slowfast
一个神器 并且模型转换加部署全套 我慢慢说来近年来，基于深度学习的人体动作识别的研究越来越多，slowfast模型提出了快慢两通道网络在动作识别数据集上表现十分优异，本文介绍Slowfast数据准备，如何训练，以及slowfast使用onnx进行推理，着重介绍了Slowfast使用Tensorrt推
Vitis-AI量化编译YOLOv5（Pytorch框架）并部署ZCU104（一）
Vitis-AI进行量化编译
CVPR2022 多目标跟踪（MOT）汇总
CVPR2022 MOT文章汇总
dlib各个版本的下载以及安装教程和使用
Dlib 库是一个用来人脸关键点检测的 python 库。Dlib是一个包含机器学习算法的C++开源工具包。Dlib可以帮助您创建很多复杂的机器学习方面的软件来帮助解决实际问题。 ----志当高远且脚踏实地。程_七辰文章目录一、dlib
车道线检测——概述
车道线检测，是自动驾驶中重要的组成部分。该文主要对车道线检测做了简单的概括和总结。
FPN细节剖析以及pytorch代码实现
FPN细节剖析以及pytorch代码实现
[ 数据集 ] VOC 2012 数据集介绍
[ 数据集 ] VOC 2012 数据集介绍VOC 2012它从根本上说是一个有监督的学习问题，提供了一组标记图像的训练集；包括二十个对象类别：Person、Animal、Vehicle、Indoor；有三个主要的对象识别竞赛：分类、检测和分割；VOC 2012 文件夹介绍1）Annotations
模型初始化与随机种子——Pytorch 炼丹技巧（随手记）
模型参数的默认初始化方式和自定义初始化方式，以及通过设置随机种子让每次实验的模型初始化参数保持一致
tf-idf原理 & TfidfVectorizer参数详解及实战
tf-idf作为文体特征提取的常用统计方法之一，适合用于文本分类任务，本文从原理、参数详解及实战全方位详解tf-idf，掌握本篇即可轻松上手并用于文本数据分类。tf 表示（某单词在某文本中的出现次数/该文本中所有词的词数），idf表示（语料库中包含某单词的文本数、的倒数、取log），tf-idf则表
Python将语音识别成文字
theme: orange持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第30天，点击查看活动详情 ???? 个人主页：@青Cheng序员石头 在本教程中，我们将学习如何将语音或音频文件转换为文本格式,此处主要是用Python相关库完成功能。语音识别介绍Python支持许
实战 | 用Python 和 OpenCV搭建老人跌倒智能监测系统 (步骤 + 源码)
由于我们将根据我们使用 OpenCV 获得的角度和坐标来假设一个人是在行走还是跌倒在地上，因此，我们必须计算角度，最简单的方法是定义一个函数，然后调用它在程序中。
python端使用opencv的GPU读取视频的小记
在python种使用GPU读取视频，以及GpuMat的拼接操作。
ResUnet++
ResUnet++
【朝夕教育】2023年03月 其他-运动控制和机器视觉面试题（34道）
运动控制是指“控制移动”之意。其代表可以举出利用各种电机进行位置控制等。电能附加给电机，使电机工作，转换为动能。这项技术作为机床、机械手控制、半导体制造装置、注塑成型机、数字家电检查装置等的核心，发挥着巨大的作用，在这一领域的设备投资近年来大幅增长。 马尔计算视觉理论包含二个主要观点
ChatGPT写程序如何？
ChatGPT最近挺火的，据说还能写程序，感到有些惊讶。于是在使用ChatGPT有一周左右后，分享一下用它写程序的效果如何。
训练自己的GPT2-Chinese模型
基于GPT2-Chinese训练中文文本模型
【OpenCV--模板匹配】
模板匹配就是在给定的图片中，查找和模板最相似的区域，算法的输入包括模板和图片，通过不断移动模板图片，计算其与图片对应区域匹配度，将匹配度最高区域选择为最终结果。
UNet - 预测数据predict(多个图像的分割)
目录1. 介绍2. predict 预测分割图片3. 结果展示4. 完整代码之前已经将unet的网络模块、dataset数据加载和train训练数据已经解决了，这次要将unet网络去分割图像，下面是之前的链接unet 网络：UNet - unet网络dataset 数据处理：UNet - 数据加载
基于OpenCV的图片和视频人脸识别
随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容，基于OpenCV的图片和视频人脸识别。介绍Haar的概念，以及如何对图片和视频中进行人脸检测，以及如何训练我们自己的模型，并在自己的模型下进行人脸识别。
使用 PatchCore 进行图像异常检测
我们已经介绍了 PatchCore 的关键概念，并将其应用于医学影像数据集。即使数据集非常有限，我们也看到了一些非常有希望的结果。一般来说，如果您有一个用例，其中正常数据很容易获取但异常数据很昂贵（甚至是先验未知的），anomalib 可能是一个值得考虑的好工具。相关代码与数据集下载：欢迎关注公众号
