MMdetection之train.py源码详解
目录一、tools/train.py二、源码详解三、核心函数详解（一）build_detector（mmdet/models/builder.py）（二）build_dataset（mmdet/datasets/builder）（三）train_detector（mmdet/apis/train.p
深度学习之GPU显存与利用率 浅析小结
首先就一笔带过说一下GPU的重要性吧，以Pytorch为例，就是使用CUDA，cuDNN对深度学习的模型推理时执行的各种计算转换为矩阵乘法进行加速，来达到从猴年马月的运行，到现在几十成百倍的提速。至于我们爱之深恨之切的显存呢，以数据读取时GPU运行内存的变化作为参考，具体实现机制一般是通过worke
基于骨骼关键点的动作识别（OpenMMlab学习笔记，附PYSKL相关代码演示）
主题为关于骨骼关键点的动作识别，记录了基于GCN的技术路线ST-GCN++，基于2D-CNN的技术路线PoTion，基于3D-CNN的解决方案PoseC3D。最终使用OpenMMlab新开发的骨骼动作识别代码库PYSKL进行相关演示。
什么是相机标定
相机标定是指借助标定板来计算单个或多个相机的内参、外参和镜头畸变参数。
OpenCV这么简单为啥不学——1.5、解决putText中文乱码问题
OpenCV这么简单为啥不学——1.5、解决putText中文乱码问题前言putText中文乱码问题putText中文乱码解决方案中文实例总结
PYTORCH学习（3）：多维tensors求余弦相似度和欧氏距离
多维tensors求余弦相似度和欧氏距离
优化器(Optimizer)（SGD、Momentum、AdaGrad、RMSProp、Adam）
文章目录3.1、传统梯度优化的不足(BGD,SGD,MBGD)3.1.1 一维梯度下降3.1.2 多维梯度下降3.2、动量(Momentum)3.3、AdaGrad算法3.4、RMSProp算法3.5、Adam算法优化器在机器学习、深度学习中往往起着举足轻重的作用，同一个模型，因选择不同的优化器，性
深度学习知识点简单概述【更新中】
人工神经网络(英语:Artificial Neural Network，ANN)，简称神经网络(Neural Network,NN）或类神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑）的结构和功能的数学模型，用于对函数进行估计或近似。ps：和其他机器学习方法一样，神经网络已经被用于
python机器人编程——差速机器人小车的控制，控制模型、轨迹跟踪，轨迹规划、自动泊车（上）
本篇我们依然试着用一些浅显的数学知识，来研究和实现一下常用机器人小车（如AGV）的控制，这里的小车我们先选用二轮驱动的差速小车，即通过两个驱动轮的转速控制实现所有想要的运动。我们会首先对这类小车的运动原理进行一些分析，并通过分析得出的数学步骤，用python去实现机器人小车的正向控制算法、反向控制算
基于知识图谱的智能问答
基于neo4j的知识图谱智能问答；采用JointBERT完成意图识别、实体识别、属性识别；用GrapthSAGE图神经网络完成失信行为预测
K210学习笔记——MaixHub在线训练模型(新版)
最近sipeed推出了新版的maixhub在线训练平台，因为前端时间比较忙没有时间来体验新版的功能，最近闲下来后赶忙来体验一下。新版maixhub对浏览器有要求的，比如不支持qq浏览器，推荐使用Chrome、MicrosoftEdge、Firefox、Safari等浏览器。点击这里跳转新版maixh
深度学习面试基础--BN层
深度学习中BN层的相关介绍
NLP算法-命名实体识别
与自动分词、词性标注一样，命名实体识别也是自然语言处理的一个基础任务，是信息抽取、信息检索、机器翻译、问答系统等多种自然语言处理技术必不可少的组成部分。其目的是识别语料中人名、地名、组织机构名等命名实体。由于这些命名实体数量不断增加，通常不可能在词典中穷尽列出，且其构成方法具有各自的规律性，因此，通
海康VisionMaster配合机械手九点标定
VisionMaster4.2.0配合机械手九点标定的操作流程。
【GPT4】GPT4 官方报告解读
【GPT-4 】官方[研究进展]、[技术报告]全面解读。综合性能，图像输入，私人定制，事实判断的局限性，风险与应对，模型训练过程，用户政策和价格，API 使用。GPT-4 是 OpenAI 在深度学习领域的最新里程碑。GPT-4 是一个大型多模态模型，可以接受图像和文本输入，发出文本输出。虽然 GP
sparrow search algorithm（麻雀搜索算法）
SSA（麻雀搜索算法）的灵感来源：麻雀群体的觅食和反捕食行为
简单粗暴提升yolov5小目标检测能力
和yolov5最开始做的focus是类似的，对于输入的特征图（长宽为S），从左到右以及从上到下每scale个像素采样一次，假设scale=2，采样方式就和上图一样，经过这样采样的输出长宽就是S/2，最后将采样后的输出进行concatenate，通道数就是scale的平方，即4。左侧是yolov5原始
Opencv 基本操作四 指针数组、vector与Mat之间的相互转换
在深度学习模型部署中通常存在读取图像为mat，然后将mat转换为float指针传入模型的操作。为了快捷开发，因此对指针数组、vector与Mat之间的相互转换进行整理。实现了指针数组、vector之间的相互转换；vector与Mat之间的相互转换（含单通道图像和多通道图像）。vector转mat主要
Bilateral Filters（双边滤波算法）的超简单原理，学不会你打我。
摘要：双边滤波(Bilateral Filters)是非常常用的一种滤波，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布。最重要的是，双边滤波的权重不仅考虑了像素的欧氏距离（如普通的高斯
协同过滤算法
目录协同过滤算法相似度的计算方式杰卡德(Jaccard)相似系数杰卡德相似系数杰卡德距离余弦相似度皮尔逊相关系数其他UserCF基于用户的协同过滤算法思想举例说明计算Alice与其他用户的相似度(以余弦相似度为例)根据相似度用户计算出Alice对物品5的最终得分根据用户评分对用户进行推荐缺点数据稀疏
