OpenCV人脸识别，训练模型为cv2.face.LBPHFaceRecognizer_create()
OpenCV内部自带有三种人脸检测方式LBPH人脸识和其他两种方法（Eigen人脸识别，FisherFace人脸识别）本次主要说明第一种方式LBPH检测。
分段模型线性化(PWL)【Python|Gurobi实现】
在许多问题中，可能既包含着纯线性函数，也包含着分段线性函数。在这一节，我们使用运输问题解释处理分段线性模型的各种方法。从几何的观点，下图为一个经典的分段线性函数。这个函数由四条线段构成，分段点为4、5 和 7。这三个分段点，将整个函数分为(-∞, 4) 、 [4, 5) 、 [5, 7) 和 [7,
堪称经典，一个非常适合初学者的机器学习实战案例
哈喽，大家好。今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于 Kaggle 网站，是很多算法初学者的第一道竞赛题目。该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余
cuda常见报错
cuda常见报错
darknet训练yolov7-tiny(AlexeyAB版本)
darknet训练yolov7-tiny目标检测网络
人工智能：TensorFlow深度学习框架介绍
官方解释：“TensorFlow是一个开源软件库，主要用于各种感知和语言理解任务的机器学习。”简单来说TensorFlow 是一个用于机器学习的开源框架，可以用来快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。
标注工具—labelme， label-studio
标注工具—labelme， label-studio
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表CUDA下载地址CUDNN下载地址torch下载英伟达显卡下载一、TensorFlow对应版本对照表版本Python 版本编译器cuDNNCUDAtensorflow-2.9.03.7-3.108.111.2ten
一种基于物理信息极限学习机的PDE求解方法
近年来，物理信息驱动的深度学习方法用于科学计算问题受到了越来越多的关注，其中，physic informed neural network(PINN)在求解微分方程(PDE)正逆问题上展现出巨大的优势，但是并不适用于某些需要实时响应的应用。由此，下面将介绍一种基于物理信息极限学习机的PDE求解方法，
【Keras+计算机视觉+Tensorflow】OCR文字识别实战（附源码和数据集 超详细必看）
【Keras+计算机视觉+Tensorflow】OCR文字识别实战（附源码和数据集 超详细必看）
Opencv图像特征点提取(
Opencv三种特征ORB、SIFT、SURF特征介绍，图像金字塔，灰度质心法
多模态融合相关概念
多模态图像融合
CBAM——即插即用的注意力模块（附代码）
论文：CBAM: Convolutional Block Attention Module代码：GitHub - Jongchan/attention-module: Official PyTorch code for "BAM: Bottleneck Attention Module (BMVC2
Ubuntu 20.04 配置深度学习开发环境
写在前面由于笔者目前用的是VMware下的Ubuntu20.04，曾经也尝试过安装GPU版本的Pytorch，但虚拟机下安装英伟达驱动一直困扰着我。于是安装了cpu版本的Pytorch，凑合着跑通了深度学习项目（QAQ）后来了解到需要安装vSphere Bitfusion Client客户端，但由于
imu内参标定
imu内参标定，为imu-cam标定做准备
多模态多目标优化文献分享
多模态的意思是，解的形态是多样的。比如我们可以说，从长沙到北京可以找到两条长度完全一致的路，这种情况在现实世界中是经常存在的。那么推广到多目标的情况也是一样的。
DRL基础（一）——强化学习发展历史简述
【摘要】这篇博客简要介绍强化学习发展历史：起源、发展、主要流派、以及应用举例。强化学习理论和技术很早就被提出和研究了，属于人工智能三大流派中的行为主义。强化学习一度成为着人工智能研究的主流，最近十年多年随着以深度学习为基础的联结主义的兴起，强化学习在感知和表达能力上得到了巨大提升，在解决某些领域的问
mmselfSup训练自己的数据集
最近在做自监督学习的东西，使用无标签数据做预训练模型，做个分享吧，写的不好，请见谅。
手把手教你运行yolov6 （小白版教程）
自己运行yolov6的完整教程提示：以下是本篇文章正文内容，下面案例可供参考#一、 yolov6的介绍我在此应用美团视觉部官方的说法叙述一下yolov6YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-
Attention Mechanisms in Computer Vision: A Survey综述详解
2021年11月16日，清华大学计图团队和南开大学程明明教授团队、卡迪夫大学Ralph R. Martin教授合作，在ArXiv上发布关于计算机视觉中的注意力机制的综述文章[1]。该综述系统地介绍了注意力机制在计算机视觉领域中相关工作，并创建了一个仓库。该综述论文的第一作者是胡事民教授的博士生国孟昊
