AI 实战篇 ｜基于 AI开放平台实现 人脸识别对比 功能，超详细教程【附带源码】
本篇文章来学习一下怎样使用 Unity实现简单地人脸识别 功能。关于人脸识别，我们可以选择很多平台的SDK接入Unity来实现人脸识别的功能。
【图像分类数据集】非常全面实用的垃圾分类图片数据集共享
数据集获取不易，听闻国外开源精神非常盛行，那么我开个数据集不过分吧？整体数据集质量非常的不错，放眼全网这么好的数据集恐怕并不多见。
AI绘画突然爆火？快速体验二次元画师NovelAI(diffusion)
NovelAI是基于人工智能的绘画创作辅助工具，这次其商业模型疑似流出，体验一下AI创作的乐趣！
一点就分享系列（实践篇3-上篇）— 修改YOLOV5 之”魔刀小试“+ Trick心得分享+V5精髓部分源码解读
一点就分享系列（实践篇3—上篇）—“全网首发” 正确手法修改YOLOV5 魔刀小试+ Trick心得分享现在部署大热，而我觉得回归原理和源码更加重要！在检测领域YOLOV5肯定是大家的炼丹必备模型，收敛快，精度高都是其爱不释手的理由，各种魔改基础backone或者别的trcik也层出不穷，这里我自己
【数据集】目标检测常用数据集||权威数据--持续更新
【数据集】目标检测常用数据集||权威数据--持续更新
机器学习强基计划1-2：图文详解线性回归与局部加权线性回归+房价预测实例
线性回归是机器学习线性模型中的一种，本文图文详解+一步步推导线性模型的算法原理和数学原理，并用python实现回归模型
R语言为矩阵的行和列命名：rownames函数指定矩阵行名称、colnames函数指定矩阵列名称
R语言为矩阵的行和列命名：rownames函数指定矩阵行名称、colnames函数指定矩阵列名称
机器学习算法（三十）：强化学习（Reinforcement Learning）
目录1 简介1.1 什么是强化学习1.2 强化学习的主要特点1.3 强化学习的组成部分2强化学习训练过程3强化学习算法归类3.1 Value Based3.2Policy Based3.3 Actor-Critic3.4 其他分类4EE（Explore & Exploit）探索与利用5 强化
openCV第三篇
openCV第三篇
SwinIR实战：详细记录SwinIR的训练过程
SwinIR实战：详细记录SwinIR的训练过程。论文地址：https://arxiv.org/pdf/2108.10257.pdf预训练模型下载：https://github.com/JingyunLiang/SwinIR/releases训练代码下载：https://github.com/csz
机器学习线性回归——实验报告
机器学习实验报告3：线性回归
opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx
在项目部署过程中，为了脱离pytorch而只使用C++调用，我参考了市面上N多解决办法，最终把程序调试通过，调用过程是先把yolov7.pt转化为yolov7.onnx，之后再通过opencv dnn来调用onnx。注意：之前我安装的pytorch gpu版本一直没有通过，后来把 requireme
模拟退火算法介绍和实例实现
一、模拟退火算法简介模拟退火算法(SA)来源于固体退火原理，是一种基于概率的算法。将固体加温至充分高的温度，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，分子和原子越不稳定。而徐徐冷却时粒子渐趋有序，能量减少，原子越稳定。在冷却（降温）过程中，固体在每个温度都达到平衡态，最后在常温
Anaconda的虚拟环境的包在哪里？（详细教程）
Anaconda
有关optimizer.param_groups用法的示例分析
pytorch 1.11.0作为测试，param_groups用法探索`optimizer.param_groups`： 是一个list，其中的元素为字典；`optimizer.param_groups[0]`：长度为7的字典，包括['**params**', '**lr**', '**betas*
【深度学习】（四）目标检测——上篇
上一章介绍了图像分类，这一章来学习一下目标检测上篇。简单来说，需要得到图像中感兴趣目标的类别信息和位置信息，相比于分类问题，难度有所提升，对图像的描述更加具体。在计算机视觉众多的技术领域中，目标检测（Object Detection）也是一项非常基础的任务，图像分割、物体追踪、关键点检测等通常都要依
【K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练
本文着重于如何使用K210拍摄图片，并将图片上传到MaixHub平台进行模型训练。补充一下一些经验心得，比如一些训练参数的设置。
神经网络与深度学习
神经网络与深度学习复习
竞赛：汽车领域多语种迁移学习挑战赛（科大讯飞）
国内车企为提升产品竞争力、更好走向海外市场，提出了海外市场智能交互的需求。但世界各国在“数据安全”上有着严格法律约束，要做好海外智能化交互，本土企业面临的最大挑战是数据缺少。本赛题要求选手通过NLP相关人工智能算法来实现汽车领域多语种迁移学习。.........
多智能体强化学习之MAPPO理论解读
多智能体强化学习之MAPPO算法MAPPO训练过程本文主要是结合文章Joint Optimization of Handover Control and Power Allocation Based on Multi-Agent Deep Reinforcement Learning对MAPPO算法
