2022.07.25 C++下使用opencv部署yolov7模型（五）
opencv下部署yolov7
卷积神经网络CNN-全连接层
卷积神经网络CNN-全连接层，特点、作用、复杂度，全连接层的操作过程详解
2022年度强化学习领域19个重要进展汇总
为了创造更安全的对话智能体，DeepMind在最新论文中提出了Sparrow（麻雀）模型，探索了训练对话智能体的新方法，即从人类的反馈中学习，使用基于研究参与者输入的强化学习，能够减少生成不安全和不适当答案的风险。最近，AlphaZero 的作者 Demis Hassabis 与 DeepMind
一文看懂多模态大型语言模型GPT-4
GPT-4是OpenAI公司3月推出的新一代人工智能预训练AI模型，是一个多模态大型语言模型，使用了1.5万亿个参数，是GPT-3.5的10倍之多，当然它也是世界上最大的人工智能模型。
win10 cuda11.8 和torch2.0 安装
win10 cuda11.8 和torch2.0 安装,pytorch 新版本
PyTorch 实现CycleGAN 风格迁移
一、前言 pix2pix对训练样本要求较高，需要成对的数据集，而这种样本的获取往往需要耗费很大精力。CycleGAN恰巧解决了该问题，实现两个domain之间的转换，即只需要准备两种风格的数据集，让GAN去学习将domain X中的图片转换成domain Y的风格(不改变domain X原图中
“ChatGPT们”的淘金时代
语言（即读写能力）是人类最重要的发明，也是人类与其它物种的最大区别。语言使我们掌握了抽象推理，发展出了复杂思维，学会了与他人沟通交流。可以说，没有语言就不会有现代文明。因此，未来几年大型语言模型（LLM）将极大地影响生成式AI的发展，ChatGPT的迅速普及就是很好的例证。此外，LLM还在多种场景得
语义分割系列15-UPerNet（pytorch实现）
本文介绍了UPerNet论文思想，介绍了UPerNet作者如何创建Multi-task数据集以及如何设计UPerNet网络和检测头来解决Multi-task任务。本文对于UPerNet语义分割部分的模型进行单独复现，所有代码基于pytorch框架，并在Camvid数据集上进行训练和测试。......
字节跳动CVPR 2023论文精选来啦（内含一批图像生成新研究）
计算机视觉领域三大顶会之一的 CVPR 今年已经开奖啦。今年的 CVPR 将于六月在加拿大温哥华举办，和往年一样，字节跳动技术团队的同学们收获了不少中选论文，覆盖文本生成图像、语义分割、目标检测、自监督学习等多个领域，其中不少成果在所属领域达到了 SOTA（当前最高水平）。一起来看看这些成果吧~
手把手教你搭建自己本地的ChatGLM
如果能够本地自己搭建一个ChatGPT的话，训练一个属于自己知识库体系的人工智能AI对话系统，那么能够高效的处理应对所属领域的专业知识，甚至加入职业思维的意识，训练出能够结合行业领域知识高效产出的AI。这必定是十分高效的生产力工具，且本地部署能够保护个人数据隐私，能够内网搭建办公使用也十分的方便。而
Transformers回顾 ：从BERT到GPT4
在本文中，我们将研究革命性的Transformers架构以及它如何改变NLP，我们还将全面回顾从BERT到Alpaca的Transformers模型，重点介绍每种模型的主要特征及其潜在应用。
RealSense D435i深度相机介绍
D435i硬件结构及各个组件原理详解
使用LSTM预测结果为一条直线原因总结
使用LSTM预测结果为一条直线原因总结
深入浅出Pytorch函数——torch.ones
torch.ones
yolov7目标检测：基于自定义数据集完成检测、训练、测试
主要分三步：（1）环境配置与文件配置（2）检测（3）训练。其中，检测和训练都是可以独立进行的。检测是依赖于权重文件即可运行，而训练是基于自定义训练数据集和超参数生成权重文件。
基于SadTalker的AI主播，Stable Diffusion也可用
基于之前的AI主播的的学习基础和，这次尝试一下VideoRetalking生成效果。总体来说，面部处理效果要好于Wav2Lip，而且速度相对于Wav2Lip+GFPGAN也提升很多，也支持自由旋转角度，但是如果不修改源码的情况下，视频的部分截取稍微有点问题。这个训练图片还好，如果是做视频的话还是比较
概述：隐式神经表示（Implicit Neural Representations，INRs）
本文主要概述了隐式神经表示的相关内容，主要倾向于三维重建的应用。同时对隐式表示做了一个展开阐述。
使用思维链（Chain-of-thoughts）提示在大型语言模型中引出推理
“思维链提示”的方法，通过生成一系列中间推理步骤或思维链来提高法LLM 的复杂推理能力。
毕业设计-基于深度学习的图像去噪方法研究
毕业设计-基于深度学习的图像去噪方法研究：图像去噪是利用图像序列的上下文信息去除噪声，从而恢复出清晰图像的一种技术，是计算机视觉领域重要研究内容之一。随着机器学习的发展，深度学习在图像去噪领域得到广泛应用，成为处理图像去噪的有效解决方法。图像的去噪研究是计算机视觉领域的重要组成部分。近年来，基于深度
【YOLO系列】YOLOv4论文超详细解读2（网络详解）
YOLOv4包含的tricks超级详细介绍，更深一步的解读。
