BP反向传播网络
本文介绍了如何通过反向传播误差修正模型参数，从梯度下降法等原理处学习如何进行反向传播，进而了解为什么模型参数的修正和激活函数相关。
sklearn 中的两个半监督标签传播算法 LabelPropagation和LabelSpreading
标签传播算法是一种半监督机器学习算法，它将标签分配给以前未标记的数据点。要在机器学习中使用这种算法，只有一小部分示例具有标签或分类。在算法的建模、拟合和预测过程中，这些标签被传播到未标记的数据点。
目标检测 YOLOv5 - v6.2版本模型在瑞芯微 Rockchip设备从训练到C++部署实践
目标检测 YOLOv5 - v6.2版本模型在瑞芯微 Rockchip设备从训练到C++部署实践flyfish源码地址Rockchip 支持 YOLOv5 v6.2 从训练到C++部署的全链条开发，包括。
利用yolov5进行目标检测，并将检测到的目标裁剪出来
写在前面：关于yolov5的调试运行在这里不做过多赘述，有关yolov5的调试运行请看：本文章主要讲解的是裁剪。需求：识别图片中的人物并将其裁剪出来如果只需识别人物的话，那么只需在yolov5中设定参数即可，例如使用命令行运行时：即为将参数设置为只识别人。此外需要将检测到的目标裁剪出来还需要目标的中
一个算法模型搞定千万种场景，人工智能领域出现一匹黑马
明敏 发自 凹非寺量子位 | 公众号 QbitAI不知不觉，AI技术的渗透，已经开始超出人们的想象。去医院照个CT，都有AI作为双重保障，通过视频画面动作识别，确定病人在进入机器前已经得到有效保护。还有流水线产品是否有瑕疵，公共场所人们是否戴了口罩，工人是否佩戴安全帽、后厨是否达到“明厨亮灶”、应急
Python使用Opencv画一个哆啦A梦(动态)，并制作成可执行文件.exe
Python使用Opencv画一个哆啦A梦(动态)，并制作成可执行文件.exe。没找到opencv的填充，就直接用for循环进行颜色填充。for循环进行颜色填充，其他的都是描线。
【网站】分享几组政府金融网站清单，收藏关注一波后期用到不用愁
网站地址集合，搜索查找
关于生产报表工具—行列视（RCV）的答疑
行列视（RCV）生产数据应用系统是由青岛国瑞信息技术有限公司自主研发的一套以实时数据库+人工填报数据为主要数据来源的自助式、自动化、智能化、可视化生产数据应用系统。
pytorch 实现逻辑回归
简单说明一下任务，想在一个正方形的区域内生成若干点，然后手工设计label，最后通过神经网络的训练，画出决策边界假设：正方形的边长是2，左下角的坐标为（0，0），右上角的坐标为（2，2）然后我们手工定义分界线 y = x ，在分界线的上方定义为蓝色，下方定义为红色。
微信推出自研NLP大规模语言模型WeLM，现已开放API推动应用落地
NLP大模型迎来新选手，微信推出自研NLP大规模语言模型WeLM
数据科学家在使用Python时常犯的9个错误
最佳实践都是从错误中总结出来的，所以这里我们总结了一些遇到的最常见的错误，并提供了如何最好地解决这些错误的方法、想法和资源。
做研究，我们为什么要读综述？
关注公众号，发现CV技术之美以论文《Video Transformers: A Survey》（综述Transformer技术在视频领域的发展）为例。综述论文是一段故事，让你知道技术的发展脉络：综述论文是一份入门指南，从基础知识讲起：宏观上让你把握技术轮廓：综述是解牛的“庖丁”，带你拆解算法内部的“
CSDN独家 | 全网首发 | 《计算机视觉基础知识蓝皮书》目录
本专栏将系统性地讲解计算机视觉基础知识、包含第1篇机器学习基础、第2篇深度学习基础、第3篇卷积神经网络、第4篇经典热门网络结构、第5篇目标检测基础、第6篇网络搭建及训练、第7篇模型优化方法及思路、第8篇模型超参数调整策略、第9篇模型改进技巧、第10篇模型部署基础等，全栏文章字数10万+，篇篇精品，让
机器学习之支持向量机（SVM）的求解方法
支持向量机就是寻找一个超平面，将不同的样本分分隔开来，其中间隔分为硬间隔和软间隔，硬间隔就是不允许样本分错，而软间隔就是允许一定程度上样本存在偏差，后者更符合实际。支持向量机思路简单但是求解过程还是比较复杂，需要将原函数通过拉格朗日乘子法并附上KKT条件是的问题有强对偶性，再使用SMO等算法进行高效
[推荐系统] 1. 深度学习与推荐系统
推荐系统
经典图像去噪算法概述
基于梯度先验去噪方法的重点是局部特征，而忽略图像的全局结构。上面问题可以由Y的奇异值分解解决，由于奇异值分解的能量压缩性质，信息的主要能量都集中在少数几个较大的奇异值上，而较小的奇异值对应于噪声子空间，将它们设置为零可以得到去噪后的低秩矩阵，问题的关键是如何确定阈值来区分信号与噪声，太大的阈值会使图
在线薅 达摩院-人工智能训练师（高级）证书
人工智能训练师（高级）
OpenCV-迷宫解密
如下图所示，可以看到是一张较为复杂的迷宫图，相信也有人尝试过自己一点一点的找出口，但我们肉眼来解谜恐怕眼睛有点小难受，特别是走了半天发现这迷宫无解，代入一下已经生气了，所以我们何必不直接开挂，使用opencv来代替我们寻找最优解。恩，不错，那就整！注：图像自己截图获取即可。
Keras深度学习实战——使用长短时记忆网络构建情感分析模型
我们已经学习了如何使用循环神经网络 (Recurrent neural networks, RNN) 构建情感分析模型，为了将循环神经网络与长短时记忆网络 (Long Short Term Memory, LSTM) 的性能进行对比，同时也为了加深对 LSTM 的了解，在节中，我们将使用 LSTM
图像处理：推导Canny边缘检测算法
Canny算法的历史年代久远，但它却是我目前接触的当中使用的最多的一种，它的好是好在哪里，为什么它在目前的研究当中被广泛使用？如果只停留在表面的调用上，我们并不能厚颜无耻的说我们已经是一个专家了，推导它的底层逻辑，是否能在我们以后的学习中为我们提供一些好的思路呢？我不知道，因为只有试过才知道。
