CLIP的升级版Alpha-CLIP：区域感知创新与精细控制
Alpha-CLIP不仅保留了CLIP的视觉识别能力，而且实现了对图像内容强调的精确控制，使其在各种下游任务中表现出色。
人工智能与机器学习课程大作业（三、模糊逻辑）
上海电力大学人工智能与机器学习课程大作业&课程设计，本文为人工智能与机器学习课程大作业第三部分（三、模糊逻辑）。本文仅作为学习参考使用，请勿用于其他用途。若需使用，请标明出处，谢谢！
论人工智能对我们的生活的影响【程序员如何赶上人工智能风口】
这篇文章深入探讨了人工智能对生活的巨大影响，并提供了多个领域的应用实例。首先，文章介绍了人工智能的概览，将其比喻为一位巧妙的魔术师，通过解决问题、提供建议和预测未来，深刻改变了我们的生活方式。接着，文章详细探讨了人工智能在医疗、交通和金融领域的广泛应用，强调了其在提高医疗服务质量、改善交通效率和优化
RK3588平台开发系列讲解（嵌入式AI篇）嵌入式AI模型的部署
📢 本篇将给大家介绍嵌入式AI模型的部署。
利用OpenCV检测图像中的多个水果
对于图像本身而言，因为苹果是红色的，基于这一特性，想法自然是先按照颜色进行分类，然后提取图像中的红色区域了，然后对图像进行检测和标识。基于以上两点，准备利用C++进行编写代码的同时，利用OpenCV进行相关操作，在此记录一下。
ID3 决策树的原理、构造及可视化（附完整源代码）
【2022.10】ID3 决策树的原理、构造及可视化（附完整源代码）
RLHF的替代算法之DPO原理解析：从RLHF、Claude的RAILF到DPO、Zephyr
今年5月份，斯坦福的一些研究者提出了RLHF的替代算法：直接偏好优化(Direct Preference Optimization，简称DPO)，其对应论文为《那其与ChatGPT所用的RLHF有何本质区别呢，简言之RLHF将奖励模型拟合到人类偏好数据集上，然后使用RL方法比如PPO算法优化语言模型
ubutu下ros2实现小车仿真建模与目标检测
进入torch后使用Ctrl+f进行搜索，cuda对应的torch版本和你的python版本,一键安装ros2的时候会下载一个python2与python3，在终端输入python3就会得到python的版本。注：image_topic:=后是相机发布的话题名，将话题名改为相机所发布的话题名一致就能
AI自动生成代码工具
Codex是由OpenAI开发的，基于GPT-3的语言模型，用于生成代码。通过使用其Transformers库，开发者可以尝试训练和使用不同类型的语言模型来生成代码。在使用这些工具时，开发者需要谨慎验证生成的代码，并理解其潜在风险。尽管这些工具可以提高开发效率，但在生产环境中仍然需要人工审查和测试，
AI生成技术威胁版权保护，水印技术和法律完善是关键/安圭拉小岛以.ai域名注册赚得3000万美元 |魔法半周报
我有魔法✨为你劈开信息大海❗高效获取AIGC的热门事件🔥，更新AIGC的最新动态，生成相应的魔法简报，节省阅读时间👻。
深度学习模型的参数、计算量和推理速度统计
在没有过拟合的情况下，相同模型结构下，一般模型的参数量和计算量与最终的性能成正比，在比较不同模型性能时，最好能保持模型参数量和计算量在相同水平下，因此相应参数的统计很重要。这里只进行理论计算，最终的效果（内存和速度）还和网络结构，代码实现方式、应用的平台性能等条件有关系，例如使用GEMM实现CNN时
停止使用假的chatGPT，已整理5个国内AI软件平台且支持中文
近年来，人工智能技术的快速发展给我们的生活带来了许多便利和创新。其中，ChatGPT作为一种能够进行实时对话的AI模型，被广泛应用于各个领域。然而，随着其受欢迎程度的提高，也出现了一些假冒的ChatGPT镜像网站，给用户带来了不必要的风险和困扰。这些假冒的ChatGPT镜像网站通常通过模仿真正的Ch
Wav2Vec & HuBert 自监督语音识别模型
自监督预训练语言模型，wav2vec, wav2vec2.0，HUBert
AI：90-基于深度学习的自然灾害损害评估
基于深度学习的自然灾害损害评估自然灾害如地震、飓风、洪水和火灾常常带来严重的人员伤亡和财产损失。快速、准确的自然灾害损害评估对于有效的救援和恢复工作至关重要。在过去，这种评估通常是由人工进行的，费时费力且容易出错。然而，现代技术和深度学习的出现为自然灾害损害评估带来了全新的可能性。
水果分割论文、代码和数据集汇总
果园、分割、算法
语言大模型的进化轨迹
ChatGPT的发布是语言大模型（LLM）发展史的转折点，它让人们意识到LLM的潜力，并引发了“AI竞赛”，世界上主要人工智能实验室和初创公司都参与其中。在这之后，基于LLM的聊天机器人层出不穷。ChatGPT及相关LLM模型让我们共同见证了AI的历史性变革，很多人好奇，LLM和它们的运作方式究竟是
经典神经网络论文超详细解读（六）——DenseNet学习笔记（翻译＋精读＋代码复现）
DenseNet论文（《Densely connected convolutional networks》）超详细解读。翻译＋总结。文末有代码复现
图像分类综述
什么是图像分类，核心是从给定的分类集合中给图像分配一个标签的任务。实际上，这意味着我们的任务是分析一个输入图像并返回一个将图像分类的标签。标签来自预定义的可能类别集。示例：我们假定一个可能的类别集categories = {dog, cat, eagle}，之后我们提供一张图1给分类系统：这里的目标
目标检测评价指标
检测精度指标：IoU、TP、TN、FP、FN、查准率、查全率、F1-Score、ROC曲线、P-R曲线、AP、mAP以及MS COCO评价指标和PASCAL VOC的评价指标的理解；检测速度指标：FPS、FLOPS和FLOPs
【AIGC】用货拉拉拉不拉拉布拉多的梗调(ce)戏(shi)AI大模型，3.5和4.0的反应差别巨大！
如何看出大模型的版本是3.5还是4.0，如何调戏大模型，测试大模型，大模型测试的六大方式。货拉拉拉拉不拉多到底是上车了，还是没上车？请阅读。
