- @[toc] 第一种方法 直接使用dlib。安装dlib方法：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121470556思路：1、使用dlib.get_frontal_face_detector()方法检测人脸的位置。2、使用 dlib.shape_predictor()方法得到人脸的关键点。3、使用dlib.fa... @[toc] 第一种方法 直接使用dlib。安装dlib方法：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121470556思路：1、使用dlib.get_frontal_face_detector()方法检测人脸的位置。2、使用 dlib.shape_predictor()方法得到人脸的关键点。3、使用dlib.fa...
- 一、深度学习发展历史1958: Perceptron (linear model)1969: Perceptron has limitation1980s: Multi-layer perceptronDo not have significant difference from DNN today1986: BackpropagationUsually more than 3 hidde... 一、深度学习发展历史1958: Perceptron (linear model)1969: Perceptron has limitation1980s: Multi-layer perceptronDo not have significant difference from DNN today1986: BackpropagationUsually more than 3 hidde...
- 一、学习好为什么进不去好公司？直到我做了某厂校招面试官才知道，学习好并没什么用，只有在985、211学校学习好才有用！坊间经常会流传着一句话“毕业时刷刷LeetCode就offer拿到手软”不用怀疑，这事真的有！但如果你也这么做的话，恐怕简历都过不去！校招的奥秘在于：1、校招是应届生进大厂的唯一途径，如果错过了校招，想进大厂至少三年/五年后！因为大厂社招都是有毕业年限限制的，一般是三年或五年... 一、学习好为什么进不去好公司？直到我做了某厂校招面试官才知道，学习好并没什么用，只有在985、211学校学习好才有用！坊间经常会流传着一句话“毕业时刷刷LeetCode就offer拿到手软”不用怀疑，这事真的有！但如果你也这么做的话，恐怕简历都过不去！校招的奥秘在于：1、校招是应届生进大厂的唯一途径，如果错过了校招，想进大厂至少三年/五年后！因为大厂社招都是有毕业年限限制的，一般是三年或五年...
- 一、人工智能、机器学习和深度学习人工智能（Artificial Intelligence） →\to→ 目标机器学习（Machine Learning） →\to→ 手段深度学习（Deep Learning）→\to→ 机器学习的其中一种方法▲ 人工智能、机器学习和深度学习的关系 二、机器学习（Machine Learning）所谓Machine Learning的方向，就是你就写段程序，... 一、人工智能、机器学习和深度学习人工智能（Artificial Intelligence） →\to→ 目标机器学习（Machine Learning） →\to→ 手段深度学习（Deep Learning）→\to→ 机器学习的其中一种方法▲ 人工智能、机器学习和深度学习的关系 二、机器学习（Machine Learning）所谓Machine Learning的方向，就是你就写段程序，...
- 神经网络要优化一个非常复杂的非线性模型，而且基本没有全局最优解，初始化在其中扮演着非常重要的角色。 神经网络要优化一个非常复杂的非线性模型，而且基本没有全局最优解，初始化在其中扮演着非常重要的角色。
- 第六章 初始化 1.初始化的重要性 深度学习模型的训练本质就是对参数w进行更新，故对w的初始值确定有极大意义。 初始化的选取有时能决定算法是否收敛 当收敛时，初始点能决定学习收敛的快慢，是否收敛到一个代价高或低的点 过大的初始化会导致梯度爆炸，过小的初始化会导致梯度消失 ... 第六章 初始化 1.初始化的重要性 深度学习模型的训练本质就是对参数w进行更新，故对w的初始值确定有极大意义。 初始化的选取有时能决定算法是否收敛 当收敛时，初始点能决定学习收敛的快慢，是否收敛到一个代价高或低的点 过大的初始化会导致梯度爆炸，过小的初始化会导致梯度消失 ...
- MobileViT 结构上基本基于 MobileNet V2 而改进增加了 MobileViT block，但是同样能够实现一个不错的精度表现，文章实验部分大量的对比了 MobileViT 跟 CNN 和 ViT 模型的参数量和模型大小，不过值得一提的是在端侧除了模型大小以外，更加重视模型的性能，只能说这篇文章经典之处是开创了 CNN 融合 ViT 在端侧的研究。 MobileViT 结构上基本基于 MobileNet V2 而改进增加了 MobileViT block，但是同样能够实现一个不错的精度表现，文章实验部分大量的对比了 MobileViT 跟 CNN 和 ViT 模型的参数量和模型大小，不过值得一提的是在端侧除了模型大小以外，更加重视模型的性能，只能说这篇文章经典之处是开创了 CNN 融合 ViT 在端侧的研究。
- MobileViT 结构上基本基于 MobileNet V2 而改进增加了 MobileViT block，但是同样能够实现一个不错的精度表现，文章实验部分大量的对比了 MobileViT 跟 CNN 和 ViT 模型的参数量和模型大小，不过值得一提的是在端侧除了模型大小以外，更加重视模型的性能，只能说这篇文章经典之处是开创了 CNN 融合 ViT 在端侧的研究。 MobileViT 结构上基本基于 MobileNet V2 而改进增加了 MobileViT block，但是同样能够实现一个不错的精度表现，文章实验部分大量的对比了 MobileViT 跟 CNN 和 ViT 模型的参数量和模型大小，不过值得一提的是在端侧除了模型大小以外，更加重视模型的性能，只能说这篇文章经典之处是开创了 CNN 融合 ViT 在端侧的研究。
- 第四章、正则化 1.过拟合 误差：训练误差：模型在训练集上的误差 泛化误差：模型在新样本上的误差 欠拟合：训练误差很大的现象 过拟合：训练误差小但是泛化误差大的现象，即在新样本上的误差比较大 机器学习目标：使模型能够更好地应用于新样本，称之为泛化能力或鲁棒性 模型容量：用于机器学习的训练样本，即模型的学习能力，越多越大；当模型容量小容易出现... 第四章、正则化 1.过拟合 误差：训练误差：模型在训练集上的误差 泛化误差：模型在新样本上的误差 欠拟合：训练误差很大的现象 过拟合：训练误差小但是泛化误差大的现象，即在新样本上的误差比较大 机器学习目标：使模型能够更好地应用于新样本，称之为泛化能力或鲁棒性 模型容量：用于机器学习的训练样本，即模型的学习能力，越多越大；当模型容量小容易出现...
