图像分割（语义分割）的局限以及解决方法
CNN作为最基础的框架，存在很多的问题：比如语义分割除了语义信息还需要细节信息，因此UNet等论文给出了解决方案。比如语义分割需要上下文信息，因此PSPNet、Deeplab系列、基于自注意力机制的一系列方法（Non-Local、DANet、CCNet等）等被提出来获取局部、多尺度乃至全局上下文。比
多目标跟踪(1):使用MOT17数据集训练YOLOv7检测器
本文将介绍如何使用MOT17数据集训练YOLOv7检测器。
细粒度图像分类论文研读-2022
目前的工作主要通过关注如何定位最具识别度的区域并依靠它们来提高网络捕捉细微变化的能力来完成FGVC。这些工作中的大部分是通过RPN模块来提出绑定框并重新使用主干网络来提取所选框的特征。近年来，ViT在传统分类任务重大放异彩，其自我关注机制将每个patch的token连接到分类token。注意力连接的
使用开源激光SLAM方案LIO-SAM运行KITTI数据集，如有用，请评论雷锋
LIOSAM运行KITTI数据集
深度理解相机中的各个参数（对比度、饱和度、亮度、曝光度、锐度）
相机中和很多参数，包括对比度、饱和度、亮度、曝光度、锐度等等。不论我们是在拍照还是后期的剪辑，都缺少不了对这些参数的调整。那么接下来来详细的叙述一下这些参数以及它们的作用。...
在kaggle上用Yolov5训练口罩模型并部署到android端
利用Kaggle免费提供的GPU能很好的对YOLOV5口罩数据集的进行训练。下载链接。
OpenAI 官方api 阅读笔记
openai
足球视频AI(三)——YOLOV7目标检测自训练模型
1）采用labelImg对视频中的逐帧图像进行标注，并保存为yolo格式2）采用YoloV7源码对标注数据进行训练3）集成到实践项目中
图像处理复习———像素间的基本关系（邻域，邻接性，通路，连通性，距离）
图像处理复习———像素间的基本关系（邻域，邻接性，通路，连通性，距离）
机器学习和深度学习概述
学习笔记
Pytorch中的广播机制（Broadcast）
如果一个Pytorch运算支持广播的话，那么就意味着传给这个运算的参数会被自动扩张成相同的size，在不复制数据的情况下就能进行运算，整个过程可以做到避免无用的复制，达到更高效的运算。广播机制实际上是在运算过程中，去处理两个形状不同向量的一种手段。pytorch中的广播机制和numpy中的广播机制一
OpenAI 成近期顶流团队？如何使用 OpenAI 和 Node.js 构建 AI 图像生成器？
12月7号，知名人工智能研究机构 Open AI 在Youtub上发布视频介绍使用OpenAI 和 DALL-E 模型创建一个网络应用程序，该应用程序将根据输入的文本从头开始生成图像。https://www.youtube.com/watch?v=fU4o_BKaUZE
Paper Reading - 综述系列 - 计算机视觉领域中目标检测任务常见问题与解决方案
目录小目标检测数据方面Label Smoothing模型方面样本不均衡目标遮挡More更多可见计算机视觉-Paper&Code - 知乎小目标检测数据方面将图像resize成不同的大小 对小目标进行数据增强，过采样策略oversampling，重复正样本数 在图片内用实例分割的Mask抠出小
强化学习总结
强化学习：寻找一个合适的函数，将观察到的环境（environment）作为输入，目标是最大化回报（reward）（从经验中学习）
在运行yolo5的v5.0版本detect.py时遇到的一些错误
跟着小土堆的视频教学自己遇到的一些问题。
机器人避障系统基础
用来采集运动时环境中障碍物信息的环境信息采集系统是自动避障系统的重要组成部分。全面、精确信息的获取，能够增强智能小车的自动避障性能，同时必须考虑信息处理的及时性和难易程度。视觉传感器、激光雷达测距传感器、红外测距传感器和超声波测距传感器等是主要的几种应用于智能小车自动避障的探测器。超声波测距传感器的
【GitHub Copilot X】基于GPT-4的全新智能编程助手
在软件开发中，程序员需要编写大量的代码以完成自己的工作，其中包括从简单的函数和方法到复杂的算法和架构等等。由于编写高质量的代码是一项挑战性很高的任务，因此可以利用人工智能技术来提高代码的质量和效率。今年初，Github 推出了基于 OpenAI GPT-3 技术的智能编程助手 Copilot，这项技
人工智能导论期末复习重点
绪论人工智能诞生于1956，达特茅斯会议，与空间技术和原子能技术统称为20世纪三大科学技术成就，智能是知识和智力的总和，知识是一切智能行为的基础，智力是获取知识并应用知识求解问题的能力。麦卡锡----人工智能之父。1969年成立国际人工智能会议。1970年创立人工智能杂志,1957年提出感知机模型智
深度学习--超参数（持续更新）
通常情况下，一个或者一组优秀的学习率既能加速模型的训练，又能得到一个较优甚至最优的精度。以上两种情况在训练初期以及中期，此时若仍然以固定的学习率，会使模型陷入左右来回的震荡或者鞍点，无法继续优化。在小数据集上，通常微调的效果比从头训练要好很多，因为在于数据量较小的前提下，训练更多参数容易导致过度拟合
MATLAB深度学习（1） --- 想要做好深度学习？数据集是第一步
该项目的目标是想基于某些人的行走引起的楼板振动加速度作为数据，通过深度学习方案，来将这些人的身份进行识别。数据集构建网络搭建（可能会变换多种网络）网络参数选取训练，并基于训练结果调整得出结论当然，该项目是一个全新的课题，充满挑战，所以每一期可能解决的只是项目中的一个问题。对于深度学习方案真正应用到全
