深度强化学习-DQN算法原理与代码
DQN算法是DeepMind团队提出的一种深度强化学习算法，在许多电动游戏中达到人类玩家甚至超越人类玩家的水准，本文就带领大家了解一下这个算法，论文的链接见下方。论文：https://www.nature.com/articles/nature14236.pdf代码：后续会将代码上传到Github上
Yolov5训练指南—CoCo格式数据集
Yolov5训练指南—CoCo格式数据集1 准备工作2 将coco数据集转换为yolo数据集3 训练参数定义4 训练模型5 预测1 准备工作训练Yolo模型要准备的文件及文件格式如下：/trianing # 根目录 /datasets # 数据集目录（可以任意取名） /images /trai
【深度学习】CNN应用于图像分类的建模全流程
图像分类，也可以称作图像识别，顾名思义，就是辨别图像中的物体属于什么类别。核心是从给定的分类集合中给图像分配一个标签的任务。
Opencv实战案例——模板匹配实现银行卡号识别（附详细介绍及完整代码下载地址）
本文用Opencv完成识别银行卡号任务，代码可直接运行，含图片和代码下载链接！识别银行卡可算是Opencv的经典项目了，尤其是模板匹配，算得上是计算机视觉的精髓所在了。通过这个案例对二值化、轮廓检测、形态学变化腐蚀膨胀、开运算闭运算、礼帽黑帽有所了解，并能够组合在一起运算，算得上有所进步。以此类推，
Coordinate Attention和BiFPN
目录文章目录目录坐标注意力机制(Coordinate Attention)原理：结构：代码：优缺点：加权双向特征金字塔(BiFPN)网络结构原理结构代码优缺点自适应非极大抑制（Adaptive Non maximum suppression， A-NMS）的多尺度检测方法原理结构优缺点设计内嵌空间注
IDDPM论文阅读
IDDPM论文阅读
Bito AI：免费使用 AI 编写代码/修复错误/创建测试用例 Use AI智能聊天 to 10x dev work
Bito AI 使用与智能聊天相同的 AI，经过数十亿行代码和文档的训练。Bito AI 可以轻松编写代码、理解语法、编写测试用例、解释代码、评论代码、检查安全性，甚至解释高级概念。受过数十亿行代码和技术知识的培训，我们可以帮助您完成这些工作，而无需搜索网络或将时间浪费在繁琐的事情上，这真是令人难以
YOLOX backbone——CSPDarknet的实现
YOLOX的主干网络分析
记录-安装cuda与cudnn 及对应版本的tensorflow|pytorch
安装 cuda 与 cudnn
[计算机毕业设计]opencv的人脸面部识别
现在，面部识别已成为生活中的一部分。我们在手机、平板电脑等设备中使用人脸信息进行解锁的时候，这时就要求获取我们的实时面部图像，并将其储存在数据库中以进一步表明我们的身份。通过对输入图像进行迭代和预测可以完成这个过程。同样，实时人脸识别可与OpenCV框架python的实现配合使用。再将它们组合在一个
入门opencv，欢笑快乐每一天
从入门opencv，到对opencv更加感兴趣。
Jetson Xavier NX配置全过程——安装jtop和OpenCV4.5.3（二）
通过Jetson SDK Components安装的OpenCV 4.1.1版本是不带 CUDA 加速的，无法充分利用 NX 的 GPU 性能，所以先卸载OpenCV 4.1.1后再安装OpenCV 4.5.3。另外本文还讲述了如何安装jtop工具。
这个ChatGPT插件可以远程运行代码，还生成图表
插件系统的确让ChatGPT变得有趣:“Code Interpreter”不仅可以让远程运行代码，而且还使数据科学简单，高效。
拉格朗日乘子法
是一种寻找多元函数在一组约束下的极值的方法。通过引入拉格朗日乘子，可将有 ddd 个变量与 kkk 个约束条件的最优化问题转化为具有 d+kd + kd+k 个变量的无约束优化问题求解。假如有方程 x2y=3x^2y=3x2y=3，它的图像如下(左一)所示。现在我们想求其上点与原点的最短距离(中图)
Nvidia Jetson TX2入门指南(白话版)
最近要用到jetson tx2，但之前也完全没有接触过。边用边学，这篇文章就是向新手介绍下jetson tx2刚入手的一些事项(适合纯小白~)。一、TX2初认识开发板全称：Nvidia Jetson tx2(本文简称为tx2)开发板照片：功能描述： TX2是英伟达公司主要研发的AI边缘计算设备
数据预处理的方法有哪些？
数据处理的工作时间占据了整个数据分析项目的70%以上。因此，数据的质量直接决定了分析模型的准确性。那么，数据预处理的方法有哪些呢？比如数据清洗、数据集成、数据规约、数据变换等，其中最常用到的是数据清洗与数据集成，下面小编将来详细介绍一下这2种方法。数据清洗是通过填补缺失值，平滑或删除离群点，纠正数据
YOLO v5 代码精读（1） detect模块以及非极大值抑制
YOLO 是目前最先进的目标检测模型之一，现在博客上常有的是如何使用YOLO模型训练自己的数据集，而鲜有对YOLO代码的精读。我认为只有对算法和代码实现有全面的了解，才能将YOLO使用的更加得心应手。这里的代码精读为YOLO v5，github版本为6.0。版本不同代码也会有所不同，请结合源码阅读本
探寻人工智能前沿 迎接AIGC时代——CSIG企业行（附一些好玩的创新点）
由中国图像图形学会和合合信息共同举办的CSIG企业行活动圆满结束，多位来自图像描述与视觉问答、图文公式识别、自然语言处理、生成式视觉等领域的学者分享了各自的研究成果和经验，并与现场观众进行了深入的交流和探讨。干货多多，感悟多多，在这里分享此次的收获给大家。
Boundary Loss 原理与代码解析
在医学图像分割中任务中通常存在严重的类别不平衡问题，目标前景区域的大小常常比背景区域小几个数量级，比如下图中前景区域比背景区域小500倍以上。分割通常采用的交叉熵损失函数，在高度不平衡的问题上存在着众所周知的缺点即它假设所有样本和类别的重要性相同，这通常会导致训练的不稳定，并导致决策边界偏向于数量多
深度学习：使用UNet做图像语义分割，训练自己制作的数据集，详细教程
语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支。与分类任务不同，语义分割需要判断图像每个像素点的类别，进行精确分割。语义分割目前在自动驾驶、自动抠图、医疗影像等领域有着比较广泛的应用。我总结了使用UNet网络做图像语义分割的方法，教程很详细，学者耐心学习。
