overfit同步小助手
文章同步
单目深度估计--深度学习篇
文章目录一：深度估计应用背景1.深度估计的定义2.深度估计的应用场景3.几种深度估计的方法4.使用深度学习估计的优缺点二：单目深度估计模型1.使用的数据集2.整体网络架构3.分模块解析Ⅰ：层级Ⅱ：ASPPⅢ：特征图减法操作Ⅳ：特征融合Ⅴ：Coarse-to-FineⅥ：权重参数预处理WS与pre_a
[ 注意力机制 ] 经典网络模型1——SENet 详解与复现
[ 注意力机制 ] 经典网络模型1——SENet 详解与复现1、Squeeze-and-Excitation Networks2、Squeeze-and-Excitation block3、SENet 详解4、SENet 复现Squeeze-and-Excitation Networks简称 SEN
【计算机视觉】新冠肺炎COVID-19 CT影片阳性检测，感染区域分割，肺部分割，智慧医疗实践，医疗影像处理示例
本次实验基于COVID-19 CT scans数据集，根据患者肺部的CT扫描分析，对患者COVID阳性还是阴性进行分类。如果患者Covid阳性，则这行肺部和感染区域的分割。实验还实现了交互性良好的可视化界面，更有助于医护人员对病情的快速筛查。
PCA降维原理 操作步骤与优缺点
PCA全称是Principal Component Analysis，即主成分分析。它主要是以“提取出特征的主要成分”这一方式来实现降维的。 介绍PCA的大体思想，先抛开一些原理公式，如上图所示，原来是三维的数据，通过分析找出两个主成分PC1和PC2，那么直接在这两个主成分的方向上就可以形成一个平面
语义分割系列6-Unet++（pytorch实现）
本文介绍了Unet++网络，在pytorch框架上复现Unet++，并在Camvid数据集上进行训练。
用pointnet++分类自己的点云数据
这篇博客主要是针对于现有的热门的激光点云处理算法pointnet++如何分类自己的数据集展开的。在介绍基本的pointnet++算法的概念、基本步骤及思想、部分代码讲解之后，会介绍如何使用自己的数据集进行分类（涉及到详细的代码改进方法及步骤）以及打印利用自己数据集跑出的模型后的点云坐标。
扩散模型Diffusion Model与DDPM
从概念上讲，这个diffusionmodel很简单，假设你有一个图片，记为X0，你每次对图像加一点噪声，加一次噪声记为Xt+1,不断对其加噪声，总共加T次以后，得到的图片基本可以说是一个噪声的图片了。最近DiffusionModel被用在于图片生成模型当中，当前很多的模型都在使用diffusionm
去噪扩散概率模型（DDPM）的简单理解
扩散模型最近在图像生成领域取得了巨大的成功，类似 OpenAI 的DALL-E 2，Google 的Imagen，以及 Stability AI 最近发行的能够达到商业级绘画目的的等，都是基于扩散模型来进行图像生成的。本文对知乎上各位大佬对于扩散模型（特别是 DDPM）的讲解进行了融合，带领大家深入
利用python实现Apriori关联规则算法
大家可能听说过用于宣传数据挖掘的一个案例:啤酒和尿布；据说是沃尔玛超市在分析顾客的购买记录时，发现许多客户购买啤酒的同时也会购买婴儿尿布，于是超市调整了啤酒和尿布的货架摆放，让这两个品类摆放在一起；结果这两个品类的销量都有明显的增长；分析原因是很多刚生小孩的男士在购买的啤酒时，会顺手带一些婴幼儿用品
anaconda安装教程-手把手教你安装
9.skip，不安装VScode，否则点击InstallMicrosoftVSCode。1.打开cmd，输入conda，出现如下所示，则安装成功。3.anaconda版本对应的python版本。1.打开浏览器输入anaconda镜像。2.打开anaconda安装包列表。10.点击finish，安装完
sci期刊投稿指南 计算机科学 人工智能方向 145本sci期刊目录 从一区到四区(2022年 最新影响因子更新了)
sci期刊投稿指南 计算机科学 人工智能方向 140本sci期刊目录 从一区到四区 总有一本适合你
机器学习——图像分类
1 图像分类的概念1.1 什么是图像分类？图像分类，根据图像信息中所反映出来的不同特征，把不同类别的目标区分开来的图像处理方法1.2 图像分类的难度●任何拍摄情 况的改变都将提升分类的难度1.3 CNN如何进行图像分类●数据驱动型方法通用流程1.收集图像以及对应的标签，形成数据集2.使用机器学习训练
DCGAN理论讲解及代码实现
DCGAN也叫深度卷积生成对抗网络，DCGAN就是将CNN与GAN结合在一起，生成模型和判别模型都运用了深度卷积神经网络的生成对抗网络。DCGAN将GAN与CNN相结合，奠定了之后几乎所有GAN的基本网络架构。DCGAN极大地提升了原始GAN训练的稳定性以及生成结果的质量...
