵等，很好，但是……领导不认可……/(ㄒoㄒ)/~~。领导要的是最直观的东西，比如这个模型识别目标的准确率，还有误报率等……。那么，领导的要求就是我们开发的方向：为了得到准确率以及误报、漏报、错报的
CenterPoint 工程复现
CenterPoint 工程复现，本文中使用版本：BEVerse工程下的mmdet3d (`MMDet3d v0.17.3`)版本，MMDetection3D中其他版本的使用`大同小异`。
PointNet++论文解读和代码解析
PointNet++
nn.Upsample
写在前面：在PyTorch中有两种上采样/下采样的方法，一种是Upsample，另一种是interpolate这两个函数的使用方法略有差异，这里仅介绍UpsampleUpsampletorch.nn.Upsample(size=None, scale_factor=None, mode='neare
爆改YOLOV7的detect.py制作成API接口供其他python程序调用（超低延时）
YOLO系列框架凭借其超高的运行流畅度和不俗的准确率，一直被广泛地应用到各个领域。刚刚推出不久的YOLOV7在5FPS到160FPS范围内的速度和精度达到了新的高度，并在GPUV100上具有30FPS或更高的所有已知实时目标检测器中具有最高的精度56.8%AP。作为目标检测领域的一种框架，YOLOV
模型实战（2）之YOLOv5 实时实例分割+训练自己数据集
模型实战（2）之YOLOv5 实时实例分割+训练自己数据集
Faiss(一)基础介绍及安装
Faiss(一)基础介绍及安装
训练自己的GPT2模型（中文），踩坑与经验
GPT模型，中文，自己微调，经验与踩坑
YOLOv5~目标检测模型精确度
也称重叠度表示计算预测回归框和真实回归框的交并比,计算公式如下:指标的一些基本概念：TP（True Postives）：分类器把正例正确的分类-预测为正例。(IOU >=阈值)FN（False Negatives）：分类器把正例错误的分类-预测为负例。(IOU
Transformer结构解析
Transformer模型的结构和计算过程
【NLP】使用 BERT 和 PyTorch Lightning 进行多标签文本分类
了解如何为多标签文本分类（标记）准备带有恶意评论的数据集。我们将使用 PyTorch Lightning 微调 BERT 并评估模型。多标签文本分类（或标记文本）是您在执行 NLP 时会遇到的最常见任务之一。现代基于 Transformer 的模型（如 BERT）利用对大量文本数据的预训练，可以更快
[CV学习笔记]tensorrt加速篇之yolov5seg 实例分割
yolov5 实例分割
详细介绍BERT模型
BERT通过在所有层中联合调节左右语境，从未标记的文本中预训练深度双向表征。因此，预训练的BERT模型可以通过一个额外的输出层进行微调，以创建最先进的模型，用于更广泛的任务，而无需对特定任务的架构进行大量修改。
计算机视觉 (Computer Vision) 领域顶级会议归纳
本文具体介绍几种计算机视觉顶级会议，包括计算机视觉领域三大顶尖国际会议 ： CVPR、ICCV、ECCV ；还有其他一些 著名 会议： WACV、NIPS、ICLR、AAAI、ICML、IJCAI ；汇总信息在最后面，可以直接点击查看 ；...............
YOLOv5 PyQt5（一起制作YOLOv5的GUI界面）
视频地址：[PyQt \YOLOv5\GUI]利用PyQt制作的YOLOv5GUI界面_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1ii4y1C75h#reply105653862912自从上一个视频在B站发布之后，很多小伙伴想要我把项目代码来源，考
TransUnet官方代码测试自己的数据集（已训练完毕）
首先参考上一篇的训练过程，这是测试过程，需要用到训练过程的权重。1. TransUnet训练完毕之后，会生成权重文件（默认保存位置如下），snapshot_path为保存权重的路径。权重文件2. 修改test.py文件调整数据集路径。训练和测试时的图像设置相同大小。配置数据集相关信息。手动添加权重。
深度学习中的GPU与CUDA
显卡，也称之为 GPU。GPU 的全称是 Graphics Processing Unit（图形处理单元）。它出现的目的一目了然，就是用来显示图像的。没错，就是用来在电脑显示器上显示图像的。大家其实只要知道我们的电脑都有显卡这一点就行了。但我们在深度学习中说的显卡（GPU）一般特指是英伟达（NVID
