人工智能之自然语言处理技术总结与展望
1. 背景2. 预训练语言模型3. Prompt Learning4. 数据增强5. 总结
本科课程【数据结构与算法】实验2——单链表与双向循环链表的插入、删除操作(C++实现）
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！Good better best, never let it rest, until good is better, and better best.
OpenCV-Python实战（21）——OpenCV人脸检测项目在Web端的部署
将 OpenCV 计算机视觉项目部署在 Web 端一个有趣的话题，部署在 Web 端的优势之一是不需要安装任何应用，只需要访问地址就可以访问应用，有很多 Python Web 框架可用于部署应用程序，这些框架可以使我们专注于应用程序的核心逻辑，而不必处理低级细节(例如，协议、套接字或进程和线程管理等
[Python从零到壹] 四十四.图像增强及运算篇之图像灰度线性变换详解
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，上一篇文章是图像点运算的灰度化处理知识，包括各种灰度算法的实现，以及灰度线性变换和灰度非线性变换。这篇文章将详细讲解图像灰度线性变换，包括灰度上移、对比度增强
论文推荐：ReLICv2 ，新的自监督学习能否在ResNet 上超越监督学习？
自监督 ResNets 能否在 ImageNet 上没有标签的情况下超越监督学习？
OpenCV学习（53）
图像变换（7）：标准霍夫变换:HoughLines()函数此函数可以找出采用标准霍夫变换的二值图像线条。在 OpenCV中，我们可以用其来调用标准霍夫变换SHT和多尺度霍夫变换 MSHT的 OpenCV内建算法。 第一个参数，InputArray类型的image，输入图像，即源图像。需为8位的
word2vec-python对词进行相似度计算1
初学NLP，尝试word2vec模型第一次学这种，查阅了很多的博客，克服了些些问题，记录一下第一次探索的历程和相关代码，文中借鉴多篇优秀的文章，连接会在文章中给出。1.实验样本在我最开始寻找实验头绪的时候，了解做这个需要实验样本，但是大部分博主没有提供他的实验样本，所以我在网络上下载了《倚天屠龙记》
动手学深度学习——卷积层
从全连接到卷积1、简单例子：分类猫和狗的图片使用一个还不错的相机采集图片（12M像素）RGB图片有36M元素使用100大小的单隐藏层MLP，模型有3.6B元素，远多于世界上所有猫和狗总数（900M狗，600M猫）2、重新考察全连接层将输入和输出变形为矩阵（宽度，高度）；将权重变形为4-D张量（h,w
NLP：Transformer的简介(优缺点)、架构详解之详细攻略
NLP：Transformer的简介(优缺点)、架构详解之详细攻略目录Transformer的简介(优缺点)、架构详解之详细攻略1、Transformer的简介(1)、Transforme的四4个优点和2个缺点2、Transformer 结构—纯用attention搭建的模型→计算速度更快Trans
【opencv学习】基于透视变换和OCR识别的小票识别
本文基于之前学习的透视变换、和OCR识别，做了个简单的小票识别，如下：import cv2import numpy as npfrom PIL import Imageimport pytesseract as tessdsize = (55, 88) # 统一尺度# 展示图像，封装成函数def
R语言生成仿真vector向量数据、包括数值向量、字符串向量
R语言生成仿真vector向量数据、包括数值向量、字符串向量
轻量级神经网络——shuffleNet
文章目录轻量级神经网络——shuffleNetshuffleNet1逐点分组卷积(Pointwise group convolution)✨✨✨通道重排(channel shuffle)✨✨✨shuffleNet Unit✨✨✨shuffleNet1的网络结果和效果轻量级神经网络——shuffleN
深度特征合成与遗传特征生成，两种自动特征生成策略的比较
特征工程是从现有特征创建新特征的过程,本文中将通过一个示例比较两种自动特征生成的方法：DFS和GFG
如何在STM32上部署卷积神经网络（纯C语言搭建）
介绍编写神经网络的基本思路和代码介绍
深度盘点：30个用于深度学习、自然语言处理和计算机视觉的顶级 Python 库
今天我们来盘点一下有哪些用于深度学习、自然语言处理和计算机视觉的顶级Python库。我尽力将每个库按预期的使用情况进行归类，所有包含的库都有对应的Github代码仓库，我还列出每个库的在Github上的收藏(Stars) ，提交(Commits )，贡献者(Contributors)的数据，这在一定
聚类分析简述
聚类分析简述聚类分析概述层次聚类K-Means算法DBSCAN算法聚类分析概述聚类分析是一种无监督学习（无监督学习：机器学习中的一种学习方式，没有明确目的的训练方式，无法提前知道结果是什么；数据不需要标签标记），用于对未知类别的样本进行划分将它们按照一定的规则划分成若干个类簇，把相似(相关的)的样本
浅谈BiFPN结构并在mmdetection中从Registry开始逐步实现
BiFPN可以作为一个常备块在修改网络时使用。在用代码实现BiFPN之前，我们需要对其网络结构及细节原理有一个清晰的认识，下图时BiFPN的原理图：该图清晰明了的阐明了BiFPN的数据流向，下面做进一步具体分析：图中所有Add操作均为用可学习的权重参数进行加权特征融合而非直接的Add相加。由于权重的
神经网络中的激活函数与损失函数&深入理解推导softmax交叉熵
介绍神经网络中常用的激活函数和损失函数，主要是介绍softmax交叉熵损失函数，并使用计算图手动推导softmax交叉熵反向传播过程。
matlab从无到有系列（三）：数值计算基础
数值计算基础1、多项式1.1 多项式的创建1.1.1 直接输入系数向量创建多项式1.1.2 特殊多项式输入法1.1.3 由多项式的根逆推多项式1.2 多项式的运算1.2.1 多项式的求值1.2.2 求多项式的根1.2.3 多项式的乘除法1.2.4 多项式的微积分1.2.5 多项式的部分分式展开1.2
【论文笔记】道路检测 SNE-RoadSeg
论文标题：SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection论文地址：https://arxiv.org/abs/2008.
