本文将对目标检测领域的发展做一个系统性的介绍，旨在为读者构建一个完整的知识体系架构，同时了解目标检测相关的技术栈及其未来的发展趋势。

天才少年稚晖君 | 【保姆级教程】个人深度学习工作站配置指南 来源：https://zhuanlan

Python粤语NLP库、hologram 跨平台图像查看器、ModelFun 一站式标注平台、Polars 超快多线程DataFrame、k8s教程、深度学习单细胞分析相关文献、开放语音数据集…

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第5天，点击查看活动详情 摘要 本文通过对植物幼苗分类的实际例子来感受一下超大核的魅力所在。这篇文章能让你学到： 通过对论文的解读，

本文是YOLO系列专栏的第一篇，该专栏将会介绍YOLO系列文章的算法原理、代码解析、模型部署等一系列内容。本文系公众号读者投稿，欢迎想写任何系列文章的读者给我们投稿，共同打造一个计算机视觉技术分享社区

​前言 本文提出了一种概念上简单但特别有效的长尾视觉识别的多阶段训练方案，称为蒸馏自监督(Self Supervision to Distillation, SSD)。在三个长尾识别基准：ImageN

本教程依托于 Stanford 斯坦福大学的《CS231n：深度学习与计算机视觉》，对深度学习与计算机视觉方向的图像分类、CNN、RNN、目标检测、图像分割、生成模型等各个主题做了体系化的梳理

问题背景 纸面上有一枚一元钱的银币，你能在 Canny 和 Hough 的帮助下找到它的坐标方程吗？ 确定一个圆的坐标方程，首先我们要检测到其边缘，然后求出其在纸面上的相对位置以及半径大小......

​前言 YOLOv5 是在 YOLOv4 出来之后没多久就横空出世了。今天笔者介绍一下 YOLOv5 的相关知识。目前 YOLOv5 发布了新的版本，6.0版本。在这里，YOLOv5 也在5.0基础上