作者信息：华校专，曾任阿里巴巴资深算法工程师、智易科技首席算法研究员，现任腾讯高级研究员，《Python 大战机器学习》的作者。编者按：算法工程师必备系列更新啦！继上次推出了算法工程师必备的数学基础后，小编继续整理了必要的机器学习知识，全部以干货的内容呈现，哪里不会学哪里，老板再也不用担心你的基础问题!CNN：图像分类ImageNet 数据集：一个开源的图片数据集，包含超...

点击上方“AI有道”，选择“星标”公众号重磅干货，第一时间送达李沐，亚马逊 AI 主任科学家，名声在外！半年前，由李沐、Aston Zhang 等人合力打造的《动手学深度学习》正式上线，...

来源 |智造情报局导读针对铝型材表面缺陷快速准确检测的需求，本文提出一种基于 YOLO 深度学习模型的铝型材表面缺陷识别方法。而建立基于 YOLO 的铝型材表面缺陷识别模型，通过增加模型预测尺度，提高对微小缺陷的识别能力。通过多尺度训练方法，增强模型对不同尺度缺陷的适应性和识别精度。铝型材作为建筑和机械工业领域中重要的应用材料，其全行业的产量和消费量在世界范围内逐年递增。铝型材在生产过程中，由于.

三维人体建模作为计算机人体仿真的一个组成部分，一直是人们研究的热点之一。自交互式计算机图形学诞生之日起，就有学者不断探索计算机人体建模技术。从线框建模、实体建模、曲面建模发展到基于物理的建模，已取得重大进展。3维度人体建模在医学图像、生物医学、手势识别、视频会议、视频游戏、自动新闻播放、电影制作、材料变形、图象压缩等方面都有实际应用价值。本资源整理了最近几年基于深度学习技术的三维人...

作者：集智书童检测复杂场景中的小型目标，如无人机捕获的场景，是一项极具挑战性的任务，因为小型目标的复杂特征难以捕捉。尽管YOLO家族在大目标检测方面取得了巨大成功，但在面对小型目标时，其性能并不令人满意。因此，本文提出了一种革命性的模型SL-YOLO（更强大、更轻的YOLO），旨在突破小型目标检测的 Bottleneck 。作者提出了一种先驱性的跨尺度特征融合方法，即分层扩展路径聚合网络（HEPA

作者丨科技猛兽编辑丨极市平台导读在 ImageNet 图像分类中有效地超过了视觉 Mamba 模型本文目录1 MambaOut：在视觉任务中，我们真的需要 Mamba 吗？(来自 NUS，MetaFormer 原作者)1 MambaOut 论文解读1.1 在视觉任务中，我们真的需要 Mamba 吗？1.2 本文有哪些新的发现？1.3 概念讨论1.4 视觉任务有长序列吗？1.5 视觉任务需要 C..

作者丨gloomyfish 来源丨OpenCV学堂 编辑丨极市平台导读本文从准备数据集、训练模型，导出与测试和部署推理四个方面，介绍了如何使用YOLOv8 OBB实现自定义旋转对象的检测。数据集制作我用手机拍了一张图像然后自己写个代码，每旋转一度保存一张图像，这样就成功生成了360张图像及其注释文件，分为训练集与验证集。训练文件夹包含 320张带有注释的图像。测试和验证文件夹都包含 ...

CBS机制在图像修复过程中，通过在注意力层面对服装图像和变形后图像的特征进行双向语义信息交互，有效消除了拼接处的“硬边”和不自然感，确保了最终合成结果的视觉真实感。，巧妙地解耦了服装和姿态的约束，成功统一了“棚拍”（in-shop）和“街拍”（in-the-wild）两大应用场景，在保持服装纹理细节和姿态一致性方面取得了卓越的效果。尽管在处理极端人群密集或目标身体区域极小的情况下仍有挑战，但Omn

上文我们介绍了OpenAI Sora 文生视频模型再次震撼了AI 圈，并提到了Sora模型实际上是一个扩散模型+Transformer，本文继续讲述扩散模型的发展、原理及代码实践。扩散模型的导火索，是始于2020 年所提出的DDPM（Denoising Diffusion Probabilistic Model）。在深入研究去噪扩散概率模型(DDPM)如何工作的细节之前，让我们先看看现有生成式人工

今儿再来和大家聊聊基于LSTM和ARIMA的混合模型在时间序列预测，这部分很常见也很重要，大家有空可以仔细看看~另外，传统的统计方法如ARIMA模型能有效捕捉线性结构，但对复杂非线性模式的表现较弱。深度学习方法（如LSTM）在非线性时间序列上有良好表现。混合模型试图结合ARIMA与LSTM各自的优势，使模型既能处理时间序列中的线性趋势，又能捕捉复杂的非线性特征。混合模型数学原理ARIMA模型ARI