GPT-4 重磅发布，用户直呼：强得离谱
ChatGPT沉寂了一会，OpenAI 的新“核弹”又来了，GPT-4，并且它还非常擅长编码。我等草民可以抓住这些机会，想一想90年代的中关村卖电脑配件那些人，和2000年代苹果商店刚兴起的时候第一批进驻APP STORE那些人，言尽于此。
Opencv项目实战：22 物体颜色识别并框选
本次项目要完成的是对物体颜色的识别并框选，有如下功能：（1）准确对颜色进行较大范围框选，统一使用绿色边界框显示。（2）识别物体内部的颜色边缘轮廓，以白色为边缘，对物体的框选更加细致。（3）可以对自己感兴趣的颜色进行识别选择，不想要的颜色不会被识别。（4）在窗口中的边框旁打印上颜色对应的英文字母。（5
学习记录2-多元线性回归模型（附上python代码)
多元线性回归python，研究货运总量 y （万吨）与工业总产值 x1（亿元）、农业总产值 x2（亿元）,居民非商品支出 X3（亿元）的关系。数据见表3-9。
Self-Attention详解
文章目录Sequence数据的处理Sequence Labeling（输入和输出的大小一样）Self-Attention内部机理如何求解b？Multi-head Self-AttentionPositional EncodingSelf-Attention for ImageSelf-Attenti
阵列信号处理——线性约束最小方差准则(LCMV)波束形成算法
阵列信号处理——线性约束最小方差准则(LCMV)波束形成算法
基于轻量级YOLOv5开发构建汉字检测识别分析系统
基于轻量级YOLOv5开发构建汉字检测识别分析系统
ChatGPT作者John Schulman：我们成功的秘密武器
除了OpenAI，外界可能很少有人知道ChatGPT模型成功的真正原因，实际上，OpenAI也会对ChatGPT拥有的巨大影响力感到不可思议。这种困惑和惊喜就像工程师们解bug时获得的意外成功：We don't know why, but it works.一种普遍的看法是，ChatGPT没有任何革
百度飞桨PaddleSpeech的简单使用
百度飞桨PaddleSpeech的简单使用。PaddleSpeech是基于飞桨PaddlePaddle的语音方向的开源模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型，一些典型的应用示例如下：语音识别、语音翻译 (英译中)、语音合成、标点恢复等。我只用到了语音
机器学习10—多元线性回归模型
在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行
双目相机基本原理
双目相机基本原理
一分钟玩转Stable Diffusion
Stable Diffusion，Ai绘图
Yolov7-pose 训练body+foot关键点
yolo-pose
OpenAI Translator | 基于ChatGPT API全局翻译润色解析插件
OpenAI Translator，一款基于 ChatGPT API 的划词翻译浏览器插件和跨平台桌面端应用，使用 ChatGPT API 进行划词翻译和文本润色，借助了 ChatGPT 强大的翻译能力，帮助用户更流畅地阅读外语和编辑外语，允许跨 55 种不同语言进行相互翻译、润色和总结，支持浏览扩
什么是YOLOR？
因此，YOLOR 是一个统一的网络，可以一起处理隐性和显性知识，并产生由于该方法而改进的一般表示。YOLOR 是一种用于对象检测的最先进的机器学习算法，与 YOLOv1-YOLOv5 不同，原因在于作者身份、架构和模型基础设施的差异。YOLOR研究论文的标题为“你只学习一种表示：多个任务的统一网络”
模型调优：验证集的作用（就是为了调整超参数）
注意这里的表现，是指在验证集上的表现。好比训练轮数（epochs），在同样的训练集上，训练3轮和训练10轮，结果肯定是不一样的模型。一般训练几个 epoch 就跑一次验证看看效果，如果发现训练3轮效果更好，那么就应该丢弃掉训练6轮、10轮的潜在模型，只用训练3轮的结果。所以必须从训练样本中取出一部分
CA-用于轻型网络的坐标注意力 | CVPR2021
CA-用于轻型网络的坐标注意力 | CVPR2021
【人工智能大作业】A*和IDA*搜索算法解决十五数码（15-puzzle）问题 （Python实现）（启发式搜索）
【人工智能】启发式搜索算法，A*和IDA*搜索算法解决十五数码（15-puzzle）问题Python实现，理论算法分析与实验证明
AI又进化了，声音克隆革命性突破
用AI唱了几首歌
SLAM中去除动态物体的部分方法（主要是视觉SLAM）
一. 基于多分辨率的range image1. RF-LIO: Removal-First Tightly-coupled Lidar Inertial Odometry in High Dynamic Environments利用的是多分辨率的range image。使用投影的range imag
机器学习中常用的分类算法总结
我们都知道，不发生的概率是极大的，对于分类器而言，如果分类器不加思考，对每一个测试样例的类别都划分为0，达到99%的正确率，但是，问题来了，如果真的发生地震时，这个分类器毫无察觉，那带来的后果将是巨大的。4）例如True positives(TP)的实际类标=1*1=1为正例，False posit
