使用指定GPU训练模型：os.environ[‘CUDA_VISIBLE_DEVICES‘]设置无效问题解决——随笔
使用指定GPU训练模型之os.environ[‘CUDA_VISIBLE_DEVICES‘]设置无效问题解决
单目测距原理与实现（代码可运行）
Opencv3实现单目视觉测距一、前言单目视觉测距：网上有很多关于单目测距的文章，主要借鉴的是OpenCV学习笔记（二十一）——简单的单目视觉测距尝试和单目摄像机测距（python+opencv）两篇文章，在这里特别作出说明。工作环境：Ubuntu16.04 + Opencv3.4.0 +Pycha
Yolov5/Yolov7加入Yolov8 c2f模块，涨点
Yolov5/Yolov7加入Yolov8 c2f模块，涨点，提升小目标检测精度
chatgpt微调fine-tuning
chatgpt微调/fine-tuning测试资源整理了chatgpt微调所需要的测试资源数据，按照fine-tuning的格式生成的数据集。可以直接 fine_tunes.create -t 使用。微调完毕后可以 -p 回答结果。其中包含三四百条数据。适合测试openai自定义模型的人群使用。
WIN10安装配置TensorRT详解
Windows10 安装TensorRT详解
震惊！学会了chatgpt，我的全部作业都不用写了
利用chatgpt完成您的一切考试
CVPR2022：使用完全交叉Transformer的小样本目标检测
关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式论文地址：https://openaccess.thecvf.com/content/CVPR2022/papers/Han_Few-Shot_Object_Detection_With_
MAE实现及预训练可视化 （CIFAR-Pytorch）
MAE实现及预训练可视化 （CIFAR-Pytorch）自去年 11 月份恺明大神提出 MAE 来，大家都被 MAE 简单的实现、极高的效率和惊艳的性能所吸引。近几个月，大家也纷纷 follow 恺明的工作，在 MAE 进行改进（如将 MAE 用到层次 Transformer 结构）或将 MAE 应
ChatGPT 官方版 API，终于来了！
公众号关注“GitHubDaily”设为 “星标”，每天带你逛 GitHub！大家好，我是小 G。今天凌晨 2 点左右，OpenAI 正式发推宣布，对外开放 ChatGPT 和 Whisper API，开发者可以通过该 API，在 App 或产品中快速集成 ChatGPT 与 Whisper 的相关
曲折的tensorflow安装过程（Tensorflow 安装问题的解决）
这周接到一个任务，需要在python中安装tensorflow，跑一下数据。TensorFlow是一个基于数据流编程（dataflowprogramming）的符号数学系统，被广泛应用于各类机器学习（machinelearning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。原
基于Matlab人脸识别(PCA算法)
摘要 随着科技的发展，人类社会的进步，传统身份识别由于容易遗失，容易被破解已不能起到身份识别作用。人们需要更加安全可靠的身份识别技术。而生物特征的独一无二，不易丢失和被复制的特性很好满足了身份识别的需要。同时随着计算机科学技术和生物医学的发展使得利用生物特征识别成为了可能。在生物特征识别领域
Python计算机视觉———照相机标定
一、实验原理1.1相机标定简介1.2算法流程1.3相机标定原理1.4矩阵计算1.5相机标定参数求解二、代码及实现运行2.1代码实现2.2运行结果一、实验原理1.1相机标定简介在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何
超图神经网络（HGNN）
HGNN解读
MOSFET 和 IGBT 栅极驱动器电路的基本原理学习笔记（一）MOSFET技术
MOSFET技术1.器件类型2.MOSFET模型3.MOSFET关键参数4.开关应用5.开通过程6.关断过程7.功率损耗8.寄生器件的影响双极晶体管和 MOSFET 晶体管的工作原理相同。从根本上说，这两种晶体管都是电荷控制器件，这就意味着它们的输出电流与控制电极在半导体中形成的电荷成比例。将这些器
传统卷积与Transformers 优缺点对比
近两年Transformer如日中天，刷爆各大CV榜单，但在计算机视觉中，传统卷积就已经彻底输给Transformer了吗？
计算机视觉：基本的图像操作和处理
一、计算机视觉和图像处理从20世纪中期至今，计算机视觉不断发展，研究经历了从二维图像到三维到视频再到真实空间的探知，操作方法从构建三维向特征识别转变，算法由浅层神经网络到深度学习，数据的重要性逐渐被认知，伴随着计算机从理论到应用的速度加快，高质量的各种视觉数据不断沉淀，无论在社会经济农业还是工业领域
目标检测算法——YOLOv5/YOLOv7改进结合涨点Trick之ASFF（自适应空间特征融合）
目标检测算法——YOLOv5/YOLOv7改进之结合涨点ASFF_Detect（自适应空间特征融合）。🚀🚀🚀NEW！！！魔改YOLOv5/YOLOv7目标检测算法来啦 ~💡💡魔法搭配计算机视觉领域各类创新新颖且行之有效的网络结构，平均精度均值mAP涨点明显，实验效果也俱佳。有需要的小伙伴可
智能驾驶ADAS算法设计及Prescan仿真(1): 前向碰撞预警FCW算法设计与simulink仿真
本系列文章将对智能驾驶ADAS算法进行完整的介绍，并在simulink中搭建算法模型，并在Prescan中搭建场景并且与simulink联合仿真对ADAS算法进行验证。留出需要prescan输入的接口switchon、targetid、egov、relrance、relspeed。1、prescan
对比学习（contrastive learning）
什么是自监督学习？举个通俗的例子：即使不记得物体究竟是什么样子，我们也可以在野外识别物体。我们通过记住高阶特征并忽略微观层面的细节来做到这一点。那么，现在的问题是，我们能否构建不关注像素级细节，只编码足以区分不同对象的高阶特征的表示学习算法？通过对比学习，研究人员正试图解决这个问题。什么是对比学习？
CFPNet：用于实时语义分割的通道特征金字塔
由于对移动设备和自动驾驶的需求不断增长，实时语义分割在计算机视觉中发挥着越来越重要的作用。 因此，在性能、模型大小和推理速度之间取得良好的折衷是非常重要的。 在这篇论文中提出了一个 Channel-wise Feature Pyramid (CFP) 模块来平衡这些因素。 基于 CFP 模块，构建了
