deephub

摘要： 2022年， Vision Transformer (ViT)成为卷积神经网络(cnn)的有力竞争对手，卷积神经网络目前是计算机视觉领域的最先进技术，广泛应用于许多图像识别应用。在计算效率和精度方面，ViT模型超过了目前最先进的(CNN)几乎四倍。 ViT是如何工作的? ViT模型的性能取决于优化器 阅读全文

摘要： CycleMLP由香港大学、商汤科技研究院和上海人工智能实验室共同开发，在2022年ICLR上发布。 MLP-Mixer, ResMLP和gMLP，其架构与图像大小相关，因此在目标检测和分割中是无法使用的。而CycleMLP有两个优点。(1)可以处理各种大小的图像。(2)利用局部窗口实现了计算复杂度 阅读全文

摘要： JupyterLab是 Jupyter Notebook「新」界面。它包含了jupyter notebook的所有功能，并升级增加了很多功能。它最大的更新是模块化的界面，可以在同一个窗口以标签的形式同时打开好几个文档，同时插件管理非常强大，使用起来要比jupyter notebook高大尚许多。 完 阅读全文

摘要： 昨天的文章中，我们回顾了 YOLO 家族的前 9 个架构。本文中将继续总结最后3个框架，还有本月最新发布的YOLO V8. Backbone 最初由一个分支（GoogLeNet、VGG、Darknet）组成，然后过渡到包含跳跃连接的架构（Cross-Stage Partial connections 阅读全文

摘要： YOLO V8已经在本月发布了，我们这篇文章的目的是对整个YOLO家族进行比较分析。了解架构的演变可以更好地知道哪些改进提高了性能，并且明确哪些版本是基于那些版本的改进，因为YOLO的版本和变体的命名是目前来说最乱的，希望看完这篇文章之后你能对整个家族有所了解。 在YOLO出现之前，检测图像中对象的 阅读全文

摘要： 还记得我们以前使用GAN、Clip、DALL-E生成神奇宝贝的文章吗，现在是时候使用Stable Diffusion了 在本文中，我将展示如何从神奇宝贝系列不同游戏中的Pokedex条目中获取神奇宝贝描述，并使用Stable Diffusion根据这些藐视生成图片，这样可以看看AI如何解释这些描述的 阅读全文

摘要： 基于文本提示的生成图像模型近年来取得了惊人的进展，这得益于新型的深度学习架构、先进的训练范式(如掩码建模)、大量图像-文本配对训练数据的日益可用，以及新的扩散和基于掩码的模型的发展。 在23年1月新发布的论文 Muse中：Masked Generative Transformers 生成文本到图像利 阅读全文

摘要： 时间序列预测的transformers的衰落和时间序列嵌入方法的兴起，还有异常检测、分类也取得了进步 2022年整个领域在几个不同的方面取得了进展，本文将尝试介绍一些在过去一年左右的时间里出现的更有前景和关键的论文，以及Flow Forecast [FF]预测框架。 完整文章： https://av 阅读全文

摘要： 联合学习 (FL) 是一种出色的 ML 方法，它使多个设备（例如物联网 (IoT) 设备）或计算机能够在模型训练完成时进行协作，而无需共享它们的数据。 “客户端”是 FL 中使用的计算机和设备，它们可以彼此完全分离并且拥有各自不同的数据，这些数据可以应用同不隐私策略，并由不同的组织拥有，并且彼此不能 阅读全文

摘要： 扩散模型的兴起可以被视为人工智能生成艺术领域最近取得突破的主要因素。而稳定扩散模型的发展使得我们可以通过一个文本提示轻松地创建美妙的艺术插图。所以在本文中，我将解释它们是如何工作的。 完整文章： https://avoid.overfit.cn/post/d46c23ece6024970af77ac 阅读全文