Pytorch 05-进阶训练技巧
PyTorch在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss...... 但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，比如DiceLoss，HuberLoss，SobolevLoss...... 这些Loss Functio
【半监督医学图像分割 2022 CVPR】S4CVnet 论文翻译
由于医学影像界缺乏高质量标注，半监督学习方法在图像语义分割任务中受到高度重视。为了充分利用视觉转换器(ViT)和卷积神经网络(CNN)在半监督学习中的强大功能，本文提出了一种基于一致性感知伪标签的自集成方法。我们提出的框架包括一个由ViT和CNN相互增强的特征学习模块，以及一个用于一致性感知目的的健
基于CNN卷积神经网络实现中文手写汉字识别
中国版的 MNIST 数据集是在纽卡斯尔大学的一个项目框架中收集的数据。一百名中国公民参与了数据收集工作。每个参与者用标准的黑色墨水笔在一张桌子上写下所有 15 个数字，在一张白色 A4 纸上画出了 15 个指定区域。这个过程对每个参与者重复 10 次。每张纸都以 300x300 像素的分辨率扫描。
机器学习中的数学——距离定义（一）：欧几里得距离（Euclidean Distance）
欧几里得距离或欧几里得度量是欧几里得空间中两点间的即直线距离。使用这个距离，欧氏空间成为度量空间，相关联的范数称为欧几里得范数。nnn维空间中的欧几里得距离：d(x,y)=∑i=1n(xi−yi)2=(x1−y1)2+(x2−y2)2+⋯+(xn−yn)2d(x, y)=\sqrt{\sum_{i=
YOLOX改进之损失函数修改（上）
文章内容：如何在YOLOX官网代码中修改置信度预测损失环境：pytorch1.8损失函数修改内容：（1）置信度预测损失更换：二元交叉熵损失替换为FocalLoss或者VariFocalLoss（2）定位损失更换：IOU损失替换为GIOU、CIOU、EIOU以及a-IOU系列提示：使用之前可以先了解Y
ROS中map，odom坐标系的理解以及acml和robot_pose_ekf的对比和小车漂移方法解决
只是一个概念上的坐标系，实际不存在如果说完全相信传感器的数据，那么可以认为odom坐标系就是map坐标系如何计算odom坐标系相对于map坐标系的位置：首先获得差速计推算出的小车坐标p，然后使用雷达再次估算小车的位置g(此时认为g比较准确，因此认为g就是小车在map上的坐标)，那么差速计得到的坐标可
百度飞桨表格识别网络SLANET学习笔迹
百度飞桨表格识别网络SLANet网络结构解析
表面肌电信号处理流程——基于肌电信号分类的特征抽取的设计
肌电图(EMG)信号是一种生物信息，在许多领域被用于帮助人们研究人类的肌肉运动。尤其在仿生手方面应用的非常重要，它可以通过人体肌肉的信号变化来说明某一时刻进行的活动。肌电图是一个非常复杂的信号，所以处理它是至关重要的。肌电信号的处理过程分为采集、特征提取和分类等步骤。但有时候收集肌电信号的通道过多会
yolov5模型原理及代码流程讲解（v6.1）
目标检测，yolov5
脑电图（EEG）信号去噪方法简述
脑电图作为目前研究最为广泛的认知大脑的方式之一，其无创性、便携性、廉价等优点都表明该方式具有巨大的发展空间。但是由于颅骨和头皮对于电信号的传输影响，从头皮采集的电信号往往混杂着非常多的噪声，并且有效信息又非常少，所以对于去处噪声的算法的要求非常高。本文将对EEG降噪的算法做作一些介绍。
学习笔记：统计建模方法的比较分析
介绍了隐马尔可夫模型 (HMM)、最大熵马尔可夫模型 (MEMM) 和条件随机场 (CRF) 的比较分析。 HMM、MEMM 和 CRF 是三种流行的统计建模方法，通常应用于模式识别和机器学习问题。
【FPGA】八、UART串口通信
FPGA UART串口通信
多目标跟踪（二）DeepSort——级联匹配Matching Cascade
以YOLOV5为上游检测网络，搭建DeepSort多目标跟踪算法。本文以学习其中级联匹配为主。
逐行讲解BiLSTM+CRF实现命名实体识别(NER)
使用BiLSTM+CRF做中文命名实体识别(NER)，数据处理、建立词表、模型构建、训练过程书写等，代码有详细注释，若有遗漏或不详细可评论补充。
SU-03T语音模块的使用（小智语音控制LED灯）
SU-03T语音模块控制LED灯的亮灭以及亮度调节；
鲸鱼优化算法(WOA)及其优秀变体(含MATLAB代码)
鲸鱼优化算法(WOA)及其优秀变体(含MATLAB代码) 为大家推送鲸鱼优化算法(WOA)，并对它近几年的工作做简要总结，介绍一些WOA的先进变体，方便研究WOA的朋友做实验~
swin-transformer详解及代码复现
1. swin-transformer网络结构实际上，我们在进行代码复现时应该是下图,接下来我们根据下面的图片进行分段实现2. Patch Partition & Patch Embedding首先将图片输入到Patch Partition模块中进行分块，即每4x4相邻的像素为一个Patch
torch.where()用法
本文主要讲述的两种用法，第一种是最常规的，也是官方文档所注明的；第二种就是配合bool型张量的计算以上就是torch.where()的两种用法
因子图优化原理（iSAM、iSAM2论文解析）
因子图优化原理（iSAM、iSAM2论文解析）
chatgpt3.5和chatgpt4的区别
ChatGPT4是基于GPT-3模型的一个实例，但ChatGPT4已经进行了进一步的改进和优化。ChatGPT4的目标是协助您解决问题和提供信息，但请谨慎对待ChatGPT4的回答，特别是在涉及重要决策时。以回答更多与近期相关的问题，但请注意ChatGPT4的知识仍有局限，尤其是关于2021年9月之
