经典yolov1论文yolov
AI经典模型参数规模
| 模型 | 参数数量 || | || AlexNet | 约 60 million || VGG16 | 约 138 million || ResNet50 | 约 25 million || InceptionV3 | 约 23 million || MobileNetV2 | 约 3.5 mi ......
不务正业的再次胡想——chatgpt在“智能辅助编程”外的另一个可能场景"智能论文写作辅助”
在chatgpt4出来后震惊了很多人，但是很多人也觉得好像用处不大；可以说chatgpt4确实更加智能了，在语言对话上更加的智能，很多情况下已经很难分辨出这货是个机器人，但是现在这东西好像确实也没有太多的实际应用，或许更多的人用这个是当做“智能搜索引擎”来用的，而我个人却更加喜欢将chatgpt4当 ......
【论文阅读笔记】【OCR-文本识别】 CLIPTER: Looking at the Bigger Picture in Scene Text Recognition
CLIPTER ICCV 2023 读论文思考的问题 论文试图解决什么问题？ 现有的文本识别方法只关注于局部截取的文本区域，识别模型并没有利用全图的上下文信息，导致其可能对有挑战性的文本的识别效果较差 能否以某种方式使识别器利用上global feature的信息？ 文章提出了什么样的解决方法？ 提 ......
人脸识别facenet-pytorch/Yolov5
facenet-pytorch篇 import cv2 from PIL import Image import os from facenet_pytorch import MTCNN from torchvision.transforms import ToPILImage folder_pat ......
[论文阅读] Latent Consistency Models@ Synthesizing High-Resolution Images with Few-Step Inference
1. Pre title: Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference accepted: arXiv 2023 (ICLR 2024 Submission) paper ......
SuperGlue: Learning Feature Matching with Graph Neural Networks论文笔记
SuperGlue: Learning Feature Matching with Graph Neural Networks 源码: github.com/magicleap/SuperGluePretrainedNetwork 背景： 主要解决图像中点之间的对应关系。 主要方法： 上图为该方法的 ......
【论文解读】针对生成任务的多模态图学习
【论文解读】针对生成任务的多模态图学习 一、简要介绍 多模态学习结合了多种数据模式，拓宽了模型可以利用的数据的类型和复杂性：例如，从纯文本到图像映射对。大多数多模态学习算法专注于建模来自两种模式的简单的一对一数据对，如图像-标题对，或音频文本对。然而，在大多数现实世界中，不同模式的实体以更复杂和多方 ......
【论文阅读笔记】【OCR-文本识别】 Scene Text Recognition with Permuted Autoregressive Sequence Models
PARSeq ECCV 2022 读论文思考的问题 论文试图解决什么问题？ 一些文本识别模型会对 semantic 信息建模，从而辅助某些困难情况下的文本识别 传统的 auto-regressive 方式限制了语义信息的传输方向；双向的 auto-regressive 聚合增加了不必要的计算量和复杂 ......
恭喜我同事的论文被IEEE HPCC收录！
近日，由天翼云科技有限公司云网产品事业部天玑实验室撰写的《关于公有云区分负载QoS感知的内存资源动态超分管理优化》（Thoth：Provisioning Overcommitted Memory Resource with Differentiated QoS in Public Clouds）论文... ......
m基于Yolov2和GoogleNet深度学习网络的疲劳驾驶检测系统matlab仿真,带GUI界面
1.算法仿真效果 matlab2022a仿真结果如下： 疲劳状态： 2.算法涉及理论知识概要 疲劳驾驶检测系统是一种基于深度学习网络的系统，它结合了Yolov2和GoogleNet模型，用于检测驾驶员的疲劳状态和人脸。疲劳驾驶检测系统主要包括两个部分：人脸检测和疲劳检测。其中，人脸检测使用Yolov ......
论文查找
Ctrl + Shift + N 打开无痕窗口，然后访问 Connected Papers 网站 https://www.connectedpapers.com/ ，可无限卡 bug。 ......
Variational Autoencoders for Collaborative Filtering论文阅读笔记
摘要 将VAE扩展到具有隐式反馈的协同过滤，这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标，这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了一个比较有意思的观点，虽然推荐被认 ......
经典K线组合选股公式
一、早晨之星 基本含义： 早晨之星”是股市中比较常见的底部或是阶段性底部的信号之一。在理论上，它是由三根K线组成，先是拉出一根有力度的阴线，再是一根小阳或小阴线、螺旋桨、锤头线、倒锤头线等，最后拉出一根有力度的阳线。三条K线就组成了早晨之星K线组合。早晨之星又称为希望之星。 操作要点： 1.阳线的实 ......
