论文推荐：ScoreGrad，基于能量模型的时间序列预测
能量模型（Energy-based model）是一种以自监督方式执行的生成式模型，近年来受到了很多关注。本文将介绍ScoreGrad：基于连续能量生成模型的多变量概率时间序列预测。如果你对时间序列预测感兴趣，推荐继续阅读本文。
基于深度学习的图像去噪方法归纳总结
基于深度学习的图像去噪方法
使用手工特征提升模型性能
本文将使用信用违约数据集介绍手工特征的概念和创建过程。
PyTorch 打印模型结构、输出维度和参数信息（torchsummary）
使用 PyTorch 深度学习搭建模型后，如果想查看模型结构，可以直接使用 print(model) 函数打印。但该输出结果不是特别直观，查阅发现有个能输出类似 keras 风格 model.summary() 的模型可视化工具。这里记录一下方便以后查阅。
UNet 网络做图像分割DRIVE数据集
目录1. 介绍2. 搭建 UNet 网络3. dataset 数据加载4. train 训练网络5. predict 分割图像6. show7. 完整代码项目的目录如下所示 之前做了一个图像分割的例子，里面大部分的代码和本篇的内容重合，所以每个脚本的代码只会做简单的介绍。具体的可以参考之前的内容，这
【图神经网络实战】深入浅出地学习图神经网络GNN（上）
V：点，每个点都有自己的特征向量（特征举例：邻居点数量、一阶二阶相似度）E：边，每个边都有自己的特征向量（特征举例：边的权重值、边的定义）U：整个图，每个图都有自己的特征向量（特征举例：节点数量、图直径）传统神经网络（CNN、RNN、DNN）要求输入格式是固定的（如2424、128128等）。但在实
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EI
研一小白记录第一次在实验室服务器上跑深度学习的代码全过程（实验室服务器上跑代码详细全过程哦）
在犹豫和观摩了好久之后终于决定自己在实验室服务器上跑一次代码，因为自己是完全没有概念，所以搜了很多很多，有时候一口气打开二三十个搜索框才找到自己想要的答案，但是也很零散，所以决定记录一个自己从申请服务器账号到代码成功跑起来的全过程，见证成长同时希望帮助到你！
稀疏特征和密集特征
在机器学习中，特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类：稀疏特征和密集特征。
三万字硬核详解：yolov1、yolov2、yolov3、yolov4、yolov5、yolov7
Yolo (You Only Look Once) 是目标检测 one-state 的一种神经网络，可以在图像中找出特定物体, 并识别种类和位置。
选择最佳机器学习模型的10步指南
机器学习可以用来解决广泛的问题。但是有很多多不同的模型可以选择，要知道哪一个适合是一个非常麻烦的事情。本文的总结将帮助你选择最适合需求的机器学习模型。
ChatGPT持续“狂飙“,有这么人工智能吗？
ChatGPT持续"狂飙",有这么人工智能吗？
yolov5增加iou loss，无痛涨点trick
如果需要应用对应的IoU loss的变体，即可将Focal设置为True，并将对应的IoU也设置为True，如CIoU=True，Focal=True时为Focal-CIoU，此时可以调整gamma，默认设置为0.5。本文将在yolov5的基础上增加SIoU，EIoU，Focal-XIoU（X为C,
ChatGPT：“抢走你工作的不会是 AI ，而是先掌握 AI 能力的人”
ChatGPT："抢走你工作的不会是 AI ，而是先掌握 AI 能力的人"
机器学习--数据清理、数据变换、特征工程
看看数据长什么样子，找其他的规则，从数据中提起有弱噪音的标号，也是可以用来训练模型的】没有的话就去收集数据【发掘在哪里找数据；生成自己需要的数据；3、数据预处理：看看数据长什么样子；通常来说数据是有很多噪音的，要对数据清洗；将数据变成我们需要的格式；数据质量：数据的多样性：产品所关心的方方面面都要考
YOLOV7改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU
在YoloV7中添加EIoU,SIoU,AlphaIoU,FocalEIoU的保姆级教程。一看就会！
Paddle入门实战系列（四）：中文场景文字识别
本项目为基于PaddleOCR的中文场景文字识别，项目主要以CRNN网络为基础框架，结合数据增强及模型微调，采用ResNet34和MobileNetV3模型作为骨干网络，进行训练及预测。以准确度为评价指标，最终生成的预测文件为work中的result.txt文件。本比赛提供的数据训练集（train_
YOLOv8 深度详解！一文看懂，快速上手
本文详细分析和总结了最新的 YOLOv8 算法，从整体设计到模型结构、Loss 计算、训练数据增强、训练策略和推理过程进行了详细的说明，并提供了大量的示意图供大家方便理解。
导数与微分总复习——“高等数学”
导数与微分噢
Wise-IoU 作者导读：基于动态非单调聚焦机制的边界框损失
目标检测作为计算机视觉的核心问题，其检测性能依赖于损失函数的设计。边界框损失函数作为目标检测损失函数的重要组成部分，其良好的定义将为目标检测模型带来显著的性能提升。近年来的研究大多假设训练数据中的示例有较高的质量，致力于强化边界框损失的拟合能力。但我们注意到目标检测训练集中含有低质量示例，如果一味地
