1、ResNet残差网络   ResNet 即深度残差网络，由何恺明及其团队提出，是深度学习领域又一具有开创性的工作，通过对残差结构的运用，ResNet 使得训练数百层的网络成为了可能，从而具有非常强

ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功训练出了152层的神经网络，并在ILSVRC2015比赛中取得冠军，在top5上的错误率为3.57%，同时参数量比VGGNet低，效果...

本篇内容针对检测和分割任务，为大家简单回顾传统视觉任务，及其在大模型时代的演进与对应的新算法，并在最后简要介绍货拉拉在项目落地中对这些新技术的实践应用。

大家好我是j3llypunk👋,最近摸🐟时突然想到了小时候看精灵宝可梦时的经典场景👇 每到这个桥段的时候我都会兴高采烈地跟着喊出宝可梦的名字:皮卡丘!杰尼龟!小火龙!

论文基础信息如下 Abstract 我们介绍Segment Anything（SA）项目：这是一个全新的任务、模型和图像分割数据集。通过在数据收集循环中使用我们高效的模型，我们建立了迄今为止最大的分割

这次给大家带来分割一切Segment Anything的安装教程，一起来看看吧~ 前期准备 Sam（Segment Anything Model）模型要求： python>=3.8 pytorch>=

本文实践了使用Stable Diffusion的Segment Anything扩展来实现换装。总结了实践流程和遇到的一些问题。

SAM从任务、模型、数据三部分展开写作，和模型的创新比较起来，任务定义和数据的工作更加出彩，官网也给出了demo，能直观感受SAM的效果，这篇blog也会围绕这几部分展开。

那天在B站看视频的时候偶然发现当字幕遇到人物的时候就被裁切了，不会挡住人物，觉得很神奇，于是决定一探究竟。