datawhale ai夏令营 第五期-爱代码爱编程
这次参加的比赛是2024“大运河杯”数据开发应用创新大赛——城市治理 赛事链接：https://www.marsbigdata.com/competition/details?id=3839107548872 一、赛事解读
datawhale ai夏令营 第五期-爱代码爱编程
赛事链接：https://www.marsbigdata.com/competition/details?id=3839107548872 上分技巧 在baseline的基础上，可以考虑下面的几种方法提高模型的预测和泛化
datawhale ai夏令营 第五期-爱代码爱编程
这次参加的比赛是2024“大运河杯”数据开发应用创新大赛——城市治理赛事链接：https://www.marsbigdata.com/competition/details?id=3839107548872 Baseli
从零上手cv竞赛：yolo方案 # datawhale ai夏令营-爱代码爱编程
文章目录 平台参赛平台云平台 Task 1 从零上手CV竞赛下载baseline相关文件一键运行baseline！（大约需要25分钟）赛题解析数据集提交结果违法标准注意事项 下载生成的文件结果如
从零上手cv竞赛task1：yolo方案 # datawhale ai夏令营 task1-爱代码爱编程
平台 参赛平台 MARS大数据服务平台 云平台 厚德云 通关 Baseline 下载baseline相关文件 apt install git-lfs git lfs install git clone h
从零上手cv竞赛task2 # datawhale ai夏令营-爱代码爱编程
文章目录 平台参赛平台云平台 Task 1 从零上手CV竞赛下载baseline相关文件一键运行baseline！（大约需要25分钟）赛题解析数据集提交结果违法标准注意事项 下载生成的文件结果如
『cv学习笔记』importerror: libgl.so.1和dockerfile构建ubuntu18.04-爱代码爱编程
ImportError: libGL.so.1: cannot open shared object file: No such file or directory 文章目录
『cv学习笔记』深度理解半精度float16的表示-爱代码爱编程
『CV学习笔记』深度理解半精度float16的表示 文章目录 一. float16的表示方法 二. float16的表示范围 三. float16的表示精度
『cv学习笔记』图像处理透视变换(python+opencv)-爱代码爱编程
图像处理透视变换(Opencv) 文章目录 一. 透视变换定义 二. 代码实现 2.1. order_points函数 2.2. fou
高光谱图像的光谱超分辨（HSI-SR)-爱代码爱编程
无监督的光谱超分辨 创新点Coupled Unmixing Nets with Cross-Attention模型总览输入/出介绍基本假设退化假设混合假设约束网络架构双编码器Cross-Attention空间光谱一致性损失函数 代码：GitHub 论文：ECCV 创新点 提出了一个叫做 CUCaNet的无监督高光谱超分辨模型，将高光谱的物理
傅里叶变换，拉氏变换，Z变换学习笔记-爱代码爱编程
傅里叶变换，拉氏变换，Z变换 书写动机三角函数正弦波从正弦波到傅里叶“任何”周期信号都可以用一系列成谐波关系的正弦曲线来表示。分解原波即：当两个不同频率的正弦波相乘，对其周期求积分时，结果一定为0.也就是说，不同频率的正弦函数两两正交。拉普拉斯变换问题出现Z变换出现GSP前瞻边缘检测 书写动机 由于笔者为大一学生，并未学习过信号有关内容，但如
EGU-Net——端元导向的解混网络-爱代码爱编程
EGU-Net 一个自监督光谱解混模型理解 基础知识基本术语混合原因最终目的论文理解本文主要贡献混合模型介绍Linear Mixing Model-based Unmixing（基于线性混合模型的解混）Bilinear Mixing Model-based Unmixing（基于双线性模型的解混）Deep Learning-based Unmixe
CV学习：李宏毅2021机器学习(3)-爱代码爱编程
本周事情稍微有点多，因此稍微延缓了几天，下周就会恢复正常。 这次主要是针对于CNN进行的总结，总体较为基础，有问题可以告诉我，我会第一时间更正。 目录 CNN（Convolutional Neural Network)卷积神经网络Image ClassificationCNN简介第一次简化第二次简化Pooling（池化层）经典的CNN架构CNN缺陷自
CV学习：李宏毅2021机器学习(2)-爱代码爱编程
上次读了前沿论文，发现确实水平远远不足，因此更加努力的看视频和学数学，希望后续能有所改善！ 本文主要总结关于神经网络训练不起来该怎么处理的问题进行论述，大家可以选择性观看！ 目录 偶遇Critical PointSaddle PointLocal Minimum如何鉴别Critical Point批处理与动量Batch批处理动量自动更新学习率Batc
Source-Free Domain Adaptation for Semantic Segmentation-爱代码爱编程
目录 摘要引言Knowledge Distillation(知识蒸馏）Transformer实际原理Dual Attention(双注意力机制)Spatial Transformer Networks（空间域注意力）Channel Attention（通道域注意力）Dual Attention Network（通道域+空间域）Related Wor
CV学习：李宏毅2021机器学习(1)-爱代码爱编程
CV学习：李宏毅2021机器学习(1) 当你需要对于某个领域进行深入研究之前，你最需要做的事情就是打好基础。这不仅意味着知识的积累，更是判断你是否真的对其感兴趣 那么从本文开始，我将使用大概一个月的时间学习李宏毅老师于2021与2020对于Machine Learning以及Deep Learning的内容。本文将着重于其前两个Topic——Model训
CV学习笔记：综述论文赏析-爱代码爱编程
学习内容： 卷积神经网络研究综述论文学习笔记 一． 引言部分 二． 卷积神经网络概述（对各部分进行解释） 三． 至今为止，对CNN进行的改进与尝试 四． 训练模型的方法与开源工具 五． 实际生活中的应用 六． CNN参数设置的一些探索 七． 总结 八． 参考文献 论文简介： 以上，便是该篇论文的八个板块。 本文从计算机视觉的历史出发，着重介绍了CN
有监督、半监督、无监督、弱监督、自监督的定义和区别-爱代码爱编程
个人对这几个名词粗浅的理解和区分，不甚全面，仅供参考。 有监督：用有标签的数据训练；无监督：用无标签的数据训练；半监督：同时用有标签和无标签的数据进行训练。最近非常火热，此领域的发展也非常迅速，先前通常是两阶段的训练，先用（较小规模的）有标签数据训练一个Teacher模型，再用这个模型对（较大规模的）无标签数据预测伪标签，作为Student模型的训练数据
tensorflow版使用uNet进行医学图像分割(Skin数据集)-爱代码爱编程
tensorflow版使用uNet进行医学图像分割(Skin数据集) 深度学习、计算机视觉学习笔记、医学图像分割、uNet、Skin皮肤数据集 tensorflow版使用uNet进行医学图像分割(Skin数据集)实验环境skin皮肤数据集一、uNet模型二、实验过程1. 加载skin皮肤数据集2. 定义uNet模型3. 训练4. 预测5.
【论文阅读笔记】Self-training with Noisy Student improves ImageNet classification-爱代码爱编程
Motivation 利用较少的标记数据来进一步利用大规模的无标记数据进行半监督/自监督学习用teacher模型生成伪标签训练studen模型，并通过加入噪声使student模型由于teacher模型，迭代此过程以得到更优的模型原理 基于self-training的teacher-student框架用标记数据训练teacher模型用teacher模型对