深度学习原理与实战篇

今天给小伙伴介绍一个轻量化的卷积神经网络——ShuffleNet V1，它特别设计用于在资源受限的设备上进行高效的图像分类任务，采用了一些创新设计来减少模型计算量和参数量，广泛应用在人脸解锁、短视频、

如果给你一个小型数据集让你实现图像分类任务，为了尽可能提高准确度，你会怎么做呢？有过训练模型经验的小伙伴肯定会选择将在大型公共数据集上训练得到的模型作为自己任务的预训练模型。其实这就是迁移学习的运用

上期介绍了知识蒸馏的核心原理，一句话概括——将教师模型的知识通过soft targets传递给学生模型。今天就来实战一下，看看教师模型、学生模型是怎样用代码构建的，学习如何用知识蒸馏提高学生模型的性能

小伙伴有没有遇到过因深度学习模型太大而导致训练部署困难呢🧐🧐🧐今儿就给大家介绍一个AI领域重要的模型压缩方法——知识蒸馏。它基于“教师-学生网络思想”训练方法，通过师徒传授，将大规模知识传递给轻

上期给小伙伴讲解了多目标追踪DeepSort算法的基本原理与工作流程。但读万卷书也要走万里路，只懂书本上的原理是万万不够滴，所以本期就带来了DeepSort的代码讲解，包括如何训练自己的特征提取网络用

今儿给小伙伴带来一项计算机视觉中的新技术——目标追踪。说起目标追踪，它可用于跟踪监控摄像头中的人、车辆、行李或其他物体，这在大型商场、机场、银行、街头巷尾的摄像头中广泛使用。下面就用大白话讲解Deep

不知道小伙伴们注没注意到抠图在咱们生活中的应用呢？电影拍摄的绿幕特效、在线会议的背景更换、B站不挡脸的蒙版弹幕等都是基于人像抠图实现的，本质上是计算机视觉上的语义分割。今天就手把手带大家利用Media

不知道小伙伴们熟不熟悉工业领域的缺陷检测腻？🧐🧐🧐今天就以钢轨表面缺陷为例，和大家唠唠基于深度学习的钢轨表面伤损细粒度图像识别与目标检测，学习一下工业缺陷检测流程，包括从最开始的数据标注，中间的

上节实现了基于Mediapipe的三维手部关键点检测，代码实战之后，相信大家也想进一步了解这有趣神奇的模型背后的思想，那本文就结合原始论文，用通俗易懂的语言给大家介绍一下Mediapipe手部关键点

不知道小伙伴们有没有用手势控制各种智能设备的体验。今天就带领大家从零上手，实现基于Mediapipe的手部关键点三维实时检测，通过计算机视觉和深度学习，智能定位出21个手部关键点的三维坐标，实现...

上次给大家介绍了CycleGAN，那么必提起的就是pix2pix，作为图像生成和图像转译领域的必学经典，同时也是让人拍案叫绝的两个算法。pix2pix在语义标签图转真实图片、简笔画转真图、黑白图像..

在GAN网络大家族中，CycleGAN算是一个好玩又有趣的存在，它也是很多短视频和美图APP滤镜背后的算法。作为一个图像生成AI算法，它可太强大了，能实现图像翻译、风格迁移(野马转斑马)、动漫图像生成

什么！深度神经网络你只知道CNN？那你就落伍了嗷，今天就给大家介绍一下庞大的深度神经网络家族，包括DQN、RNN、GAN等高达十几种网络模型，它们在计算机视觉、自然语言处理、推荐系统等领域

之前介绍过CNN的基本结构，今天就带领大家利用pytorch手把手搭建全连接神经网络，在实战中学习使用梯度下降、后向传播、Dropout这些非常重要的训练优化方法减少过拟合现象，实现物品的多分类。

十种超全的图像去雾算法来啦！前面给大家介绍过14种低照度图像增强算法，今天来说一说那些经典的基于深度学习的去雾算法，附上原理和对比效果图。去雾的基本原理大都是在大气散射模型的基础上，通过计算透射率..

上节咱们学习了kNN分类器，今天介绍一个更高级的分类方法——卷积神经网络CNN，并学习用CNN实现图像的分类。作为深度学习的基础，CNN可太重要了，在图像分类、目标检测、语义分割、实例分割等领域随处见

今天为大家介绍机器学习中一个常见算法——KNN算法，带着问题从原理入手，并学会用代码实现第一个KNN分类器。

14种超全的低照度图像增强算法你确定还不来学吗？！能使昏暗、噪点多、细节不清晰的低光图像转换为更明亮、更清晰的图像，算法包括Zero-DCE、LightenNet等等，还有效果对比图嗷