YOLO-V5代码解读

大疆Onboard-SDK-ROS-3.6.1代码解读（一）

demo_flight_control.cpp大致观察代码运行的流程，每一部分后面后详细补充说明设置全局变量，程序在任意时刻都会调用到，具体会在intmain()主函数中定义。/*服务的客户端*/ros::ServiceClientset_local_pos_reference;//惯性坐标ros::ServiceClientsdk_ctrl_authority_service;//SDK控制权限
小轩同学.·2022-12-23 11:43

目标检测代码解读二（SSD）

自2014年RCNN论文发表之后，机器学习在目标检测领域得到了飞速发展，本系列文章将介绍一些目标检测发展的里程碑著作的代码实现。SSD1.网络结构论文中给出的网络结构图如下：在SSD前向传递网络结构中，步骤为：添加backbone网络，即Resnet50的前几层网络添加额外6层特征提取网络计算损失所得结果后处理defforward(self,image,targets=None):x=self.f
蓝鲸鱼BlueWhale·2022-12-21 20:16

目标检测代码解读三（YOLOv3SPP）

自2014年RCNN论文发表之后，机器学习在目标检测领域得到了飞速发展，本系列文章将介绍一些目标检测发展的里程碑著作的代码实现。YOLOv3SPP图片和代码来源1.解析网络结构的参数文件yolov3-spp.cfg记录了网络结构，其内容格式如下parse_model_cfg函数用于读取该配置文件内的参数，其步骤为：读取（除了空格和注释外的）每一行正文用字典mdefs记录每个层的参数将anchors
蓝鲸鱼BlueWhale·2022-12-21 20:16

Transformer pytorch 代码解读（4）Decoder Layer层

目录0.总览DecoderLayer层1.第一个MaskedMulti-HeadAttention2.第二个Multi-HeadAttention第三次的PoswiseFeedForwardNet0.总览DecoderLayer层进入decoder层的输入是1.dec_inputs=decoder_outputs里面的经过词编码和位置编码的输出，是（2，6，512）维度的数据，2.enc_outp
anzrs·2022-12-21 06:12

bert pytorch 序列标注_手把手教你用Pytorch-Transformers——部分源码解读及相关说明（一）...

本文介对这个库进行部分代码解读，目前文章只针对Bert，其他模型看心情。
weixin_39694264·2022-12-21 06:41

games101——作业1

文章目录作业要求代码框架已有代码解读作业部分代码进阶部分代码编译结果作业要求在接下来的三次作业中，我们将要求你去模拟一个基于CPU的光栅化渲染器的简化版本。
hhhcbw·2022-12-20 04:08

最大均值差异（Maximum Mean Discrepancy, MMD）损失函数代码解读（Pytroch版）

##代码及参考资料来源Sourcecode:easezyc/deep-transfer-learning[Github]参考资料：迁移学习简明手册MMD介绍MMD（最大均值差异）是迁移学习，尤其是Domainadaptation（域适应）中使用最广泛（目前）的一种损失函数，主要用来度量两个不同但相关的分布的距离。两个分布的距离定义为：MMD(X,Y)=∣∣1n∑ni=1ϕ(xi)−1m∑mj=1ϕ
wuguangbin1230·2022-12-19 20:16

nnUnet代码解读--数据增强

nnunet项目官方地址MIC-DKFZ/nnUNet准备工作关于nnUnet代码包的安装和配置参考nn-UNet使用记录–代码配置nnUnet最经典的部分在于数据处理，本文简单介绍nnUnet的数据读取和数据增强方法。以nnunet/training/network_training/nnUNetTrainer.py为例数据读取self.dl_tr,self.dl_val=self.get_ba
宁眸·2022-12-19 13:08

YOLO-V5 算法和代码解析系列 —— 学习路线规划综述

目录标题为什么学习YOLO-V5？博客文章列表面向对象开源项目学习方法预备知识项目目录结构为什么学习YOLO-V5？
X_Imagine·2022-12-19 07:00

知识图谱表示 | TransE原理简介与代码解读

表示学习-TransE原理介绍核心理念在平面直角坐标系中，向量表示三元组知识(h,r,t)(h,r,t)(h,r,t)。其中hhh表示的是头实体的向量表示；rrr表示的是关系的向量表示；ttt指代的是尾实体的向量表示，如果三元组(h,r,t)(h,r,t)(h,r,t)在向量空间中满足下图关系：当我们通过如上图的形式表示三元组时，可以从两个方面对已有知识图谱中的知识做处理：使用词向量对知识图谱已经
HL Lee·2022-12-19 06:35

