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
U-Net介绍
Unet 发表于 2015 年，属于 FCN 的一种变体。Unet 的初衷是为了解决生物医学图像的问题，由于效果确实很好后来也被广泛的应用在语义分割的各个方向，如卫星图像分割，工业瑕疵检测等。 Unet 跟 FCN 都是 Encoder-Decoder 结构，结构简单但很有效。 Unet主要可分为
yolov5加入CBAM,SE,CA,ECA注意力机制，纯代码（22.3.1还更新）
CBAM,SE,ECA,CA注意力添加到yolov5网络中，5.0版本
TCN（Temporal Convolutional Network，时间卷积网络）
1 前言 实验表明，RNN 在几乎所有的序列问题上都有良好表现，包括语音/文本识别、机器翻译、手写体识别、序列数据分析（预测）等。 在实际应用中，RNN 在内部设计上存在一个严重的问题：由于网络一次只能处理一个时间步长，后一步必须等前一步处理完才能进行运算。这意味着 RNN 不能像 CN
yolov7 网络架构深度解析
yolov7网络结构深度解析
基于pyskl的poseC3D训练自己的数据集
基于骨骼点的视频目标识别
图像融合论文及代码整理最全大合集
本博文全面整理了图像融合领域的论文及代码。主要包括红外和可见光图像融合，医学图像融合，多聚焦图像融合，多曝光图像融合以及全色图像锐化等众多融合场景。同时提供了每个融合场景中常用数据集的下载地址并整理了常用评估指标。有助于新人系统地了解图像融合领域的脉络及发展。............
改变conda虚拟环境的默认路径
conda环境默认安装在用户目录C:\Users\username.conda\envs下，如果选择默认路径，那么之后创建虚拟环境，也是安装在用户目录下。不想占用C盘空间，可以修改conda虚拟环境路径。(1)首先，找到用户目录下的.condarc文件（C:\Users\username）。**(2
如何用DETR（detection transformer）训练自己的数据集
DETR(detection transformer)简介DETR是Facebook AI的研究者提出的Transformer的视觉版本，是CNN和transformer的融合，实现了端到端的预测，主要用于目标检测和全景分割。DETR的Github地址：link
jupyter不是内部或外部命令,也不是可运行程序的解决方案
jupyter不是内部或外部命令,也不是可运行程序的解决办法
ubuntu18.04安装cuda和cudnn
一、安装 cuda1. 首先查看自身电脑最高支持的cuda版本为多少，在终端输入以下指令nvidia-smi可以看到我的最高支持 cuda 11.4 。2. 打开英伟达官网 下载官方cuda此处我下载的是cuda 11.0.3 版本，并选择相应配置，复制指令至终端下载3. 运行官网安装指令4. 依次
CPU版本的Pytorch安装教程（AMD显卡），附详细图解
Windows11+AMD显卡+pycharm3.9.7+CPU版本的Pytorch
深度学习——VGG16模型详解
1、网络结构VGG16模型很好的适用于分类和定位任务，其名称来自牛津大学几何组（Visual Geometry Group）的缩写。根据卷积核的大小核卷积层数，VGG共有6种配置，分别为A、A-LRN、B、C、D、E，其中D和E两种是最为常用的VGG16和VGG19。介绍结构图：conv3-64 ：
Attentional Feature Fusion 注意力特征融合
看到一篇比较不错的特征融合方法，基于注意力机制的 AAF ，与此前的 SENet、SKNet 等很相似，但 AFF性能优于它们，并且适用于更广泛的场景，包括短和长跳连接以及在 Inception层内引起的特征融合。AFF是由南航提出的注意力特征融合，即插即用！
【CUDA安装详细教程】
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
Faster R-CNN最全讲解
Faster R-CNN最全讲解
AI画图 Disco-diffusion 本地搭建测试
Disco Diffusion图像生成网络，输入文字输出美图。
YOLOv5改进之十一：主干网络C3替换为轻量化网络MobileNetV3
前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效
yolov5-6.0/6.1加入SE、CBAM、CA注意力机制（理论及代码）
yolov5-6.0/6.1加入SE、CBAM、CA注意力机制（理论及代码）
手把手教你安装CUDA（一看就会）
手把手教你安装CUDA（一看就会）
