【深度学习】常见的神经网络层（上）
在深度学习中常见的神经网络层的讲解
卷，卷，卷，SAM发布不到24h | BAAI、浙大、北大联合推出SegGPT
在这项工作中，我们提出了一种通用的分割模型，展示了如何设计适当的训练策略，充分利用上下文视觉学习的灵活性。然而，我们的工作也存在缺点。虽然我们的工作引入了一种新的随机着色机制，以提高上下文训练的泛化能力，但也使得训练任务本质上更加困难，这可能是在具有丰富训练数据的领域内任务中表现较差的原因，例如AD
语义分割中的一些模型的分类汇总
语义分割是深度学习中的一个重要应用领域。自Unet提出到现在已经过去了8年，期间有很多创新式的语义分割模型。简单的总结了Unet++、Unet3+、HRNet、LinkNet、PSPNet、DeepLabv3、多尺度attention、HarDNet、SegFormer、SegNeXt等10个语义分
2.1.1 摄像头
摄像头是目前自动驾驶车中应用和研究最广泛的传感器，其采集图像的过程最接近人类视觉系统
注意力机制SE、CBAM、ECA、CA的优缺点
注意力机制模块可以帮助神经网络更好地处理序列数据和图像数据，从而提高模型的性能和精度。
穿越火线(CF) AI 自瞄 代码 权重 数据集 亲测可用（结尾有资源）
本人程序员一枚，且CF10年老兵（哈哈哈），最近听说AI自瞄霸占FPS游戏，测试一番，效果还是很好的。
图像处理—数据集的构建
本内容针对有监督学习的图像，处理数据集。
图灵奖得主、AI 教父、神经网络大师——谷歌副总裁 Hinton 离职——称其对毕生工作感到后悔和恐惧
杰弗里·辛顿（Geoffrey Hinton）生平杰弗里·辛顿（Geoffrey Hinton，1947年12月6日—）是一位英国出生的计算机科学家，现居加拿大。他是加拿大麦吉尔大学和多伦多大学的荣誉博士，威廉 · 门罗 · 勒默尔计算机科学教授。1980年获得爱丁堡大学人工智能领域博士学位。他是神
第2章 GPT-3简介
介绍GPT-3模型
人工智能实战项目(python)+多领域实战练手项目
人工智能实战项目目录一、机器学习实战项目1.机器学习实战1-四种算法对比对客户信用卡还款情况进行预测2.机器学习实战2-聚类算法分析亚洲足球梯队 （待更新）...(待更新)二、深度学习实战项目1.深度学习实战1-(keras框架)企业数据分析与预测2.深度学习实战2-(keras框架)企业信用评级与
常用的视频帧提取工具和方法总结
视频理解任务最基础也是最主要的预处理任务是图像帧的提取。因为在视频理解任务中，视频可以看作是由一系列连续的图像帧组成的。
语义分割系列3-SegNet（pytorch实现）
本文介绍了SegNet网络结构，基于pytorch构建了SegNet模型，并在Camvid数据集上复现。
深入浅出TensorFlow2函数——tf.reduce_sum
tf.reduce_sum( input_tensor, axis=None, keepdims=False, name=None)
深度学习与图像识别：如何使用深度学习进行图像识别
深度学习是一种基于多层神经网络的机器学习方法，能够从大量的数据中自动提取特征和规律，从而实现复杂的任务，如图像识别。使用深度学习进行图像识别的通常方法是：构建一个以图像为输入，以类别或标签为输出的神经网络模型，然后利用大量的带有标注的图像数据来训练这个模型，使其能够在新的图像上做出正确的预测。- 数
深度学习实战（四）：行人跟踪与摔倒检测报警
深度学习实战（X）：行人跟踪与摔倒检测报警1. 项目简介1.1 相关工作2.方法简介2.1 总体结构2.2 骨架的图结构2.3 空间图卷积网络2.3.1 Sampling Function2.3.2 Weight Function2.3.3 空间图卷积2.3.4 时空模型2.4 划分子集2.5 注
GPT系列简介与gpt训练（nanoGPT）
GPT系列简介与gpt训练（nanoGPT）
利用ChatGPT高效撰写论文？？？
大家好，我是研路科研人。今天我来和大家分享如何使用ChatGPT高效撰写学术论文。我想分享这篇文章的原因是因为前几天，我刚刚利用ChatGPT成功完成了我的硕士论文，这给我带来了很大的帮助和启示。我目前指导的大四、研三和博士毕业班的学生们也在为完成论文而奋斗。借此机会，我想与大家分享一些有用的方法。
通俗易懂的GPT原理简介
综上所述，GPT是自然语言处理领域中最强大的模型之一，它的出色表现已经使得它在各种应用场景中得到了广泛的应用。
pytorch进阶学习（三）：在数据集数量不够时如何进行数据增强
1. 尺寸放大缩小2. 旋转（任意角度，如45°，90°，180°，270°）3. 翻转（水平翻转，垂直翻转）4. 明亮度改变（变亮，变暗）5. 像素平移（往一个方向平移像素，空出部分自动填补黑色）6. 添加噪声（椒盐噪声，高斯噪声）
labelme安装与使用制作VOC数据集
VOC数据集可以用于目标检测、目标分割。该文件夹下有三个关键的子文件。分别为：ImageSets,JPEGImages,SegmentationClassPNGJPEGImages该文件夹下一般放置原图;SegmentationClassPNG存放标记图片；制作好数据集就可以开始训练模型了。
