车牌识别算法 基于yolov5的车牌检测+crnn中文车牌识别 支持12种中文车牌识别
最全车牌识别算法，支持12种中文车牌类型了。基于yolov5的车牌检测 crnn车牌识别 关键点定位车牌1.单行蓝牌 2.单行黄牌 3.新能源车牌 4.白色警用车牌 5 教练车牌 6 武警车牌 7 双层黄牌 8 双层武警 9 使馆车牌 10 港澳牌车 11 双层农用车牌12 民航车牌
【数据分析之道-Matplotlib(四)】Matplotlib散点图
散点图（Scatter Plot）是一种常用的数据可视化方式，用于展示两个变量之间的关系。Matplotlib提供了丰富的功能来绘制散点图，并可以根据需求进行自定义和调整。在Matplotlib中，可以使用scatter()函数来绘制散点图。该函数接受两个参数，分别是x和y，表示散点图中各个点的横坐
Photoshop (PS)下载安装
Photoshop，简称PS，是一款常用和功能强大的图像处理软件。主要处理以像素所构成的数字图像。使用其众多的编修与绘图工具，可以有效地进行图片编辑工作。PS有很多功能，在图像、图形、文字、视频、出版等各方面都有涉及。
Stable Diffusion Lora模型训练详细教程
stable diffusion lora模型训练
【OpenCv • c++】基础边缘检测算子 —— Sobel
边缘检测是图像处理与计算机视觉中最重要的技术之一，其目的是检测识别出图像中亮度变化剧烈的像素点构成的集合。图像边缘的正确检测对于分析图像中的内容、实现图像中物体的分割、定位等具有重要的作用。边缘检测大大减少了源图像的数据量，剔除了与目标不相干的信息，保留了图像重要的结构属性。边缘检测算子是利用图像边
【零基础学机器学习 1】什么是机器学习？
机器学习是人工智能的一种应用，它使系统能够自主学习并从经验中提高，而不需要外部编程。如果你的电脑具有机器学习功能，它可能能够为你玩游戏中的困难部分或解决复杂的数学方程。
Python opencv进行圆形识别（圆检测）
圆形识别（圆检测）是图像识别中很常见的一种处理方式，最核心的是cv2.HoughCircles这个函数实现的圆形检测。
ChatGPT Plus已重新开放升级！
前天（4月5号）OpenAI声称因为算力不足暂时关闭了升级Plus账号的通道，恢复时间未知。很多用户感慨GPT-4还没体验到就没了。没想到时隔一天，OpenAI就重新开放了升级通道，不知道是真的算力不足还是营销策略。不过考虑到不知道OpenAI会不会未来经常算力不足，有GPT-4使用需求的朋友可以考
ChatGpt的参数意义和运用调整模型生成答案的倾向性生成内容
ChatGpt的参数意义和运用调整模型生成答案的倾向性生成内容
YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析
全网最全YOLOv5项目目录结构超详细分析。逐个文件注释，小白上手必备
机器学习之基础知识（全）
学习机器学习前必备知识体系，比较全面，该系列课程笔记会一直更新。本文包括机器学习里涉及到的基本概念，环境的安装，Matplotlib,numpy,pandas的讲解。
ChatGPT 菜鸟教程，赶快收藏~
现在 chatGPT 相关周边产品很丰富，虽然这些 AI 工具网上都有一大把教程，但都零零散散、参差不齐，既费时间又不保证一定能成功，让人很受挫。树先生将网上这些教程都过滤筛选一遍，并进行整理汇总，分享给大家，目的是让互联网 “ 小白 ”、“ 菜鸟 ” 跟着教程也都能自己玩转起来，体验 AIGC 时
Stable Diffusion界面参数及模型使用
Stable Diffusion模型使用及界面参数简单介绍
卷积神经网络（CNN）详细介绍及其原理详解
本文总结了关于卷积神经网络（CNN）的一些基础的概念，并且对于其中的细节进行了详细的原理讲解，通过此文可以十分全面的了解卷积神经网络（CNN），非常适合于作为Deep Learning的入门学习。下面就是本篇博客的全部内容！
【Slack+Claude保姆级安装教程】
【Slack+Claude保姆级安装教程】Claude可以直接在Slack上运行，不知道它们的关系也没关系，他们的关系就像Midjourne🌲 AI工具、AI绘图、AI专栏 🍀🌲 如果你想学到最前沿、最火爆的技术，赶快加入吧✨🌲 作者简介：硕风和炜，CSDN-Java领域优质创作者🏆，保
免费chatGPT国内镜像，目前可访问
AiDuTu 是一款免费的智能AI问答系统，可以快速、准确地解答您的问题，辅助您更高效的学习和工作。Chat2Doc - 您阅读文档的好帮手。6. 除了文字问答还支持绘图。8. 分析文档内容的网站。
机器学习案例 | 通过EBG学习概念cup
基于解释的学习(explanation-basedlearning)可简称为解释学习，是20世纪80年代中期开始兴起的一种机器学习方法。解释学习根据任务所在领域知识和正在学习的概念知识，对当前实例进行分析和求解，得出一个表征求解过程的因果解释树，以获取新的知识。在获取新知识的过程中，通过对属性、表征
yolov5的detect.py代码详解
目标检测系列之yolov5的detect.py代码详解
yolov5+deepsort目标检测与跟踪（毕业设计+代码）
yolov5+deepsort目标检测与跟踪
【零基础学机器学习 3】机器学习类型简介：监督学习 - 无监督学习 - 强化学习
监督学习是一种使用标记数据来训练机器学习模型的机器学习类型。在标记数据中，输出已经是已知的。模型只需要将输入映射到相应的输出。例如，监督学习的一个例子是训练一个识别动物图像的系统。下面附上我们训练的识别猫图片的模型。无监督学习是一种使用未标记数据来训练机器的机器学习类型。未标记数据没有固定的输出变量
