2022 CCF BDCI 返乡发展人群预测 [0.9117+]
返乡发展人群预测：基于中国联通的大数据能力，通过使用对联通的信令数据、通话数据、互联网行为等数据进行建模，对个人是否会返乡工作进行判断A榜的结果为0.91171720。
基于yolov5的目标检测和单目测距
快速入门基于yolov5的目标检测和单目测距
【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码
大家好，我是阿光。本专栏整理了《深度学习100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。正在更新中~ ✨。
视觉 注意力机制——通道注意力、空间注意力、自注意力
本文介绍注意力机制的概念和基本原理，并站在计算机视觉CV角度，进一步介绍通道注意力、空间注意力、混合注意力、自注意力等。
目标检测算法——YOLOv5改进|增加小目标检测层
1.YOLOv5算法简介YOLOv5主要由输入端、Backone、Neck以及Prediction四部分组成。其中：(1) Backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络。(2) Neck：一系列混合和组合图像特征的网络层，并将图像特征传递到预测层。(3) Head： 对图像特
基于yoloV7-pose添加任意关键点 ＋ 多类别分类网络修改
基于yoloV7-pose 修改任意关键点+多分类模型
【语义分割】1、语义分割超详细介绍
图像分割是机器视觉任务的一个重要基础任务，在图像分析、自动驾驶、视频监控等方面都有很重要的作用。图像分割可以被看出一个分类任务，需要给每个像素进行分类，所以就比图像分类任务更加复杂。此处主要介绍 DL-based 方法。encoder：输入图像→resize到特定大小→输入 backbone→得到特
【CV】第 3 章：使用 PyTorch 构建深度神经网络
在上一章中，我们学习了如何使用 PyTorch 编写神经网络。我们还了解了神经网络中存在的各种超参数，例如批量大小、学习率和损失优化器。在本章中，我们将学习如何使用神经网络进行图像分类。本质上，我们将学习如何表示图像并调整神经网络的超参数以了解它们的影响。为了不引入太多的复杂性和混乱，我们在上一章只
图像智能处理黑科技，让图像处理信手拈来
图像智能处理是指利用计算机对各种复杂应用场景的图像进行自动化处理和分析，是计算机视觉领域中重要的技术领域。通过为机器视觉系统添加图像智能处理功能，等于为机器安装上了智能的“眼睛”，令机器看得清、看得懂，以接近甚至超越人眼的能力执行分析与处理任务。本文将带领大家一窥合合信息图像智能处理的主要黑科技技术
BraTS2021脑肿瘤分割实战
脑肿瘤分割是MICCAI所有比赛中历史最悠久的，到2021年已经连续举办了10年，参赛人数众多，是学习医学图像分割最前沿的平台之一。简介： 胶质母细胞瘤和具有胶质母细胞瘤分子特征的弥漫性星形细胞胶质瘤（WHO 4 级星形细胞瘤）是成人中枢神经系统最常见和最具侵袭性的恶性原发性肿瘤，在外观、形状和组
数据挖掘-模型怎么解决业务需求（五）
从项目的需求发起,到数据准备，再到模型训练、评估、上线，这些环节都遇到了什么样的问题,我们解决了什么问题，又有哪些问题尚未解决,在时间等条件充裕的情况下还可以做哪些尝试。介绍了一些关于模型保存、模型优化、模型部署的思路。讲解了关于项目总结，乃至模型监控等内容。
2022年11月10篇论文推荐
介绍10篇推荐的论文。这里将涵盖强化学习(RL)、扩散模型、自动驾驶、语言模型等主题。
Python安装Pytorch教程（图文详解）
最近人工智能等多门课需要复现论文，近两年的论文很多都是Pytorch环境，所以，这里总结一下Pytorch的安装教程，做好最快、最简单、最好地完成安装。本机环境Win10+1050Ti+Python3.7+1、查看本机的CUDA版本1、打开NVIDIA的控制面板，在开始菜单里面的NVIDIA Con
利用yolov5实现口罩佩戴检测算法(非常详细)
帮助你快速掌握利用yolov5来训练口罩佩戴检测模型。
机器学习强基计划5-3：图文详解因子分解与独立图I-Map(附例题分析+Python实验)
本文从代数上的因式分解出发，串讲概率图的因子分解、吉布斯分布、独立图、完美图、独立性等价等关键概念，并给出例题分析和Python实验代码
目标检测算法——YOLOV7——详解
本文详细解读了YOLOV7 0.1版本代码的网络结构、损失函数、正负样本匹配规则等。可以高效的快速掌握YOLOV7的宏观结构和真正实现时的核心点。
数据挖掘-模型的评估（四）
模型的各种评估指标，从一个混淆矩阵出发，衍生出一系列的准确度评测对模型泛化能力进行评估介绍了如何在数据上进行一些优化从而减少评估时产生误差。
YOLOv7（目标检测）入门教程详解---检测，推理，训练
零基础入门yolov7，从环境配置到检测，推理，训练，再到c++预测
特征选择技术总结
在本文中，我们将回顾特性选择技术并回答为什么它很重要以及如何使用python实现它。
可解释的AI:用LIME解释扑克游戏
可解释的AI（XAI）一直是人们研究的一个方向，在这篇文章中，我们将看到如何使用LIME来解释一个模型是如何学习扑克规则的。
