MMLab

MMLabMMLab的主要研究方向:机器学习、强化学习、半监督/弱监督/自监督学习等方向的前沿方法和理论长视频理解、3D视觉、生成模型等的计算机视觉新兴方向物体检测、动作识别等核心方向的性能突破深度学习的创新应用探索,以及与医疗、社会科学、艺术创作等领域的交叉创新深度学习时代,算法与计算、系统框架、

ChatYuan元语AI: 类似ChatGPT功能型对话大模型 部署实践

元语智能开发团队训练了一个类似ChatGPT的功能型对话大模型ChatYuan.类似ChatGPT模型, 中文开源版,功能型对话大语言模型.功能有:支持训练端到端文本生成文本生成情感分析句子相似度零样本分类命名实体识别翻译自然语言推理问答文本纠错文本摘要FAQ问答文本分类。

自动驾驶感知——环境感知的基本概念

从工业1.0的机械化、2.0的电气化到3.0的机电一体化,汽车工业每次都发生重大变革;以CPS为标志的工业4.0时代,将使汽车在未来10 ~20年中发生革命性的变化.工业4.0时代,传统汽车产业正在迎来一场全新的技术变革,即 “新四化”:电动化(低碳化)、智能化、网联化及共享化,传统汽车企业面临新的

python3.7安装、Anaconda安装、更新驱动CUDA11.7、安装GPU版本的pytorch

python3.7安装、Anaconda安装、更新驱动CUDA11.7、安装GPU版本的pythorch

相机模型、相机标定及基于yolov5的单目测距实现

相机模型、相机标定及基于yolov5的单目测距实现1 前言2 相机模型及单目测距原理3 相机参数标定3.1 内参矩阵3.2 内参标定1 前言在摄像头成像过程中,物体反射的光线通过摄像头的凸透镜打在成像器件上,形成一张图片。这是一个三维物体转换为二维图像的过程。在这个过程中,丢失了物体的深度信息,所以

绝了,超越YOLOv7、v8,YOLOv6 v3.0正式发布

​YOLOv6 全新版本v3.0正式发布!引入新的网络架构和训练方案,其中YOLOv6-S以484 FPS的速度达到45.0% AP,超过YOLOv5-S、YOLOv8-S,其代码刚刚开源。​由于前段时间Ultralytics公司透露出V8的发布消息,美团也坐不住了,YOLO社区一直情绪高涨!随着中

智能计算之蚁群算法(ACO)介绍

1. 简介2. 基本思想3. 研究进展4. 基本流程(1)路径构建(2)信息素更新​5. 应用举例6. 改进版6.1 精华蚂蚁系统6.2 基于排列的蚂蚁系6.3 最大最小蚂蚁系6.4 蚁群系统7. 参数设置​编辑8. 练习题...

深度学习系列25:注意力机制

1. 从embedding到Encoder-Decoder1.1 Embedding首先需要用到embedding,把K维的0-1特征向量用k维的浮点数特征向量表示。直观代码如下:from keras.models import Sequentialfrom keras.layers import

torch.nn.functional.interpolate()函数详解

通常可以使用pytorch中的torch.nn.functional.interpolate()实现插值和上采样。上采样,在深度学习框架中,可以简单理解为任何可以让你的图像变成更高分辨率的技术。input(Tensor):输入张量size(intor Tuple[int] or Tuple[int,

Stable Diffusion原理详解

本文向大家介绍了图像生成领域最前沿的Stable Diffusion模型。本质上Stable Diffusion属于潜在扩散模型(Latent Diffusion Model)。潜在扩散模型在生成细节丰富的不同背景的高分辨率图像方面非常稳健,同时还保留了图像的语义结构。 因此,潜在扩散模型是图像生成

【TensorFlow2.0】(1) tensor数据类型,类型转换

各位同学好,今天和大家分享一下TensorFlow2.0中的tensor数据类型,以及各种类型之间的相互转换方法。1. tf.tensor 基础操作scaler标量:1.2vector向量:[1.2]、[1.1,2.2,3.3] 注意:此处的[1.2]是一维的,而1.2是0维的matrix矩阵:

【深度学习】--图像处理中的注意力机制

注意力机制是一个非常有效的trick,注意力机制的实现方式有许多。可以在知网上搜索一下yolov下的目标监测的硕士论文,没有一篇没有提到注意力机制的迭代修改的,所以很有必要学一下,最后给出了一个例子。输入还是等于输出,可是却是已经获取和注意力的特征.正是因为这个特点,所以注意力机制可以任意插拔。 *

超实用的7种 pytorch 网络可视化方法,进来收藏一波

引导前言1. torchsummary2. graphviz + torchviz3. Jupyter Notebook + tensorwatch4. tensorboardX5. netron6. hiddenlayer7. PlotNeuralNet结语前言网络可视化的目的一般是检查网络结构的

毕业设计-基于深度学习火灾烟雾检测识别系统-yolo

毕业设计-基于深度学习火灾烟雾检测识别系统-yolo

数据拟合(excel)

目的使用excel进行数据拟合,拟合出一定的公式,分析数据的趋势,最后通过拟定好的公式,写进代码里面的数值变量,来达到目标传感器与自己传感器采集出来数据的一致性

YOLOv8项目推理从CPU到GPU

YOLOv8项目推理从CPU到GPU;YOLOv8;从CPU到GPU。

【Novel AI】基于Koishi的QQ群配置AI绘图机器人方法

【Novel AI】基于Koishi的QQ群配置AI绘图机器人方法