简单三步 用Yolov5快速训练自己的数据集
Yolov5训练自己的数据集教程
ICLR 2022的10篇论文推荐
一千多篇论文，19个研讨会和8次邀请演讲。 所以我整理了10篇论文作为推荐，希望对你有帮助
YOLOv5-6.0 源码解析 —— 卷积神经单元
YOLOv5 源码中，模型是依靠 yaml 文件建立的。而 yaml 文件中涉及到的卷积神经网络单元都是在 models 文件夹中的 common.py 声明的，所以自行设计网络结构之前有必要详解这个文件。这个文件很细节，就算不学 YOLOv5 也建议 copy 收藏通用参数c1 c2 c_
手把手带你Yolov5 (v6.1)添加注意力机制（并附上30多种顶会Attention原理图）
Yolov5 (v6.1)添加注意力机制教程（并附上30多种顶会Attention原理图）
聊聊汽车OTA测试：概述篇
生产力与生产关系在哲学上的辨证统一、矛盾运动和相互作用原理在汽车电子发展方面同样适用。随着汽车电子生产力（车载软硬件性能）不断进步，生产关系（汽车电子电器组织形式）必然同步发生改变。整车电子电气架构正在经历从分布式控制到集中式控制趋势的演进，分布式控制体现在计算的分布式和供电的集中式、集中式控制则体
深度学习中的归一化技术全面总结
归一化是深度学习中的一个基本概念。它加快了计算速度并稳定了训练。多年来发展了许多不同的技术。本篇文章整理了目前与它相关的方法，希望对你有所帮助
OpenCV学习笔记12-图像金字塔的原理及代码实现
1 图像金字塔介绍图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。简单来说, 图像金字塔是同一图像不同分辨率的子图集合.图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图
卷积神经网络 一些参数计算
次数，参数，输出张量的size
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归
在本文中，我们以美国南瓜数据为例，讲解了三种线性回归的原理与使用方法，探寻数据之间的相关性，并构建了6种线性回归模型。将准确率从一开始的0.04提升到0.96.
三子棋的实现，人工智能与人工智障
1.菜单我们先进行菜单打印的实现，如下：void menu(){ printf("**********************************************\n"); printf("************ 1.play ************\n"
手把手带你调参Yolo v5 (v6.1)（二）
解析Yolov5 train.py文件中38个参数含义
飞猪平台用户行为分析—python
文章目录一、项目背景1.1数据来源1.2数据介绍二、分析目的三、分析思路四、数据分析3.1数据清洗3.2用户分析3.2.1用户维度3.2.1.1浏览量pv、访客量uv、成交量分析五、总结提示：本项目分析仅用来学习使用一、项目背景作为中国最受欢迎的在线旅游平台（OTP）之一，阿里巴巴集团旗下的飞猪通过
【qt+opencv】实现人脸识别打卡系统2.0
一、简介人脸识别1.0版本：【QT】基于人脸识别的打卡系统（QT+Opencv + SQLite）--设计过程_Jason~shen的博客-CSDN博客_qt人脸识别目录使用平台设计目标功能描述设计方案数据库设计使用说明使用平台https://blog.csdn.net/qq_40602000/ar
Python知识点，Python requests 模块
Python知识点，Python requests 模块
42个激活函数的全面总结
这个列表将包含 42 个激活函数，这里面肯定有没有见过的
R语言使用names函数为列表list中的所有数据对象设置名称、使用names函数查看列表中所有数据的名称
R语言使用names函数为列表list中的所有数据对象设置名称、使用names函数查看列表中所有数据的名称
《协同式智能清漂子母船》——第十四届国际水中机器人大赛---国赛亚军
摘要：水库、湖泊等水域在降雨和人类活动的作用下经常会聚集大量漂浮垃圾，严重影响水利枢纽正常运行，以及水域和周边的生态环境健康。如何适应各种水域特征，及时而高效安全的清除漂浮垃圾仍然是亟需解决的问题。针对此问题，本作品设计了一种子母船，在大型水域由母船直接清理漂浮垃圾，而在母船无法完成清理工作的较浅水
pandas将多个Series对象合并起来形成dataframe、当索引不一致时会产生缺失值NaN
pandas将多个Series对象合并起来形成dataframe、当索引不一致时会产生缺失值NaN
