|
深度学习理论基础 与 代码实践
|
|
模型训练 tricks 总结
|
|
|
目标检测(1)-R-CNN
目标检测(2)-SPPNet
目标检测(3)-Fast R-CNN
目标检测(4)-Faster RCNN
目标检测(5)-faster rcnn 生成 anchor 的过程 解析
目标检测(6)-Yolo v1
目标检测(7)-Yolo v2
目标检测(8)-Yolo v3
目标检测(9)-Yolo v4
目标检测(10)-Yolo v5
目标检测 - RetinaNet 与 focal loss
目标检测-mAP50、mAP50-95等
|
标注工具
深度学习各 数据集 简介
使用GPU服务器搭建Pytorch并训练YOLO v3数据集
Yolo v3 预训练
yolov3 在VOC、COCO 数据集上的训练，VOC转YOLO格式
|
label smoothing
迁移学习
膨胀卷积-空洞卷积-Dilated Convolution
MobileNet V1 V2
图像风格迁移
图像超分辨率重建 - SRCNN
生成对抗网络 - GAN
|
行为识别【1】
行为识别【2】- 光流法
行为识别 - Two Stream 双流法
行为识别【3】 - CNN + LSTM
行为识别【4】 - 3Dcnn
行为识别【5】- slowfast
视频数据预处理-UCF101为例
|
|
图像检索【】-传统方法之 BoW简介
图像检索【】-DELF
图像检索【】-DELG
图像检索【】-DOLG
图像检索 实战 Fine-tuning CNN Image Retrieval with No Human Annotation
|
细粒度图像分类【1】概述
细粒度图像分类【2】-双线性模型 及 bilinear cnn
细粒度图像分类【3】NTS:Learning to Navigate for Fine-grained Classification
细粒度图像分类【4】十二猫分类，对比ResNet和ViT两者模型性能
细粒度图像检索 SCDA：Selective Convolutional Descriptor Aggregation for Fine-Grained Image Retrieval
细粒度图像【引用】– Fine-Grained Image Papers, Codes and Datasets
|
全局平均池化
Gem Pooling
激活函数
损失函数汇总 及 Pytorch用法汇总（迁移中）
一些特殊场景的损失函数
|
OCR原理及应用实现
OCR工具 - tesseract
百度 OCR实现pdf文本识别
PaddleOCR-版面分析与表格识别
|
|
模型加速【1】入门篇
模型加速【2】-知识蒸馏 代码
|
深度学习 之 模型部署【1】-基础入门
深度学习 之 模型部署【2】-TensorRT 入门
深度学习 之 模型部署【3】-ONNX 入门
深度学习 之 模型部署【4】-libtorch入门 - pytorch部署torchscript 以及 c++ libtorch 调用 pytorch 模型
模型部署翻车记：pytorch转onnx踩坑实录
|
GPU【1】-基础用法 及 性能分析
GPU【2】-用法进阶
GPU【3】-不同版本tensorflow对GPU资源占用
GPU-多GPU训练加速
|
|
|
MTCNN - 人脸检测
MTCNN - ohem
FaceNet and triplets loss
faiss
人脸识别 流程
|
开源工具mediapipe【1】-简介
开源工具mediapipe【2】-手势识别及应用
开源工具mediapipe【3】结合 Yolov5 进行多人姿态估计
|
dlib系列【1】-入门及人脸基础应用
dlib系列【2】-目标跟踪
dlib系列【3】-目标检测 训练自己的数据
dlib系列【4】-imutils 获取脸部部位 及 扩展检测（如 虹膜检测、眨眼检测等）
face_recognition 人脸识别
|
|
|
注意力机制【1】-入门篇
注意力机制【2】-CV中的注意力机制
注意力机制【3】-Self Attention
注意力机制【4】-多头注意力机制
