2022亚太赛C题全球变暖思路及代码
你同意有关全球气温的说法吗？使用2022_APMCM_C_Data。附件中的csv和其他您的团队收集的数据集，以分析全球温度变化。
芒果改进目录一览｜改进YOLOv5、YOLOv7等YOLO模型全系列目录
改进YOLOv5、YOLOv7等YOLO模型全系列目录（推荐）
推荐一个对pytorch代码详细注释的github项目
今天在无意间找一个pytorch代码和注释的Github项目。先上项目：这个项目还有个网站，地址：https://nn.labml.ai/
Vision Transformer这两年
在NLP领域取得巨大成功后，Transformer架构在计算机视觉方面的作用日渐凸显，成为越来越普遍的CV工具。自2020年10月Vision Transformer模型推出以来，人们开始高度关注Transformer模型在计算机视觉上的应用。
目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG（速度飙升）
目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG（速度飙升）。在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是老模型首次实现该精度。 在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-
达摩院开源低成本大规模分类框架FFC CVPR论文深入解读
图像分类是当前AI最为成功的实际应用技术之一，它已经融入了人们的日常生活。目前已形成一个普遍共识：“当数据集越大ID越多时，只要训练得当，相应分类任务的效果就会越好”。本文介绍在千万ID甚至上亿ID时，如何使用低成本的框架实现大规模的分类训练。
文本生成图像工作简述2--常用数据集分析与汇总
文本生成图像（text-to-image）可以根据给定文本生成符合描述的真实图像，其是多模态机器学习的任务之一，具有巨大的应用潜力，如视觉推理、图像编辑、视频游戏、动画制作和计算机辅助设计。本篇将简述文本生成图像的数据集，汇总介绍数据集的内容、特点、细节和下载方式等。
YoloV7最强操作教程.
yolov7最强保姆级操作教程，并且在B站中配套讲解视频喔，本文主要带领大家使用yolov7对口罩目标检测数据集进行实践，主要就是希望通过本教程可以让各位使用yolov7对自己的数据集进行训练，测试，预测。
基于CNN和LSTM的气象图降水预测示例
我们是否可以通过气象图来预测降水量呢？今天我们来使用CNN和LSTM进行一个有趣的实验。
文本生成图像简述3--杂谈技术难点、研究意义、应用领域和目前的局限性
文本生成图像指的是使用人工智能技术将文本转换为图像的过程，其可以根据给定文本生成符合描述的真实图像，其是多模态机器学习的任务之一，文本生成图像的技术难点主要有两个： - 如何捕捉文本和图像之间的复杂关系； - 如何生成高质量的图像。
生成对抗网络(Generative Adversial Network,GAN)原理简介
生成对抗网络(GAN)的基本原理
计算机视觉面试中一些热门话题整理
通常在机器学习面试中，问完常见基础知识的技术问题之后会有具体的项目问题的讨论，所以这里准备了一些项目相关的话题，以可以帮助你准备和通过计算机视觉相关的面试。
强化学习的基础知识和6种基本算法解释
本文将涉及强化学习的术语和基本组成部分，以及不同类型的强化学习(无模型、基于模型、在线学习和离线学习)。本文最后用算法来说明不同类型的强化学习。
「模型即服务AI」1分钟调用SOTA人脸检测，同时搭建时光相册小应用
本文介绍如何快速调用AI能力，并快速创建AI应用服务，跟随本文只需1分钟就能完成上述任务。现如今结合模型即服务AI热潮，相应AI应用搭建将会越来越方便，大把的精力可以集中放到AI技术与应用的普及和相应创新上了。
MNIST数据集手写数字识别（CNN）
MNIST 包括6万张28x28的训练样本，1万张测试样本，很多教程都会对它”下手”几乎成为一个 “典范”，可以说它就是计算机视觉里面的Hello World。所以我们这里也会使用MNIST来进行实战。前面在介绍卷积神经网络的时候说到过LeNet-5，LeNet-5之所以强大就是因为在当时的环境下将
使用PyTorch进行知识蒸馏的代码示例
在本文中，我们将探索知识蒸馏的概念，以及如何在PyTorch中实现它。
AI遮天传 DL-深度学习在自然语言中的应用
AI遮天传 DL-深度学习在自然语言中的应用
从另外一个角度解释AUC
AUC到底代表什么呢，我们从另外一个角度解释AUC
基于Vision Transformers的文档理解简介
文档理解是从pdf、图像和Word文档中提取关键信息的技术。这篇文章的目标是提供一个文档理解模型的概述。
