LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
intel的集成显卡（intel(r) uhd graphics） 配置stable diffusion
intel的集成显卡（intel(r) uhd graphics） 配置stable diffusion
2021级研究生人工智能高级语言程序设计考试说明
2022人工智能高级语言程序设计考试说明
paddleocr模型训练
paddleocr的det和rec模型训练
关于跳跃连接 卷积网络
关于跳跃连接 卷积网络
temporal shift module(TSM)
而online模式用于对视频类型的实时预测，在这种情况下，无法预知下一秒的图像，因此只能将channel维度由过去向现在移动，而不能从未来向现在移动。视频中核心是视频动作识别，本质就是视频分类，可以用作特征提取，视频时序提取是输入一段长视频获取其中的时序片段，时空定位是同时获取视频中的人物物体的空间
人工智能(Pytorch)搭建LSTM网络实现简单案例
LSTM网络是一种特殊的循环神经网络，它能够学习处理序列中的长期依赖性，而不会受到梯度消失或梯度爆炸的影响。LSTM中的关键组成部分是门控机制，它允许网络选择性地丢弃或保留信息。在训练过程中，LSTM网络通过反向传播算法自动调整门控单元的参数，使其能够更好地适应数据。PyTorch是一个基于Pyth
神经辐射场 3D 重建——NeRF
本文是阅读 ECCV2020 论文 NeRF 后所做的笔记。文章首先对论文中 5D 坐标的理解做出相关图示，然后对“世界-相机-图像”三种坐标系的转换以及常见图像质量评估指标进行简单阐述，接着对 NeRF 的网络结构进行详细解释（包括网络主体流程、体渲染、位置编码、多层级采样、损失函数），最后通过训
五、CNN-LSTM数据驱动模型
CNN-LSTM数据驱动模型6.1 基本原理深度学习是机器学习前沿且热门的理论，而其中的两大框架卷积神经网络（CNN）以及长短期记忆网络（LSTM）是深度学习的代表，CNN能过够通过使用卷积核从样本数据中提取出其潜在的特征，而长短期记忆网络LSTM能够捕捉到长期的成分。近年来两者的结合成为研究的热点
【FPGA】基于HLS的全连接神经网络手写体识别
一 系统分析1.1 全连接神经网络简介 二 通过HLS 编写全连接神经网络传入权重参数和偏置参数文件2.1 获得图片、权重以及偏置的参数2.2 编写C语言的全连接算子2.3 Slave Interfaces2.3.1 hls_avalon_slave_component 2.3.2 hls_ava
YOLOv8 目标检测 | 自定义数据集
本文介绍了使用用于目标检测的自定义数据训练 YOLOv8 模型。我正在使用来自 kaggle 的 yolo 格式的“Face Mask Dataset”，数据集链接如下：https://www.kaggle.com/datasets/maalialharbi/face-mask-dataset?re
rasterio的安装和使用
前言很久没更新公众号啦，给看客老爷们汇报下我最近都在忙啥。由于工作和自己的原因，需要搞一点科研，这一直是我的短板。所以我浅学了一下大学数学（线代、高数和概率论），准备结合Python做一些事情。后面可能会更新我学数学的一些心得，大家记得关注哦（我先学会再说）。学习数学的同时了，还在学习遥感数据处理（
医学图像处理的SCI期刊和顶会
医学图像处理的SCI期刊和顶会 TMI MIA MIDL等等
故障诊断知识图谱
故障诊断-知识图谱
SOC计算方法：卡尔曼滤波算法
卡尔曼滤波法 是一种比较精确的SOC估计方法，它通过测量电池的电流和电压来估计电池的SOC。该方法利用卡尔曼滤波算法对电池的状态进行估计，从而得到更准确的SOC估计值。接下来我们将介绍卡尔曼滤波算法的基本原理。
读pytroch使用resnet18网络的代码
读读pytorch中调用resnet18的代码
在为时已晚之前使用 ChatGPT 赚钱的 11 种方法
总体而言，聊天机器人和 GPT 技术提供了广泛的赚钱机会。无论您是在构建和销售聊天机器人、提供 GPT 支持的服务，还是使用这些工具来改善您自己的业务，都有很多方法可以利用这项技术。
情感计算——多模态情感识别
1. 情感是通过多种模态的形式进行表达的情感涉及主观经历、生理反应和行为反应；每个人都有自己的主观感受，身体会出现一系列的生理反应，并且通过表情、言语和肢体动作等行为方式表示情感；多模态情感识别就是通过这些生理反应和行为反应（即多模态信息）来识别和预测情感。2. 情感是通过多种模态的形式进行表达的人
bert 的输出格式详解
输出是一个元组类型的数据 ，包含四部分，last hidden stateshape是(batch_size, sequence_length, hidden_size)，hidden_size=768,它是模型最后一层输出的隐藏状态pooler_output：shape是(batch_size,
STM32CubeIDE开发(三十三)， stm32人工智能开发应用实践（Cube.AI）.篇三
cubeIDE开发， stm32人工智能开发应用实践（Cube.AI）.篇三，不采用ST公司提供的FP-AI-SENSING1案例和配套的硬件，采用cube.AI支持的芯片，仅仅采用cube.AI软件库，完成全部STM32的AI嵌入式开发。
