将yolov5中的PANet层改为BiFPN
本文以YOLOv5-6.1版本1.修改common.py,在common.py后加入如下代码# 结合BiFPN 设置可学习参数 学习不同分支的权重# 两个分支add操作class BiFPN_Add2(nn.Module): def __init__(self, c1, c2):
机器人运动｜浅谈Time Elastic Band算法
现在，我们再来看global_plan_viapoint_sep在局部规划中的作用，该参数的描述为“从全局路径中选取的每两个连续通过点之间的最小间隔”，结合对viapoint的理解，从该描述中我们可以知道，该参数影响的是teb_local_planner规划的最优轨迹对全局路径的跟随效果。在实际的开
IoU Loss综述（IOU,GIOU,CIOU,EIOU,SIOU,WIOU）
边界框回归（BBR）的损失函数对于目标检测至关重要。它的良好定义将为模型带来显著的性能改进。大多数现有的工作假设训练数据中的样本是高质量的，并侧重于增强BBR损失的拟合能力。
【Pytorch】torch. matmul()
Hello！ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！唯有努力💪本文仅记录自己感兴趣的内容文章仅作为个人学习笔
Python人脸识别智能考勤系统 (供源码,附报告)(可答疑，可调试)
Python基于opencv人脸识别考勤系统 (供源码,附报告) 可答疑，可调式。本项目使用编程语言Python3.8，anaconda，开发工具pycharm，数据库MySQL5.7。技术应用：开源计算机视觉库opencv-python，开源人脸识别库face_recognition，使用PyQt
【图像处理】深入解析LBP算法
LBP（Local Binary Patterns，局部二值模式）是一种很简单但很高效的局部纹理特征描述算子，于1994年由T. Ojala, M. Pietikäinen和D. Harwood提出，经过后续的改进，LBP特征具有旋转不变性和灰度不变性，在机器视觉领域中得到了广泛的应用，如人脸识别、
90+个各种疾病相关医疗数据集
含新冠、传染病、医学图像等
图注意网络GAT理解及Pytorch代码实现【PyGAT代码详细注释】
对GAT的Pytorch版本PyGAT进行注释，包括Cora数据集的处理和使用！
开源ChatGPT要来了；软件2.0智能革命；GLM、Diffusion模型大加速
1. 2023年AI十大展望：GPT-4领衔大模型变革，谷歌拉响警报，训练数据告急新年伊始，大模型的话题热度不减。ChatGPT展现的惊人能力将大模型研究和应用热度推向高潮，人们激烈讨论着这个高级“物种”的推出意味着什么。本文作者Rob Toews发布了2023年AI发展的十大预测，整体来看，大部分
GPT-4 性能炸天：10 秒做出一个网站，在考试中击败 90% 人类
一觉醒来，万众期待的 GPT-4，它来了！OpenAI老板Sam Altman直接开门见山地介绍道：这是我们迄今为止功能最强大的模型！
nc文件计算均值与合并
利用cdo对nc文件进行以特定时间间隔为步长的均值计算以及计算后文件的合并。
如何计算Bert模型的参数量
如何计算Bert模型的参数量
模型部署入门教程（三）：PyTorch 转 ONNX 详解
OpenMMLab：模型部署系列教程（一）：模型部署简介OpenMMLab：模型部署系列教程（二）：解决模型部署中的难题知道你们在催更，这不，模型部署入门系列教程来啦~在前二期的教程中，我们带领大家成功部署了第一个模型，解决了一些在模型部署中可能会碰到的困难。今天开始，我们将由浅入深地介绍 ONNX
LSTM分类模型
LSTM分类模型本文主要固定一个文本分类的流程。分为三个部分：数据处理。对分类文本数据集做简单的预处理。模型数据准备。处理上一步的结果，得到模型的输入样本。模型搭建和训练流程。程序架构如下：主要包括一个原始的分类文件(头条新闻)。一个预处理脚本prepare_data.py一个数据处理脚本data_
python实现模糊综合评价法(FCE)
python实现模糊综合评价法(FCE)
ChatGPT 会取代程序员吗？
ChatGPT 是 OpenAI 推出的智能聊天机器人。由于技术表现非常优秀，一出道就火爆全球。它可以快速生成满足需求的复杂代码，那么它会取代我们程序员吗？
数据挖掘（全书的知识点都包括了）
数据挖掘第一章1.什么是数据挖掘数据挖掘是从数据中，发现其有用的信息，从而帮助我们做出决策（广义角度）数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识，寻找其规律的技术，结合统计学、机器学习和人工智能技术的综合的过程
ChatGPT 中文调教指南。各种场景使用指南。学习怎么让它听你的话
ChatGPT是由训练的一款大型语言模型，能够生成类人文本。您只需要给出提示或提出问题，它就可以生成你想要的东西。在此页面中，您将找到可与 ChatGPT 一起使用的各种提示。
Xgboost.plot_importance 参数解释
关于Xgboost API 中的 plot_importance 函数的参数解读，以及重要参数的详细解释。
单目深度估计--深度学习篇
文章目录一：深度估计应用背景1.深度估计的定义2.深度估计的应用场景3.几种深度估计的方法4.使用深度学习估计的优缺点二：单目深度估计模型1.使用的数据集2.整体网络架构3.分模块解析Ⅰ：层级Ⅱ：ASPPⅢ：特征图减法操作Ⅳ：特征融合Ⅴ：Coarse-to-FineⅥ：权重参数预处理WS与pre_a