[论文阅读] EMO@ Earth Mover Distance Optimization for Auto-Regressive Language Modeling
Pre title: EMO: Earth Mover Distance Optimization for Auto-Regressive Language Modeling accepted: arXiv2023 paper: https://arxiv.org/abs/2310.04691 co ......
【论文阅读笔记】【OCR-文本检测】 Few Could Be Better Than All: Feature Sampling and Grouping for Scene Text Detection
CVPR 2022 读论文思考的问题 论文试图解决什么问题？ 一些基于 DETR 的方法在 ICDAR15, MLT17 等文字尺度变化范围较大的数据集上文本检测的效果不佳 DETR 运用的高层特征图难以捕捉小文字的特征，且会引入很多无关的背景噪声，增加了检测的困难程度 即使使用 DETR 的改进模 ......
YOLOv8运行参数解读
从YAML中构建一个新模型，并从头开始训练 yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640# 从预先训练的*.pt模型开始训练 yolo detect train data=coco128.yam ......
YOLO系列之YOLOv1
YOLO系列之YOLOv1 创新点 将目标检测当成回归问题 输入一张图像经过一次推理可以得到图像中所有目标的检测框和类别。可以端到端的训练和优化网络 优点 速度快 YOLO使用全图信息，背景错误少 泛化能力好 缺点 每个网格只能预测两个边界框和一个类别，限制了对相近目标的检测数量，尤其是密集的小目标 ......
使用FastAPI部署Ultralytics YOLOv5模型
前言 YOLO是You Only Look Once(你只看一次)的缩写，它具有识别图像中的物体的非凡能力，在日常应用中会经常被使用。所以本文将介绍如何使用FastAPI的集成YOLOv5，这样我们可以将YOLOv5做为API对外提供服务。 本文转载自Deephub Imba 作者：auliyafi ......
YOLOv8上手——随手录
YOLO8 1.配置环境pytorch环境以及cudn环境就不详解，只需要根据pytorch官网安装后再pip opencv即可正常运行 2.git yolov8(ps: 现在也可以直接通过pip下载yolo8了) 运行起来 可以看官网给出的文档，里面有许多案例以及参数的含义，一下内容都是根据博主个 ......
AutoRec Autoencoders Meet Collaborative Filtering 论文阅读笔记
这个是第一篇将自编码器应用到推荐系统中的论文，也是将深度学习应用到推荐系统中的论文。比较老，主要学习它的思想，对输入的编码与重建。这篇文章提出了基于AutoEncoder的协同过滤方法来解决评分预测问题 我们的目标就是设计一个基于项目或者用户的自动编码器，它可以将每个部分观察到的\(r^u(r^i) ......
[论文阅读] Mean-Shifted Contrastive Loss for Anomaly Detection
Mean-Shifted Contrastive Loss for Anomaly Detection Abstract 这篇文章探讨了异常检测领域的一个关键问题，即如何通过使用预训练特征来提高异常检测性能。研究者首先介绍了异常检测的背景和现有方法，指出了使用自监督学习和外部数据集预训练特征的潜力。 ......
第四章：超越经典搜索
第四章：超越经典搜索 上一章所讨论的问题具有如下性质：环境是可观察的、确定的、已知的，问题是一个行动序列。本章将讨论不受环境性质的约束。 1. 局部搜索算法和最优化问题 上一章提到的搜索算法，是为了找到一条或多条达到目标的路径。而在许多问题中，到达目标的路径是不相关的。在这种情况下我们要考虑一种不关 ......
[论文阅读] Painterly Image Harmonization using Diffusion Model
Pre title: Painterly Image Harmonization using Diffusion Model accepted: AAAI2023 paper: https://arxiv.org/abs/2212.08846 code: https://github.com/bcm ......
校验 ChatGPT4 真实性的三个经典问题：区分 GPT3.5 与 GPT4，并提供免费测试网站
现在已经有很多 ChatGPT 的套壳网站，以下分享验明 GPT-4 真身的三个经典问题，帮助你快速区分套壳网站背后到底用的是 GPT-3.5 还是 GPT-4。 大家可以在这个网站测试：https://ai.hxkj.vip，免登录可以问三条，登录之后无限制。咱们使用免登录的额度测试就已经够用了 ......
CV-论文修改相关资料
SSIM https://blog.csdn.net/qq_27825451/article/details/104016874 https://zhuanlan.zhihu.com/p/410562138 https://zhuanlan.zhihu.com/p/399215180 https:/ ......
10月发布的5篇人工智能论文推荐
JudgeLM: Fine-tuned Large Language Models are Scalable Judges 由于现有基准和指标的限制，在开放式环境中评估大型语言模型(llm)是一项具有挑战性的任务。为了克服这一挑战，本文引入了微调llm作为可扩展“法官”的概念，称为JudgeLM，这 ......