计算机领域各大顶会顶刊集合梳理
每一个领域内，都有很多优秀的、认可度高的会议或者期刊。其他领域不太了解，但一般用SCI一区，二区等来区分论文质量。对于计算机领域而言，一般的分类方式是CCF评级，从A到C含金量依次降低。为了更好地关注计算机各个相关领域的最新技术、学术动态，今天梳理一下计算机领域内的顶会顶刊。会议会议论文指的是以被会
应用统计432考研复试复试提问总结精简版【一】
一、区间估计与假设检验的联系与区别联系：二者利用样本进行推断，都属于推断统计区别：原理： 前者是基于大概率，后者基于小概率；统计量：前者是构造枢轴量（不含未知参数，分布明确），后者是检验统计量；结果：前者是区间，后者是对假设作出判断；二、原假设和备择假设的选取原假设是不会轻易否定、传统的、已有的、大
Colossal-AI的安装
是一个集成的大规模深度学习系统，具有高效的并行化技术。最近在学习stable diffusion model,但是这个模型成本比较高，作为低端学习者，借助colossal-ai加速训练，即能满足显卡要求又能节约时间。下载并解压缩，进入ColossalAI/ -> examples/ -> tutor
搭建自己的语义分割平台deeplabV3+
搭建deeplabV3+网络 数据准备 源码修改 训练 测试
查看cudnn版本号
cudnn里的include里只有。cudnn的include里有。
自动驾驶控制算法之车辆纵向控制（project）
本文为深蓝学院-自动驾驶控制与规划-第二章作业。本项目希望大家根据PID控制方法实现一个巡航控制系统。我们已经为大家开发了ROS1.0的系统框架，仅需要大家实现.cpp文件中的todo部分，即 control 实现以及 reset PID参数。
Python二手房价格预测（三）——二手房价格预测模型baseline
Python二手房价格预测（三）——二手房价格预测模型baseline。使用线性回归、KNN、决策树以及随机森林进行二手房的价格预测，以及模型效果的可视化，并且对重要特征进行分析。
21世纪20年代的ConvNet——ConvNeXt
基于论文《21世纪20年代的ConvNeXt》的翻译以及一些思考总结
OSError: cannot write mode RGBA as JPEG解决办法
OSError: cannot write mode RGBA as JPEG解决办法
基于BiLSTM-Attention实现天气变量预测风速
风速预报是预警灾害性天气的一项重要任务，本项目使用循环神经网络BiLSTM-Attention训练一个网络模型，来预测在给定指定日期的天气变量来预测对应的风速情况。
图像质量评价指标
常用的图像质量评价指标
推荐 5 个好玩的 ChatGPT 开源应用
推荐 5 个基于 ChatGPT 的开源应用：基于强大的 GPT 大模型能力，看能开出什么好玩有趣实用的应用。本期推荐开源项目目录：1. 基于 OpenAI 的翻译应用2. 让 ChatGPT 支持图片3. 你的 AI 助手4. 可以与 ChatGPT 联动的智能音箱5. ChatGPT 快捷键01
ChatGPT之文章生成
简单来说，三种编辑模式，一种是插入模式，还有一种补全模式，还有一种是编辑模式，就是要有样例，调整好参数
【深度学习】目标检测的性能评价指标，mAP_0.5，mAP_0.5,0.95,0.05
计算mAP之前先考虑我们有的数值：图片原label的bbox、模型预测的bbox、模型预测的bbox的置信度、模型预测的bbox中目标类别的分类置信度。此外，我们还需要确定“IoU数值阈值”和“置信度阈值”，模型的预测能满足“IoU数值阈值”与“置信度阈值”（NMS算法）的结果参与最终混淆矩阵计算。
基于人体姿态识别的AI健身系统(浅谈
本文设计了一个基于 OpenCv 和 MediaPipe 中的 BlazePose 算法的 AI 健身教 练系统。该系统主要内容包括对于单人人体关键点的检测，关键点的连接，以及运动健 身关键点的角度变化展示。该 AI 健身教练系统可以实现从读入图片或者视频文件来处 理，显示出该运动健身的关键点的角度
自动驾驶决策规划研究综述
实时进行路径规划是车辆能够实现自动驾驶的重要功能之一，自动驾驶车辆面对的交通场景多而复杂，因此如何根据感知层得到的车辆周边的障碍物、车流、人流信息规划出一条安全、驾乘舒适、平滑的路径是自动驾驶领域的经典难题，而服务于自动驾驶的决策规划也在近年来受到了学术界和工业界越来越多的关注。本文对该领域主要研究
【数据集NO.1】最经典大规模、多样化的自动驾驶视频数据集——BDD100K数据集
数据集资源：最经典大规模、多样化的自动驾驶视频数据集——BDD100K数据集
arduino智能跟随小车
机器人传感器课设
3DResNet 学习记录
近期同时在进行的两个深度学习项目都需要用到3DResNet模型，本着不做调包侠的心态，还是要好好把模型的原理看一看的。1、ResNet结构理解首先先理解一下二维的ResNet吧。
Pytorch加载模型只导入部分层权重，即跳过指定网络层的方法
需求Pytorch加载模型时，只导入部分层权重，跳过部分指定网络层。（权重文件存储为dict形式）本文参考总结他人的做法，主要是load时加if判断哪些网络层不需要，或者直接strict=False，跳过没有的网络层。还有对载入的参数更新有具体要求的方法，固定参数、或者不同参数有不同的更新速度。同时
