mobile-yolov5-pruning-distillation是一个以yolov5改进为主的开源项目，主要包含3中改进方向：更改backbone、模型剪枝、知识蒸馏。这里主要研究其模型剪枝部分，关于知识蒸馏后续在进行分析。关于更改非coco训出的backbone（使用moblienet替换），可以发现存在相助的精度下降，这表明imagenet域训练处的权重迁移到目标检测领域不如二次迁移的模型

在进行目标检测任务中，存在labelme json、voc、coco、yolo等格式。labelme json是由anylabeling、labelme等软件生成的标注格式、voc是通用目标检测框（mmdetection、paddledetection）所支持的格式，coco是通用目标检测框（mmdetection、paddledetection）所支持的格式，yolo格式是yolo系列项目中所支

在新安装的ubuntu环境下修改源、安装gcc和cmake，编译安装opencv，安装onnxruntime环境。并编写cmakelist文件，编译与运行ppyoloe_r模型。windows环境下onnx部署ppyoloe_r模型的代码可以参考https://blog.csdn.net/a486259/article/details/128151738，这里基于该代码进行linux适配，最终成功

win10下cuda12.1 +troch2.4.1+vs2022+python3.8环境下编译的flash-attn库，同时有编译好的whl文件的下载地址

1、介绍EISeg(Efficient Interactive Segmentation)是以RITM及EdgeFlow算法为基础，基于飞桨开发的一个高效智能的交互式分割标注软件。涵盖了通用、人像、遥感、医疗等不同方向的高质量交互式分割模型，方便开发者快速实现语义及实例标签的标注，降低标注成本。 另外，将EISeg获取到的标注应用到PaddleSeg提供的其他分割模型进行训练，便可得到定制化场景的

​本博文一共介绍了wan2.1模型在图生视频（含首尾帧、视频续写）、视频编辑（VACE架构）、文生图、个性化视频（参考id生成视频，类vace架构）、摄像机运动控制、实时视频生成（世界模型）、音频生成领域的应用。关于图生视频领域，主要基于时序条件图像编码、mask控制。具体是将条件图像 I与沿时间轴填充零的帧连接起来，这些引导帧通过 Wan- VAE 压缩为条件潜在 zc，最终chanel为c；引

基于macro 与 endmacro 闭合函数定义域；render_content为函数名。

InternVL基于互联网开源数据采集了6B数据，经过滤后一阶段用了5B数据，二阶段用了1B数据。SFT阶段，用了4M数据（二阶段的0.4%）。InternVL1.5与上一版本相比，扩大了训练数据集的纳入范围（尤其是关于ORC任务，进行了细粒度的划分），并且设计了补充中文语料训练数据的不足，同时针对测试任务针对性设计了SFT数据。InternVL2基于1.5版本的数据集，二次进行扩充，同时构建了的

qwen3vl将训练数据token又降低到2000B的规模（SFT阶段仅使用了120w数据），这表明训练数据量可能不是制约模型性能的关键，训练数据的分阶段配比利用才是多模态模型性能提升的关键。同时期InternVL3.5仅训练了1160M 样本（250B token，仅约InternVL1的1/5，约为qwen3vl的1/10）SFT阶段使用了600M（6亿条，是qwen3vl的500倍，但该阶段

解决现有多模态大语言模型的幻觉问题，突破传统RLHF依赖人工标注、现有RLAIF依赖专有模型的局限，通过全开源范式构建高质量反馈，实现模型可信度与人类偏好的对齐。核心创新去混淆响应生成：相同条件下多轮采样解码，消除文本风格干扰，凸显可信度真实差异；分而治之反馈标注：将响应拆解为原子声明，转换为极性问题评估，降低开源模型标注难度；迭代反馈学习：动态更新反馈分布，解决DPO训练中的分布偏移问题；推理自