【导读】 2025年已过半，AI领域依旧风起云涌。就在大家还在研究多模态和大模型融合时，YOLOv13 的发布再次把目标检测领域推上热搜，但目标检测，这个曾经被视为CV领域“基础中的基础”，如今也在被

seq2seq -> RNN -> LSTM -> Transformer -> GPT，我不信看完还不懂 Transformer

【导读】 实时多人姿态估计一直是计算机视觉领域的“性能炼金术”：要在精度、速度、部署成本之间找到最优解，并不容易。而由上海人工智能实验室提出的 RTMPose 正式打破这一平衡难题：它在移动端能跑出

机器学习力场（Machine-Learned Force Fields, MLFFs）作为一种新兴的计算方法，已在第一性原理分子动力学（Ab Initio Molecular Dynamics, AI

【导读】 本研究旨在解决超声（US） 用于肾脏体积测量时面临的操作复杂（学习曲线陡）和需要频繁在患者与屏幕间切换视线（效率低、易疲劳）的难题。 为此，我们提出了一套整合方案：利用深度学习实现肾脏的实时

【导读】 目标检测与追踪技术是计算机视觉领域最热门的应用之一，广泛应用于自动驾驶、交通监控、安全防护等场景。今天我们将带你一步步实现一个完整的项目，使用YOLOv8 + DeepSORT实现目标检测、

本篇文章是该系列的第四篇，也是最后一篇。在了解了什么是神经网络并且知道了神经网络的底层原理之后，我们可以通过实际动手来更加深入的理解神经网络，同时提升自己的编码能力。

本文深入讲解PyTorch高级开发技巧，涵盖自定义层/损失函数实现、模型保存加载策略以及TensorBoard可视化监控，提供工业级最佳实践和完整代码示例。

本篇文章是该系列的第三篇，我们一起来学习一下神经网络学习背后的核心算法——反向传播算法，即使现在很多人都在做深度学习，但是80%的人都说不清网络的参数到底是怎么更新的。

【导读】 YOLO 系列从 v1 一路进化到 v13，始终在追求更快、更准、更轻的目标检测模型。而刚刚发布的 YOLOv13，不仅性能全系领先，还带来了“超图”这个硬核概念 —— 帮助模型在复杂场景中

【导读】 为什么 AI 模型会做出这样的判断？这是每一个使用深度神经网络的人都曾疑惑过的问题。尽管 CNN（卷积神经网络）在图像识别中表现卓越，但“黑盒”特性让人难以信服它的每一个预测结果，特别是在医

【导读】 为提升自动驾驶车辆在复杂环境下的感知可靠性，本文提出融合深度学习与多模态大语言模型（MLLM）的综合方案。研究评估了ResNet-50、YOLOv8、RT-DETR在交通标志识别上的优异表现

学习和了解 Google 官方提供的 LiteRT 在 Android 的部署，以经典的手写数字识别模型为例，逐步了解 LiteRT 的使用方法

【导读】 本文提出了一种利用YOLOv5模型进行航拍图像目标检测的稳健方法。我们专注于识别关键目标，包括救护车、车祸现场、警车、拖车、消防车、侧翻车辆及着火车辆。通过采用定制数据集，完整阐述了从数据收

RAGFlow 是一个基于深度文档理解的开源 RAG（检索增强生成）引擎。 与 LLM 集成后，它能够提供真实的问答功能，并以来自各种复杂格式数据的可靠引用为支撑。 教程链接：https://go.o

谷歌 DeepMind 的 Alpha 系列再添新成员——AlphaGenome， 其能够更全面、准确地预测人类 DNA 序列中单个变异或突变，如何影响一系列调控基因的生物过程。 AlphaGenom

本文分享了一个完整的发色替换技术方案，基于 MODNet 实现鲁棒的人像前景分割，再借助 Face Parsing 技术精准定位头发区域，最终通过 HSV 空间的色调替换与融合算法实现效果。

视频也能 P 了？ 众所周知，视频编辑难度极高，若想要调整或替换主体，变换场景、色彩或是移除一个物体，往往意味着无数帧的手动标注、遮罩绘制和精细调色。 即使是经验丰富的后期团队，也很难在复杂场景中保持

阿里巴巴通义实验室开源的LHM（Large Animatable Human Reconstruction Model） 是当前3D建模领域的突破性工具，能够从单张图像快速生成高质量可动画化