综述：计算机视觉中的通道注意力机制
综述：计算机视觉中的通道注意力机制这是一篇从数据域的角度，给注意力机制分为六类的综述，涵盖论文数量多。论文题目：Attention Mechanisms in Computer Vision: A Survey论文链接：https://arxiv.org/pdf/2111.07624.pdf论文代码
免费GPU：九天•毕昇平台使用教程
深度学习非常依赖设备，训练模型就类似在“炼丹”，没有好的炼丹炉，想要复现顶刊中那些动辄8卡/4卡 Tesla V100显卡训练的模型，只能是“望洋兴叹”。那么对于缺乏设备的“穷人”来说，有没有办法去白嫖免费的算力资源呢？经过我的调研，基本有以下三种途径：谷歌的Colab谷歌的Colab可能不少人都用
YOLOv5+姿态估计HRnet与SimDR检测视频中的人体关键点
一、前言由于工程项目中需要对视频中的person进行关键点检测，我测试各个算法后，并没有采用比较应用化成熟的Openpose，决定采用检测精度更高的HRnet系列。但是由于官方给的算法只能测试数据集，需要自己根据算法模型编写实例化代码。本文根据SimDR工程实现视频关键点检测。SimDR根据HRne
YOLOX改进之损失函数修改（上）
文章内容：如何在YOLOX官网代码中修改置信度预测损失环境：pytorch1.8损失函数修改内容：（1）置信度预测损失更换：二元交叉熵损失替换为FocalLoss或者VariFocalLoss（2）定位损失更换：IOU损失替换为GIOU、CIOU、EIOU以及a-IOU系列提示：使用之前可以先了解Y
tensorflow安装步骤（CPU版本，Anaconda环境下，Windows10）
本文主要讲述了在Anaconda环境下，CPU版本tensorflow2.3.0的安装步骤，Windows10系统中Anaconda的安装步骤可以阅读此篇博客：用Anaconda安装TensorFlow(Windows10)本文分为两大部分：一、TensorFlow2.3.0安装步骤二、对Tenso
利用LSTM实现预测时间序列（股票预测）
目录1、作者介绍2、tushare 简介3、LSTM简介3.1 循环神经网络 (Recurrent Neural Networks)3.2 LSTM网络3.2.1 LSTM的核心思想3.2.2 一步一步理解LSTM4 代码实现4.1 导入相关资源包4.2 定义模型结构4.3 制作数据集4.4 模型
使用CycleGAN训练自己制作的数据集，通俗教程，快速上手
总结了使用**CycleGAN**训练自己制作的数据集，这里的教程例子主要就是官网给出的斑马变马，马变斑马，两个不同域之间的相互转换。教程中提供了官网给的源码包和我自己调试优化好的源码包，大家根据自己的情况下载使用，推荐学习者下载我提供的源码包，可以少走一些弯路，按照我的教程，能较快上手训练使用..