YOLO系列模型改进指南
YOLO主流模型改进大杂烩！！！目前包含yolov5，yolov7，yolov8模型的众多改进方案，效果因数据集和参数而定，仅供参考。
【视觉SLAM14讲】【汇总】
第一讲东西少，就没记录【slam十四讲第二版】【课本例题代码向】【第二讲初识SLAM】【SLAM基础知识】【linux下C++编译】【cmake基础使用】【slam十四讲第二版】【课本例题代码向】【第三~四讲刚体运动、李群和李代数】【eigen3.3.4和pangolin安装，Sophus及fim的
GPU版本PyTorch详细安装教程
注意：30系列的的显卡暂时不支持cuda11以下版本！！！一、安装显卡驱动第一步：右击右下角开始，在设备管理器中查看计算机显卡型号，例如我的显卡是GTX1050：第二步：进入英伟达官网，下载对应显卡驱动：官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/inde
CentOs7 + Stable Diffusion + Novel AI实现AI绘画
把改名后的三个文件放到/stable-diffusion-webui/models/Stable-diffusion目录下，重启Stable Diffusion后左上角选择nai模型。整个内容很大，有52G，只需下载stableckpt目录下的animefull-final-pruned文件夹以及a
【交通数据（1）——加州高速路网PeMS交通数据】
交通数据（1）——加州高速路网PeMS交通数据一、PeMS数据介绍1. 数据简介二、相关数据下载1.引入库2.读入数据一、PeMS数据介绍1. 数据简介 使用PeMS，用户可以对高速公路性能进行统一、全面的评估，基于对高速公路网络当前状态的了解做出运营决策，分析拥堵瓶颈以确定潜在的补救措施，并做出
被称为下一代风口的AIGC到底是什么？
AIGC超级干货，快速了解AI新潮
UNet语义分割实战：使用UNet实现对人物的抠图
摘要在上一篇文章，我总结了一些UNet的基础知识，对UNet不了解的可以看看，文章链接：https://wanghao.blog.csdn.net/article/details/123714994我也整理的UNet的pytorch版本，文章链接：https://blog.csdn.net/hhhh
3D深度相机---结构光
去年的仪器仪表的课有汇报，我还专门为3D深度像机做了个调研，一直用inter realsense的，最近老师让看结构光方案的，正好总结一下。由于基于双目立体视觉的深度相机对环境光照强度比较敏感，且比较依赖图像本身的特征，因此在光照不足、缺乏纹理等情况下很难提取到有效鲁棒的特征，从而导致匹配误差增大甚
关于yolov8一些训练的情况
1、使用yolov8s训练(2000轮，真就一直训到了2000轮，不会象是yolov5一样收敛了就不训了)第一次map50=0.915，第一次训练依旧是2000轮，依旧是训练跑完2000轮了，map=0.91,map相差了0.5个点。(训练结果被我删除了，因为上面那个错误，然后我把run文件夹全部删
DDPG 代码调试问题
DDPG的一些问题整理：包括多维动作ddpg，ddpg取边界值，动作加约束的问题，尤其是添加动作约束后网络参数梯度为None这一块，很少有文章结合DDPG网络具体讲，因此把我的解决过程记录下来
OpenCV实战（17）——FAST特征点检测
Harris 算子根据两个垂直方向上的强度变化率给出了角点(或更一般地说，兴趣点)的数学定义。但使用这种定义需要计算图像导数，计算代价较为高昂，特别是兴趣点检测通常只是更复杂算法的先决步骤。在本中，我们将学习另一个特征点检测算子 FAST (Features from Accelerated Seg
SeAFusion:首个结合高级视觉任务的图像融合框架
在SeAFusion发表之前，关于图像融合的研究一直在魔改网络，设计loss function， 调整学习范式中徘徊，SeAFusion给与了我们新的启发，即联系高级视觉任务来研究图像融合。尽管SeAFusion的方法设计还比较简单，但是这也给了我们更多的优化空间。此外之前感觉大家觉得红外和可见光图
深度学习常用的backbone有哪些
深度学习中常用的backbone有resnet系列（resnet的各种变体）、NAS网络系列（RegNet）、Mobilenet系列、Darknet系列、HRNet系列、Transformer系列和ConvNet。
人工智能学习——神经网络（matlab+python实现）
神经网络文章目录神经网络前言一、神经网络理论知识二、matlab实现神经网络1.引入库2.读入数据三、python实现神经网络1.引入库总结前言此文章仅作为个人学习笔记使用，主要介绍理论以及学习过程，仅供参考！一、神经网络理论知识示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据
【ChatGPT】ChatGPT 能否取代程序员？
ChatGPT能否取代程序员
Prompt Learning详解
现阶段NLP最火的两个idea 一个是对比学习（contrastive learning） 另一个就是 promptprompt 说简单也很简单 看了几篇论文之后发现其实就是构建一个语言模板 但是仔细想想又觉得复杂 总感觉里面还有很多细节 因此我想从头到尾梳理一下prompt 很多地方会把它翻译成[
超分之EDSR
这篇文章是SRResnet的升级版——EDSR，其对网络结构进行了优化(去除了BN层)，省下来的空间可以用于提升模型的size来增强表现力。此外，作者提出了一种基于EDSR且适用于多缩放尺度的超分结构——MDSR。EDSR在2017年赢得了NTIRE2017超分辨率挑战赛的冠军。参考目录：①深度学习
CVAT——计算机视觉标注工具
CVAT 是用于计算机视觉的强大、有效、免费、在线、交互式视频和图像注释工具
如何使用Docker搭建PhotoPrism - 打造基于AI私有化的个人相册系统
PhotoPrism® 是一款由人工智能驱动的应用程序，用于浏览、组织和分享您的照片集。它利用最新技术自动标记和查找图片。您可以在家里、私人服务器或云端运行它。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kFAsGCtD-1668649131006)(https:/
准确率、精确率、召回率、F1-score
追求召回率高，则通常会影响精确率。F1值为算数平均数除以几何平均数，且越大越好，将Precision和Recall的上述公式带入会发现，当F1值小时，True Positive相对增加，而false相对减少，即Precision和Recall都相对增加，即F1对Precision和Recall都进行
