2023世界人工智能大会，和鲸科技入选中国信通院《2023大模型和AIGC产业图谱》
和鲸作为大模型时代 AI 基础设施的入口，凭借在大模型的构建与应用方面展现的出众能力与实践经验，成功入选模型与工具——工具平台板块。
mmdetection 中 Mask Rcnn检测结果可视化（DICE计算、PR曲线绘制等）
mmdetection结果可视化的一些操作
在yolov5的detect中我该如何调用第三方摄像头？
要在 YOLOv5 的 detect 中调用第三方摄像头，你可以使用 OpenCV 库中的 VideoCapture 类来读取摄像头的视频流。你可以这样做：首先，安装 OpenCV 库。然后，在你的代码中包含以下头文件：#include <opencv2/opencv.hpp>#incl
角色生成器（人工智能伴侣）Character.ai
彷徨无助的时候，或许可以和它聊聊天......孤单的时候，或许可以和它玩玩游戏......它是一个虚拟的小伙伴......
基于AI大模型（LLM）In-Context Learning 实现自然语言转DSL的详细技术方案设计和具体代码实例说明
自然语言处理是指将人类语言转换为计算机可以理解的形式的过程。而DSL则是在特定领域中使用的语言，通常用于编程或其他技术领域。自然语言转DSL可以帮助程序员更快地编写代码，并减少错误。近年来，AI大模型（LLM）已经在NLP领域中取得了很大的进展。In-Context Learning是LLM的一种技
第十四届中国大学生服务外包大赛细品，巧用AI共克“记账”难题
前言熟悉我的小伙伴应该知道我在大学时期参与了很多竞赛，我向来对比赛是比较热枕的，以我个人观点，我认为可以通过竞赛激发学习激情和检验自己的技能水平掌握情况，大学生很少有机会能够了解到课堂之外市场的需求，外包服务竞赛就是一个很好的机会能够帮助大学生接触到市场需要何种服务以及人才需求，而且大学的很多比赛都
Halcon直线检测
Halcon直线检测
企业如何实现自己的AI垂直大模型
这篇文章讨论了企业如何实现自己的 AI 垂直大模型，包括收集数据、准备数据、训练模型、评估模型和部署模型。这篇文章还讨论了实现 AI 垂直大模型的挑战，以及使用专门的工具和框架来帮助实现 AI 垂直大模型的建议。
基于ChatGPT制作的一款英语口语练习应用SpokenAi
本文介绍了一款基于ChatGPT的英语口语练习应用SpokenAi，包括PortAudio的安装流程和核心代码，以及语音合成TextToSpeech的实现。同时提供了配置文件和部署运行示例。
AI人工智能一键图片/视频换脸-Roop
Roop 换脸技术是一种基于深度学习的人脸图像处理技术。
基于PP-YOLOE-SOD实现遥感场景下的小目标检测
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在［10，50］之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义：目标边界框的宽高与图像的宽高比例的中位数
使用Pytorch和OpenCV实现视频人脸替换
“DeepFaceLab”项目已经发布了很长时间了，作为研究的目的，本文将介绍他的原理，并使用Pytorch和OpenCV创建一个简化版本。
探索人工智能 | 模型训练 使用算法和数据对机器学习模型进行参数调整和优化
模型训练是指使用算法和数据对机器学习模型进行参数调整和优化的过程。模型训练一般包含以下步骤：数据收集、数据预处理、模型选择、模型训练、模型评估、超参数调优、模型部署、持续优化。
【Java】智慧工地SaaS平台源码：AI/云计算/物联网/智慧监管
智慧工地源码包含：数据统计分析、项目人员监管、视频监控监管、危大工程监管、绿色施工监管、现场物料监管、安全隐患监管、项目人员管理、视频监控管理、危大工程管理、现场物料管理、绿色施工管理、安全隐患排查、施工质量管理、施工进度管理、工地设备管理等模块。
【AIGC 讯飞星火 | 百度AI|ChatGPT| 】智能对比
ai多角度对比各种ai软件的智能程度
『吴秋霖赠书活动 ｜ 第一期』《强化学习：原理与Python实战》
『吴秋霖赠书活动 ｜ 第一期』《强化学习：原理与Python实战》
人工智能引领图文扫描新趋势
基于智能OCR技术的不规则弱约束文档图片识别系统，首次应用在手绘括号思维导图数据几乎没有的情况下，按照机器学习的分阶段拆解任务的思路，融合了目标检测算法、像素域的聚类算法和目标计数算法，创新了一种层次逻辑生成算法，弥补当前模式识别在处理手绘括号图识别问题时的缺失。在获取三种信息后，训练一个较大的语言
探索大语言模型垂直化训练技术和应用-陈运文
产品化的是请垂直领域的专家，针对每项垂直任务，来设计用于生成 prompt 的产品，由专家编写大量不同的 prompt，评估或输出好的 prompt 后，进行片段切分，形成相应的产品，这对未来 AIGC 任务会起到很好的作用。由上往下，当计算机做一个长文档的规划协作生成的内容，我们让相应的其他模型做
对yolov5的数据集进行划分【训练集、验证集、测试集】7：2:1和【训练集、验证集】8:2
对yolov5的数据集进行划分【训练集、验证集、测试集】7：2:1和【训练集、验证集】8:2
模型优化之模型剪枝
（2）非结构化剪枝：把权重矩阵中某个神经元节点去掉，则和神经元相连接的突触也要全部去除。可以通过计算神经元对应的行和列的权重值的平方和的根的大小进行排序，把排序在后面一定比例的神经元节点去掉。Pytorch中模型的剪枝方法有三种，局部剪枝、全局剪枝和自定义剪枝。接下来开始演示三种剪枝在LeNet网络
