yolov5 loss函数理解
不同于IOU匹配，yolov5采用基于宽高比例的匹配策略，GT的宽高与anchors的宽高对应相除得到ratio1，anchors的宽高与GT的宽高对应相除得到ratio2，取ratio1和ratio2的最大值作为最后的宽高比，该宽高比和设定阈值（默认为4）比较，小于设定阈值的anchor则为匹配到
深度学习模型C++部署TensorRT
如何最简单的在无CUDA环境的机器上利用Tensorrt部署深度学习模型。
opencv常见用法和opencv3-＞opencv4版本切换
identifier “CV_AA” is undefined：#include <opencv2/imgproc/imgproc_c.h>identifier “CV_GRAY2RGB” is undefined：#include <opencv2/imgproc/types_c
【魔改YOLOv5-6.x（4）】结合EIoU、Alpha-IoU损失函数
文章目录前言EIoU论文简介加入YOLOv5Alpha-IoU论文简介加入YOLOv5References前言本文使用的YOLOv5版本为v6.1，对YOLOv5-6.x网络结构还不熟悉的同学，可以移步至：【YOLOv5-6.x】网络模型&源码解析想要尝试改进YOLOv5-6.1的同学，可以
类ChatGPT国产大模型ChatGLM-6B，单卡即可运行
2023年3月14日GPT4又发布了，在ChatGPT发展如火如荼的当下，我们更应该关注国内的进展，今天将分享一个清华大学基于GLM-130B模型开发的类似ChatGPT的ChatGLM-6B模型，ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language
yolov7配置与训练记录(二)
yolov7配置与训练记录(一) 已经完成了环境的配置,下面开始文件内部的操作yolov7官方下载地址为1 将下载好的预训练权重放在内需要在yolov7中新建weights文件夹(也是为了方便管理权重文件)如果未报错,则说明成功需要在yolov7中新建datasets文件夹(也是为了方便管理训练数据
神经网络自适应PID控制及其应用
神经网络自适应的PID具有极强的现实意义，因为PID作为影响力和应用面极大的经典控制算法，对于其优化能够带来工业界、控制工程领域的极大便利，在实际的应用场景中，对于PID的使用，往往通过手动调参的方式去实验，在一些损失影响不大的系统中，往往耗费时间，在损失影响较大的系统中，往往会造成一些不可估量的成
Multihead Attention - 多头注意力
多头注意力的基本概念及实现
深度学习训练营之yolov5训练自己的数据集
这个yolov5的训练总算是弄出来了,期间遇到了很多的报错,不过也算是学到了许多
如何在Node.js中与OPEN AI通信
如何在Node.js中与ChatGPT通信
K210项目实战（口罩检测系统和垃圾分类系统）
在前面我学习了使用K210训练模型做目标检测，然后也学会了使用K210做串口通信，学完之后我就把K210丢在箱子里吃灰了,因为学校疫情原因，两年一届的电赛很遗憾不能参加了，然后我就想拿他做个口罩检测系统（检测到没戴口罩可以语言提醒），这个真的好简单，哈哈哈，接下来加点难度，做个垃圾分类系统，半天就做
[经典的图像warping方法] Thin Plate Spline: TPS理论和代码详解
本文的目标是详细分析一个经典的基于landmark(文章后面有时也称之为控制点control point)的图像warping(扭曲/变形)算法: Thin Plate Spine (TPS).TPS被广泛的应用于各类的任务中, 尤其是生物形态中应用的更多: 人脸, 动物脸等等, TPS是cubic
浅析Swin transformer模型(通俗易懂版)
对于最近新出的Swin Transformer的系统学习，包括模型的基本结构、参数介绍、计算过程等详细介绍，全面了解该模型，文中包含相关代码和论文下载连接。
基于RGB-D图像的多模态特征融合
几种融合介绍
【AI奇技淫巧】使用Optuna进行机器学习模型调参
**Optuna 是一个使用Python编写的开源的超参数优化框架**，它可以自动为机器学习模型找到最佳超参数。最基本的（也可能是众所周知的）替代方案是 sklearn 的 GridSearchCV，它将尝试多种超参数组合并根据交叉验证选择最佳组合。
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。