- 在2021年3月份开始学习《深度学习应用开发》，写了一些学习笔记，大概学到8月份就停止了。这里先把一些学习笔记汇总一下。之前好像有听人介绍说吴明辉的课程很不错，最近刚好在中国大学APP上看到他的一个人工智能相关的课程，看了一下确实很不错。课程名称叫做《深度学习应用开发 基于tensorflow的实践》。是一个入门级别的课程，不需要人工智能的基础，不需要太多的数学知识，也不需要什么编程经验。我... 在2021年3月份开始学习《深度学习应用开发》，写了一些学习笔记，大概学到8月份就停止了。这里先把一些学习笔记汇总一下。之前好像有听人介绍说吴明辉的课程很不错，最近刚好在中国大学APP上看到他的一个人工智能相关的课程，看了一下确实很不错。课程名称叫做《深度学习应用开发 基于tensorflow的实践》。是一个入门级别的课程，不需要人工智能的基础，不需要太多的数学知识，也不需要什么编程经验。我...
- 你喜欢动画片，或者说卡通，动漫吗？我是挺喜欢的。绚丽多彩的卡通世界从来没有缺失过吸引力。手冢治虫画笔下，那个可以上天入地的阿童木，在与邪恶世界的斗争中教会了我们勇敢与正义。漫画工匠宫崎骏用清新的水彩勾勒出自然的乡村景观，不染一丝现实的尘土。美艳而不可方物的世界令人神往。这次是将AnimeGAN部署到Ascend 310，从而实现对自己想要图片的一键转换为我们想看到的卡通风格。 你喜欢动画片，或者说卡通，动漫吗？我是挺喜欢的。绚丽多彩的卡通世界从来没有缺失过吸引力。手冢治虫画笔下，那个可以上天入地的阿童木，在与邪恶世界的斗争中教会了我们勇敢与正义。漫画工匠宫崎骏用清新的水彩勾勒出自然的乡村景观，不染一丝现实的尘土。美艳而不可方物的世界令人神往。这次是将AnimeGAN部署到Ascend 310，从而实现对自己想要图片的一键转换为我们想看到的卡通风格。
- 论文：Weighted boxes fusion: Ensembling boxes from different object detection models 论文：Weighted boxes fusion: Ensembling boxes from different object detection models
- 问题背景在运行yolov5的detect.py文件时，报了下面的错误，之前也遇到过且解决过，所以这次记录下解决方案。RuntimeError: Couldn’t load custom C++ ops. This can happen if your PyTorch and torchvision versions are incompatible, or if you had errors... 问题背景在运行yolov5的detect.py文件时，报了下面的错误，之前也遇到过且解决过，所以这次记录下解决方案。RuntimeError: Couldn’t load custom C++ ops. This can happen if your PyTorch and torchvision versions are incompatible, or if you had errors...
- 时光荏苒，22年的夏天来了。夏季也意味着毕业季，在这鸟语花香的季节，每位毕业生都告别了同学和老师，回顾了校园景色，拍下一张张以后翻看都会嘴角一笑的合照，录下一段段稀奇搞怪的纪念VCR，最后提上行李箱，离开这个你生活四年的校园。我也经历过毕业，也经历过入学，关于毕业方向选择的内容我去年也写过很多，所以我这一期最想谈论的话题就是读研和读博，这也是现在毕业生的大趋势。🐋硕士研究生 1️⃣ 有考研... 时光荏苒，22年的夏天来了。夏季也意味着毕业季，在这鸟语花香的季节，每位毕业生都告别了同学和老师，回顾了校园景色，拍下一张张以后翻看都会嘴角一笑的合照，录下一段段稀奇搞怪的纪念VCR，最后提上行李箱，离开这个你生活四年的校园。我也经历过毕业，也经历过入学，关于毕业方向选择的内容我去年也写过很多，所以我这一期最想谈论的话题就是读研和读博，这也是现在毕业生的大趋势。🐋硕士研究生 1️⃣ 有考研...
- 训练检测口罩模型 下载项目https://github.com/Megvii-BaseDetection/YOLOX打开项目 安装环境pip install -r requirements.txt如果报错pip install -c esri pycocotools 第一步下载数据集在datasets文件夹下新建VOCdevkit文件夹并将下载的data文件夹放进去，并改名为VOC2020... 训练检测口罩模型 下载项目https://github.com/Megvii-BaseDetection/YOLOX打开项目 安装环境pip install -r requirements.txt如果报错pip install -c esri pycocotools 第一步下载数据集在datasets文件夹下新建VOCdevkit文件夹并将下载的data文件夹放进去，并改名为VOC2020...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签