注意力机制【5】Scaled Dot-Product Attention 和 mask
注意力机制【6】-transformer 和 Positional Encoding
Vision Transformer（ViT)
|
transformers库-基本应用
transformers库-tokenizer分词器
transformers库-BERT中的Tokenizer
hugging face
transformers库-cv应用简介
transformers库-优化器
|
feature map 的理解与处理
feature map-opencv实现特征热力图可视化
feature map-钩子hook和CAM可视化
feature map 可视化【3】-可视化VIT中的注意力
PyTorch下的可视化工具（网络结构/训练过程可视化）
|
yaml 文件
文件系统 及 操作汇总
|
|
NLP 学习笔记
|
|
|
|
|
NLP基础知识汇总
词云 绘制总结
word2vec
Word Embedding 实现 文本分类
信息抽取
|
Bert【1】-基础
Bert【2】-应用
Bert【3】 详解
GPT
hugging face
txtai系列教程
封神榜科技成果
|
大语言模型一览
ChatYuan
用于生成程序代码的大型语言模型
chatglm
|
langchain-入门指南
langchain-使用教程
langchain-结合LLM实现本地知识库
|
| 最优化算法 学习笔记 |
|
|
|
|
线性规划
遗传算法-总体框架
遗传算法-选择算子
遗传算法-编码
遗传算法-目标函数与适应度函数变换
模拟退火算法简介
粒子群算法 PSO【1】- 基本原理
蚁群算法【1】基本原理
蚁群算法【2】 优化方法
|
启发算法 - 汇总篇
优化问题-实战经验
车辆路径规划问题分类
|
大规模邻域搜索 - 代码 变邻域搜索 - 代码禁忌搜索算法 - 代码 |
其他：蜣螂算法
【引】智能优化算法汇总
|
| 机器学习 笔记 |
|
|
|
|
朴素贝叶斯
决策树-缺失值处理
决策树-回归
支持向量机 SVM
从 回归(简述) 到 广义线性模型
|
集成学习-简介
集成学习-提升树
集成学习-梯度提升树
集成学习-组合策略与Stacking
集成学习-Adaboost
集成学习-Adaboost 参数选择
集成学习-Adaboost 进阶
集成学习-xgboost
集成学习-Boosting 模型深度串讲
|
softmax与多分类
激活函数
损失函数汇总 及 Pytorch用法汇总（迁移中）
二分类实现多分类
分类 - 模型评估
类别不均衡
伪标签 解决 小数据集问题
|
|
|
缺失值处理
数据规范化
数据编码
特征选择
神经网络-初始化参数
训练测试样本划分
参数优化-学习曲线
参数优化-验证曲线
参数优化-API
参数优化-偏差与方差
|
吴恩达读书笔记【1】-偏差与方差
吴恩达读书笔记【2】-学习曲线
吴恩达读书笔记【3】-基于不同分布数据的模型
吴恩达读书笔记【4】-调试推理算法
吴恩达读书笔记【5】-流水线与端到端
|
某次使用随机森林的总结 |
|
|
层次聚类
DBSCAN
Mean shift 【1】- 基本原理
模糊 C 均值聚类 FCM
图像分割 - KMeans 实现
kmeans 聚类 k 值优化
EM 算法(一)-原理
EM 算法(二)-KMeans
EM 算法(三)-GMM
|
KL 散度（相对熵）
beta 分布
概率分布汇总
核函数 <-- 内积 <-- 余弦相似
|
动态时间规整-DTW简介 |
|
| CLIQUE - 子空间聚类算法 |
|
|
|
|
卡尔曼滤波
中值滤波 - 进阶篇
|
|
LDA 线性判别分析 |
|
| 时间序列 - 平稳性与差分 |
|
|
|
| |
|
OpenCV 学习笔记
|
|
|
|
|
OpenCV4 傅里叶变换 实现 滤波 锐化 等
OpenCV4 伪色彩
OpenCV-LUT调色
OpenCV4【6】-颜色空间
cv2PIL
|
图像预处理-汇总篇
图像处理-gamma 矫正 及 人脸处理
图像 缩放 letterbox_image
图像相似性 - 图像查重
论文记录 - _基于直方图均衡的夜间图像增强算法研究
|
