Pytorch目标检测算法(2)（基于李沐老师的课程）
二.锚框2.1 定义目标检测算法，顾名思义我们需要在输入图像上检测是否存在我们关注的目标。因此我们需要在输入图像上进行大量的采样，然后进行判断是否存在目标，并调整区域边界从而更准确的预测目标的真实边框。故在图像上的大量采样所得到的不同缩放比和宽高比的边界框就称为锚框。图示：2.2 实现过程1.锚框数
GAN 初学者指南
GAN是一个非常巧妙并且非常有用的模型。当有大量关于 GAN 的论文时，但是你会发现这些论文通常很难理解，你可能会想要一些对初学者更友好的东西。所以本文的对非传统机器学习人员来说，是我能想到的最好的例子。
基于LSTM的时空序列预测任务文章总结
时空序列预测任务，LSTM单元结构
李宏毅老师《机器学习》课程笔记-3卷积神经网络
介绍了深度学习在图像识别领域的应用—卷积神经网络。
正则化——参数范数惩罚
L1和L2正则化
物体检测快速入门系列(3)-Windows部署Docker GPU深度学习开发环境
在《物体检测快速入门系列(2)-Windows部署GPU深度学习开发环境》一文中已经描述了如何在Windows环境下部署GPU深度学习开发环境，但是要我推荐的话，我还是倾向于docker环境，无需安装cuda、cuDNN，docker镜像安装完毕后，就都好了，一键部署好之后，可以随意迁移，再也不用环
《Yolov5实验数据全部开源》
公开了个人实验数据及配置文件代码
Python-安装Pytorch
文章目录一.安装Anaconda二.创建虚拟环境三.安装pytorch四.配置jupyter notebook注：本文参考了深入浅出PyTorch一.安装Anaconda安装步骤略.二.创建虚拟环境1.打开Anaconda Prompt2.创建虚拟环境conda create -n env_name
多目标追踪小抄：快速了解MOT的基本概念
MOT 获取单个连续视频并以特定帧速率 (fps) 将其拆分为离散帧以输出
PyTorch学习笔记（十一）——ResNet的实现
目录一、Residual Block二、ResNet 架构三、训练/测试 ResNet附录：完整代码一、Residual Block残差块有以下两种：实现如下：import torchfrom torch import nnimport torch.nn.functional as Fclass R
卷积神经网络(原理与代码实现)
卷积神经网络1、卷积的概念2、感受野的概念3、全零填充(padding)4、Tensorflow描述卷积层4.1 卷积(Convolutional)4.2 批标准化（Batch Normalization，BN）4.3 池化4.4 Dropout5、简单CNN实现CIFAR10数据集分类5.1 ci
【注意力机制集锦2】BAM&SGE&DAN原文、结构、源码详解
视觉注意力机制领域BAM及DAN的原文、结构、源码解读
强化学习PPO代码讲解
查看代码对于算法的理解直观重要，这使得你的知识不止停留在概念的层面，而是深入到应用层面。代码采用了简单易懂的强化学习库PARL，对新手十分友好。
PyTorch学习笔记（十）——GoogLeNet
目录一、GoogLeNet 简介二、Inception 块三、GoogLeNet 架构四、训练/测试 GoogLeNet附录：完整代码一、GoogLeNet 简介GoogLeNet 吸收了 NiN 中串联网络的思想，并在此基础上做了改进。GoogLeNet 的一个观点是，有时使用不同大小的卷积核的组
Keras深度学习实战（8）——房价预测
在本节中，我们介绍了神经网络的实际应用，使用 Boston 房价数据集，通过尝试预测房屋的价格来研究连续输出问题，并介绍了如何在网络训练过程中使用自定义损失函数。
多层感知机还在进步，关于深度学习中MLP的5篇最新的论文推荐
2002年最新的5篇MLP论文推荐
笔记：基于keras的不同神经网络模型Minst手写体识别
基于keras不同神经网络模型的mnist手写体识别
TensorFlow简单使用（基础篇）
目录一、TensorFlow的数据类型二、如何创建一个张量三、常用函数1.强制转换、最大值、最小值2.平均值、求和3.标记为可训练4.四则运算5.平方、次方与开方6.矩阵相乘7.输入特征和标签配对8.求出张量的梯度9.枚举函数10.独热编码11.概率转换函数12.自更新函数13.最大值索引函数我们为
10大机器视觉和AI模型库
AI社区慷慨地分享代码、模型架构，甚至在大型数据集上预训练好的模型。我们站在巨人的肩膀上，这就是为什么行业会如此广泛地采用人工智能的原因。当我们开始一个计算机视觉项目时，我们首先找到能部分解决我们问题的模型。假设想要构建一个安防应用，该应用主要是检测规定区域的行人。首先，检查是否存在公开可用的行人检
