为什么基于树的模型在表格数据上仍然优于深度学习
在这篇文章中，将详细解释一个被世界各地的机器学习从业者在各种领域观察到的现象——基于树的模型在分析表格数据方面比深度学习/神经网络好得多。
手把手教你用Yolov5 (v6.2) 训练分类模型 基于《Kaggle猫狗大战》案例
在8月17日晚上，YOLOv5官方发布了v6.2版本，v6.2版本支持分类模型训练、验证、预测和导出；v6.2版本的推出使得训练分类器模型变得超级简单！
Python图像处理丨图像的灰度线性变换
本文主要讲解灰度线性变换。
【NLP】AI相关比赛汇总（2022）
主要查找的是国内的一些比赛平台。以往举办的一些平台不能够访问的，或者比赛列表中近年来没有相关比赛的就没有放上去。读者可以根据自己的喜好选择合适自己的平台进行学习和演练，好运哦。当然，以上平台也是从互联网中查找的也不一定全面，欢迎补充。......
【毕业设计】深度学习YOLO抽烟行为检测 - python opencv
YOLO系列是基于深度学习的回归方法。该系列陆续诞生出YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5。YOLOv5算法，它是一种单阶段目标检测的算法，该算法可以根据落地要求灵活地通过chaneel和layer的控制因子来配置和调节模型，所以在比赛和落地中应用比较多。同时它有YO
将特征转换为正态分布的一种方法示例
正态（高斯）分布在机器学习中起着核心作用，线性回归模型中要假设随机误差等方差并且服从正态分布，如果变量服从正态分布，那么更容易建立理论结果。
Python 探讨斐波拉契数列模素数的周期问题
本文讨论了斐波拉契数列模素数的周期问题，并用 Python 实现了模 1 万以内素数的周期。作为对未来的展望，提出了待解决的 5 个问题供大家参考。
碎纸片的拼接复原-基于边缘匹配思想
基于贪心策略的边缘匹配思想解决2013年数学建模碎纸片复原问题一(附Python代码)
基于Unity引擎利用OpenCV和MediaPipe的面部表情和人体运动捕捉系统
增加了模型的绑定，利用Mediapipe这个强大的库可以实现识别面部表情的捕捉和人体结构运动的捕捉，基于以上的特性加入到Unity的人物模型中，实现实时的面部表情和人体运行的捕捉
python numpy（二）
numpy索引 高级索引 布尔索引
Python ML实战-工业蒸汽量预测01-赛题理解
python机器学习实战阿里云天池大赛 工业蒸汽量预测
手把手带你调参最新 YOLOv7 模型 (最新版本)（一）
YOLO科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
基于CNN卷积神经网络的TensorFlow+Keras深度学习的人脸识别
在上一篇博客中，利用CNN卷积神经网络的TensorFlow+Keras深度学习搭建了人脸模型：《基于CNN卷积神经网络的TensorFlow+Keras深度学习搭建人脸模型]》，本篇博客将继续利用CNN卷积神经网络的TensorFlow+Keras深度学习实现人脸识别...
【OpenCV图像处理11】车辆统计项目
OpenCV图像处理第十一部分：车辆统计项目。主要内容包含：准备工作（涉及到的内容和整体流程）、加载视频、背景减除、形态学识别车辆、判断是否是车辆以及车辆计数并显示。
【NLP】一文了解词性标注CRF模型
NLP 自然语言之一文了解词性标注CRF模型
Pytorch中获取模型摘要的3种方法
在pytorch中获取模型的可训练和不可训练的参数，层名称，内核大小和数量。
Python复现颜色图绘制大赛的作品
受slandarer大佬启发，自己用Python复现了一下七年前的一个颜色图绘图大赛的一些作品。把复现过程记录如下：这场比赛居然已经是七年前的事情了，大佬A Frayed Knot在StackExchange上发起了挑战，举办了名为“Tweetable数学艺术”的比赛(实际上活动整整进行了一年半)比
图像处理：随机添加椒盐噪声和高斯噪声Python
高斯噪声，椒盐噪声，常规的方法，需要遍历每个像素，添加椒盐噪声，该方法十分缓慢。Python语言十分不建议进行图像像素遍历操作，毕竟性能太差，速度太慢了（除非写成C/C++版本）。我们可以借助numpy的矩阵处理，实现快速的添加椒盐噪声.........
科学规划，全栈学习！《三维视觉：原理与实践》课程重磅上线
十余位奥比中光算法专家和资深工程师倾力打造3D视觉全栈学习路线！课程共12大专题，20小节，从入门到精通，带你系统性学习三维视觉！
西瓜书第四章阅读笔记
Datawhale小组打卡学习，西瓜书第四章决策树部分学习笔记
