YOLOV8改进对比 vs v5 X
YOLOv8与YOLOX的对比
Mx-yolov3+Maixpy+ K210进行本地模型训练和目标检测
我接触K210同样也是因为一次比赛，需要进行目标检测并对垃圾进行分类，在接触到K210之前我一直使用各种YOLO版本检测，并部署到树莓派和nano上，一次偶然的机会，我发现了K210，这里要感谢我的一位学长，是他带着我开始了K210的学习，让我从盲目的命令行指令转到Maxipy上使用Python来学
MMdetection 环境配置、config文件解析以及训练自定义VOC数据集
MMDetection是针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的代码量实现一个新算法，大大提高了代码复用率。本文根据我自己最近的使用经验，记录一下关于MMdete
Planet（鸽群卫星）遥感数据（3m）介绍及下载
最近因项目需要高分辨率的光学影像来识别细小地物，但目前公开的光学遥感卫星最高分辨率仅为10m（这里主要指的是RGB合成的真彩色影像），也尝试去高分卫星所属的分管中心申请高分卫星影像，流程繁琐不说，好不容易申请到了，发现对同一区域每年就随便开放两景数据，这不是敷衍人？？？最后，转向商业卫星，看看有没有
数学建模-32种常用算法汇总
基础算法：如搜索算法（深度优先搜索、广度优先搜索）、排序算法（快速排序、归并排序、堆排序等）、贪心算法、动态规划等。数值计算方法：如常微分方程数值解法（欧拉法、龙格库塔法等）、偏微分方程数值解法（有限差分法、有限元法等）、插值与拟合等。最优化算法：如线性规划、非线性规划、整数规划、随机模拟退火算法、
深度学习——损伤函数（dice_loss）
深度学习——损伤函数（dice_loss）
机器学习、人工智能、深度学习三者的区别
介绍机器学习、人工智能、深度学习三者的关系
人工智能生成内容（AIGC）：概念、发展历史及其机遇、挑战与未来方向
人工智能生成内容（Artificial Intelligence Generated Content, AIGC）， AIGC 是指使用生成式 AI （Generative Artificial Intelligence, GAI） 技术生成的内容，而不是由人类创作者创作的内容。
自动驾驶算法 -撞前预警论文解读与项目应用
1.1 深度估计应用场景之一（特斯拉撞前预警）1.2 深度估计概念1.3 深度估计整体架构1.4 深度估计架构流程论文解读1.5 深度估计项目应用
Windows 11 上从零开始基于 wsl-ubuntu 搭建 AI 学习环境及部署多种私有 ChatGPT
Windows 11 上从零开始基于 wsl-ubuntu 搭建 AI 学习环境及部署多种私有 ChatGPT
解决没有NVSMI文件夹以及nvidia-smi‘ 不是内部或外部命令，也不是可运行的程序 或批处理文件
nvidia-smi‘ 不是内部或外部命令，也不是可运行的程序 或批处理文件
使用Automatic1111在本地PC上运行SDXL 1.0
这是我们部署Stable Diffusion的第三篇文章了，前两篇文章都详细介绍了Automatic1111的stable-diffusion-webui的安装，这次主要介绍如何使用SDXL 1.0模型。
全球&中国 AI 大模型 ( LLM ) 列表
AI 大模型（Large Language Model，简称LLM）是一种人工智能技术，通过深度学习算法训练大规模数据集来生成自然语言文本（如文章、对话等）。该技术的应用范围非常广泛，包括自然语言处理、机器翻译、文本生成、问答系统等。目前，AI 大模型已成为人工智能领域的一个热点，引起了各界的广泛关
几种文本向量化方式原理简要介绍
几种文本向量化方式原理简要介绍
当编程遇上AI，纵享丝滑
自从CHATGPT火了以后，我发现我身边的人再也不怕写报告了，什么个人总结，汇报材料，年度总结，伸手就来（反正哪些报告也没人看），除了一些针对性很强的文章（这里说的是针对性，不是技术性）基本上人工智能都能说个一二三，以前是天下文章一大抄，看你会抄不会抄，现在是看你会问不会问，只要问的准，答案应该都是
深度学习调参指南《Deep Learning Tuning Playbook》
这份指南的主要内容是调整超参数，也涉及深度学习训练的其他方面，例如 pipeline 实现和优化。指南假设机器学习问题是一个监督学习问题或自监督学习问题，但其中的一些规定也适用于其他类型的问题。
AI 工具分享第 4 期：13 款国外免费AI视频生成工具
未来百科，旨在帮助用户发现全球最好的AI工具，同时为研发AI垂直应用的创业公司提供展示窗口，迎接未来的AI时代。未来百科，每天带你了解好玩儿的AI工具。
【已解决】ERROR:The testing results of the whole dataset is empty
已解决：ERROR:The testing results of the whole dataset is empty
ResNet代码复现＋超详细注释（PyTorch）
ResNet代码复现（PyTorch），每一行都有超详细注释，新手小白都能看懂，亲测可运行
人工智能系统的技术架构
在软件设施方面，智能云平台解决的是硬件资源管理的问题，目前市面上有阿里云，腾讯云、亚马逊云，微软云，百度云等各种云平台，对外输出的是资源的服务能力，第二个是大数据平台，涉及到的是分布式存储，Hadoop等框架，在数据资源方面，把通用数据作为基础层，主要考量的点是通用数据更多的是人工智能类产品当前对外
