1. Cython是什么？Cython是让Python脚本支持C语言扩展的编译器，Cython能够将Python+C混合编码的.pyx脚本转换为C代码，主要用于优化Python脚本性能或Python调用C函数库。由于Python固有的性能差的问题，用C扩展Python成为提高Python性能常用方法，Cython算是较为常见的一种扩展方式。2. 如何安装Cython？我们可以通过conda或者pi

1. 引言在目标检测领域中,我们经常用IOU来衡量检测框和标注真实框之间的重叠程度,那么究竟该如何计算IOU呢?闲话少说,我们直接进入今天的主题…2. 什么是IOU?IOU（交并比 Intersection over Union）是一个术语，用于描述两个框的重叠程度。重叠区域越大，IOU越大。IOU主要用于与对象检测相关的应用程序中，在该应用程序中，我们训练模型输出一个完全包围目标的外接矩形框。例

1. 问题描述在使用Matlab中神经网络工具箱的时候，经常会很困惑：我们需要将原始数据集拆分为三份：训练集、验证集和测试集但是我也注意到在有些机器学习算法中，数据集往往被拆分为两份：训练集和测试集。所以我们的问题归纳如下：对于神经网络来说真的需要验证集嘛？验证集是可选的嘛？进一步来说，在机器学习领域验证集和测试集的区别是什么？2. 解释一相关定义训练集 （训练阶段）用于构建我们的模型，我们的模型

1 引言非最大值抑制是一种主要用于目标检测的技术，旨在从一组重叠框中选择最佳边界框。在下图中，非最大值抑制的目的是删除黄色和蓝色框，这样我们只剩下绿色框作为最终的预测结果。闲话少说,我们直接进入NMS算法的介绍中.2. 计算NMS的步骤为了了解什么是boundingbox，以及IOU的含义，我在前篇发表了关于IOU的文章。前篇文章中描述的术语将在本文中继续介绍。我将首先描述NMS在这个特定示例中的

最后，我们从原理到例子，由前入深地介绍了卷积神经网络中卷积层参数量和计算量的定义。您学废了嘛？

1 引言YOLOv3在YOLOv2的基础上,改良了网络的主干,利用多尺度特征图进行检测,改进了多个独立的Logistic regression分类器来取代softmax来预测类别分类.YOLOv2的论文链接: 戳我闲话少述,我们直接开始 ????2 主干网络YOLOv3提出了新的主干网络: Darknet-53 ,从第0层到第74层,一共有53层卷积层,其余均为Resnet层.和Darknet-1

1. 引言俗话说的好：不闻不若闻之，闻之不若见之，见之不若知之，知之不若行之，学至于行之而止矣。这段话翻成白话文就是：没听过比不上听过；听过比不上实际看过；看过则比不上实际了解；而了解又不如动手实践。唯有身体力行才能真正地学到东西。所以，学习这件事，直说不做往往是最没有效率的，为了加强大家对深度学习的认知，本文特别摘录了16个好玩的深度学习在线应用，极力推荐大家尝试。2. Deep Playgou

1 引言所谓聚类,就是按照某个特定的标准将一个数据集划分成不同的多个类或者簇,使得同一个簇内的数据对象的相似性尽可能大,同时不再一个簇内的数据对象的差异性也尽可能大,聚类算法属于无监督学习算法的一种.k-均值聚类的目的是：把n个点（可以是样本的一次观察或一个实例)划分到k个聚类中，使得每个点都属于离他最近的均值（此即聚类中心）对应的聚类，以之作为聚类的标准。2 K-Meansk-均值聚类算法属于最

1 引言在机器学习领域中,对不均衡数据集进行建模是我们训练模型时经常遇到的挑战.比如在分类问题上,训练集上类别的平衡对模型建模起着重要作用.如果直接对类间不平衡的数据进行建模，即数据集中存在少数类，这样训练好的模型试图只学习多数类，会导致模型出现有偏预测。因此,在训练模型之前，需要处理数据集的不平衡问题。业界为了解决类间不平衡问题采用了多种技术,包括过采样, 欠采样以及二者的组合.本文主要研究6种

本文主要用来回顾了23年相关大模型在计算机视觉多个领域的发展现状，以及一些突出的技术论文概要分享，主要涉及图像大模型到图文大模型以及生成式大模型。对于这些大模型，在实际工作和项目中，我们更多的应该是思考如何在我们特定的、小规模的背景下利用好它们。本章节主要为相关论文的梳理和概述总结，下一节我们会针对实际项目中如何结合大模型进行数据集的构造等方向进行归纳总结。