- 零样本文本分类应用：基于UTC的医疗意图多分类，打通数据标注-模型训练-模型调优-预测部署全流程。 零样本文本分类应用：基于UTC的医疗意图多分类，打通数据标注-模型训练-模型调优-预测部署全流程。
- 写在前面这篇文章同样出自沈春华组，是今年看到的最亮眼的一篇文章，只使用box标注就可完成实例分割的训练。下图是只是用box训练的实例分割结果，感觉特别惊艳。 实例分割的标注成本太高，标注一个实例的mak可能长达一分钟左右，非常影响实例分割的实际应用，而标注一个box只需要几秒钟。用box标注训练实例分割模型，可以极大的减小标注成本，加快数据迭代速度。代码AdelaiDet论文BoxInst... 写在前面这篇文章同样出自沈春华组，是今年看到的最亮眼的一篇文章，只使用box标注就可完成实例分割的训练。下图是只是用box训练的实例分割结果，感觉特别惊艳。 实例分割的标注成本太高，标注一个实例的mak可能长达一分钟左右，非常影响实例分割的实际应用，而标注一个box只需要几秒钟。用box标注训练实例分割模型，可以极大的减小标注成本，加快数据迭代速度。代码AdelaiDet论文BoxInst...
- 论文Conditional Convolutions for Instance Segmentation代码aim-uofa/AdelaiDet 写在前面论文出自沈春华团队，精品文章值得推荐。目前现有的实例分割方法主要有两类，一类是以Mask RCNN为代表的使用检测器+roi+mask head的方法，通过先检测，提取roi特征再前背景分割的方式获得实例级的分割结果， 这类方法需要分别对每... 论文Conditional Convolutions for Instance Segmentation代码aim-uofa/AdelaiDet 写在前面论文出自沈春华团队，精品文章值得推荐。目前现有的实例分割方法主要有两类，一类是以Mask RCNN为代表的使用检测器+roi+mask head的方法，通过先检测，提取roi特征再前背景分割的方式获得实例级的分割结果， 这类方法需要分别对每...
- 因为 YOLOv1-v3 的作者不再更新 YOLO 框架，所以 Alexey Bochkovskiy 接起了传承 YOLO 的重任。相比于它的前代，YOLOv4 不再是原创性且让人眼前一亮的研究，但是却集成了目标检测领域的各种实用 tricks 和即插即用模块 ，称得上是基于 YOLOv3 框架的各种目标检测 tricks 的集大成者。 本文章不会对原论文进行一一翻译，但是做了系统性的总结和关键部 因为 YOLOv1-v3 的作者不再更新 YOLO 框架，所以 Alexey Bochkovskiy 接起了传承 YOLO 的重任。相比于它的前代，YOLOv4 不再是原创性且让人眼前一亮的研究，但是却集成了目标检测领域的各种实用 tricks 和即插即用模块 ，称得上是基于 YOLOv3 框架的各种目标检测 tricks 的集大成者。 本文章不会对原论文进行一一翻译，但是做了系统性的总结和关键部
- Cascade RCNN 是作者 Zhaowei Cai 于 2018 年发表的论文，算法框架是由一系列不断增加 IoU 阈值的检测器组成，可以逐步的更接近目标的预测。 Cascade RCNN 是作者 Zhaowei Cai 于 2018 年发表的论文，算法框架是由一系列不断增加 IoU 阈值的检测器组成，可以逐步的更接近目标的预测。
- Mask RCNN 是作者 Kaiming He 于 2018 年发表的论文。Mask RCNN 继承自 Faster RCNN 主要有三个改进。 Mask RCNN 是作者 Kaiming He 于 2018 年发表的论文。Mask RCNN 继承自 Faster RCNN 主要有三个改进。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- 残差网络(ResNet)的提出是为了解决深度神经网络的“退化”（优化）问题。ResNet 通过设计残差块结构，调整模型结构，让更深的模型能够有效训练更训练。 残差网络(ResNet)的提出是为了解决深度神经网络的“退化”（优化）问题。ResNet 通过设计残差块结构，调整模型结构，让更深的模型能够有效训练更训练。
- 神经网络--从0开始搭建过拟合和防过拟合模型 神经网络--从0开始搭建过拟合和防过拟合模型
- 神经网络--从0开始搭建全连接网络和CNN网络 神经网络--从0开始搭建全连接网络和CNN网络
- 所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，网络参数初始化决定模型是否收敛，而优化算法的性能则直接影响模型的训练效率。 所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，网络参数初始化决定模型是否收敛，而优化算法的性能则直接影响模型的训练效率。
- 反向传播(backward propagation，简称BP)指的是计算神经网络参数梯度的方法。其原理是基于微积分中的链式规则，按相反的顺序从输出层到输入层遍历网络，依次计算每个中间变量和参数的梯度。 反向传播(backward propagation，简称BP)指的是计算神经网络参数梯度的方法。其原理是基于微积分中的链式规则，按相反的顺序从输出层到输入层遍历网络，依次计算每个中间变量和参数的梯度。
- @[toc] 摘要梳理了一些长见的名词，方便大家够好的理解论文和Ai方向的文章。 1. Backbone骨干网络或者说是主干网络，指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用。这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的时候，都是直接加载官方已经训练好... @[toc] 摘要梳理了一些长见的名词，方便大家够好的理解论文和Ai方向的文章。 1. Backbone骨干网络或者说是主干网络，指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用。这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的时候，都是直接加载官方已经训练好...
- 原文链接这个问题是国际航空乘客预测问题， 数据是1949年1月到1960年12月国际航空公司每个月的乘客数量（单位：千人），共有12年144个月的数据。网盘链接：https://pan.baidu.com/s/1JJTe2CL0BxpmyewKCsvc0w提取码：6666数据趋势：训练程序：import numpy as np import pandas as pd import matpl... 原文链接这个问题是国际航空乘客预测问题， 数据是1949年1月到1960年12月国际航空公司每个月的乘客数量（单位：千人），共有12年144个月的数据。网盘链接：https://pan.baidu.com/s/1JJTe2CL0BxpmyewKCsvc0w提取码：6666数据趋势：训练程序：import numpy as np import pandas as pd import matpl...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
回顾中
热门标签