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。
KITTI数据集Raw Data与Ground Truth序列00-10的对应关系，以及对应的标定参数
一、KITTI官方提供的真值下载地方网站：Visual Odometry / SLAM Evaluation 2012具体位置：Download odometry ground truth poses (4 MB)下载后文件如下：这里有序号00-10，共11个真值数据（内数据是KITTI格式的）二、
机器学习开篇之机器学习的分类
目录1 引言2 机器学习分类2.1 监督学习（Supervised Learning）2.1.1 传统监督学习2.1.2 非监督学习2.1.3 半监督学习2.1.4 其它分类2.2 强化学习（Reinforcement Learning）3 总结首先，我们给出四个机器学习任务以上四
【图神经网络实战】深入浅出地学习图神经网络GNN（下）
最简单的思路是：我们可以将每个时刻的序列先送入GCN进行特征提取，然后再将提取后的特征送入GRU单元往后传递，依此类推。图中的注意力机制相当于在某个点进行特征重构时，其邻接点都加上一个权重，使得其在重构特征时受权重较大的邻接点影响更大，起到注意力的效果。对于动态图，传统的GNN就不太好用了，想想在时
手把手教你完成一个Python与OpenCV人脸识别项目（对图片、视频、摄像头人脸的检测）超详细保姆级记录！
彩色图像中的每个像素颜色由R、G、B三个分量来决定，而每个分量的取值范围都在0-255之间，这样对计算机来说，彩色图像的一个像素点就会有256*256*256=16777216种颜色的变化范围！在下图的路径中，我们可以看到需要xml文件，这些都是OpenCV中自带的分类器，根据文件名我们可以看到有识
Visual chatgpt多模态大模型的前菜
visual chat将会是多模态大模型一个过渡态，Gpt4以及他的后代一定会用集成电路的模式取代这个分立元器件组成的通用多模态模式。但是它的很多思路是值得我们学习的。
制作符合期刊审图号标准的中国地图（含九段线）
好在前人种树，后人乘凉，目前有几种带审图号的shp资源，应该是个人通过上述方法转的。这些问题在做图中应该是避免的，但前不久有小伙伴求助帮忙改图，原因是论文录用了，但是审图时地图不符合规范，又要重新修改，影响论文发表进度，十分可惜。发中文期刊涉及中国地图需进行地图审核获得审图号，要将我们原始的地图用标