【Flink】Flink 1.14.0 全新的 Kafka Connector

1.概述转载并且补充：Flink1.14.0全新的KafkaConnector扩展：【Flink】Flink1.13版本KafkaSource代码解读Flink提供了一个ApacheKafka连接器，用于从
九师兄·2022-12-18 16:30

【论文笔记+代码解读】《ATTENTION, LEARN TO SOLVE ROUTING PROBLEMS!》

介绍本文提出了一种注意力层+强化学习的训练模型，以解决TSP、VRP、OP、PCTSP等路径问题。文章致力于使用相同的超参数，解决多种路径问题。文中采用了贪心算法作为基线，相较于值函数效果更好。注意力模型文中定义了AttentionModel以解决TSP问题，针对其它问题，不需要改变模型，只需要修改输入、掩码、解码上下文等参量。模型采用编码-解码结构，编码器生成所有输入节点的嵌入，解码器依次生成输
星月要幸福·2022-12-18 13:05

【论文笔记+代码解读】《The Transformer Network for the Traveling Salesman Problem》

介绍本文采用Transformer架构解决TSP问题，通过强化学习完成训练。在TSP50和TSP100中都有良好表现，与启发式算法对比，TSP50的最佳差距为0.004%，TSP100为0.39%。模型结构文中采用了编码器-解码器结构，首先对全部输入结点进行编码，在解码过程中依次“翻译”出每个结点。编码器编码过程是一个标准的Transformer编码器，由L个多头注意力层组成。每个子层是由一个多头
星月要幸福·2022-12-18 13:30

UNITER多模态预训练模型原理加代码解读

UNITER多模态预训练模型原理1.数据过去的5年中，Vision+NLP的研究者所使用的主要数据集如下展示：本文中所使用到的4种数据集如下图所示,ConceptualCaptions和SBUCaptions数据集是免费的，但是不是太clean：2.算法2.1整体结构这里采用的是two-stagetrainingpipeline训练流程。在一些大量的，含有噪声但是比较cheap的数据上，我们设计一
Taylorandy·2022-12-18 07:46

siris 显著性排序网络代码解读（training过程）Inferring Attention Shift Ranks of Objects for Image Saliency

另：inference部分已更新，见：siris显著性排序网络代码解读（inference过程）文章目录第一部分训练mrcnn网络obj_sal_seg_branch/train.pyobj_sal_seg_branch
Cleo_Gao·2022-12-18 07:14

TF版FasterRCNN:train_val.py代码解读笔记

个人代码阅读笔记。#--------------------------------------------------------#TensorflowFasterR-CNN#LicensedunderTheMITLicense[seeLICENSEfordetails]#WrittenbyXinleiChenandZheqiHe#--------------------------------
南石北岸生·2022-12-18 02:51

openMVS-- Resrtuction Mesh （原理及代码解读）

openMVS--ResrtuctionMesh（原理及代码解读）1、pre-process2、Resrtuctionmesh2.1、DT–`Incrementally`2.1.1、insert3Dpoint
rivaaaa·2022-12-17 22:39

【深度学习】常见的几种激活函数（含源代码解读）

目录：深度学习中常见的几种激活函数一、前言二、ReLU函数三、sigmoid函数四、tanh函数一、前言激活函数（activationfunction）通过计算加权和并加上偏置来确定神经元是否应该被激活，它们将输入信号转换为输出的可微运算。大多数激活函数都是非线性的。由于激活函数是深度学习的基础，下面简要介绍一些常见的激活函数。二、ReLU函数最受欢迎的激活函数是修正线性单元（Rectifiedl
旅途中的宽~·2022-12-17 19:51

如何只用bert夺冠之对比学习代码解读

有监督对比学习：SupervisedContrastiveLearning:https://zhuanlan.zhihu.com/p/1363321511.自监督对比学习一句话总结：不使用label数据，通过数据增强构造样本，使特征提取器提取的特征在增强样本和原始样本的距离更近，其他数据特征与原始样本的更远来训练特征提取器的方法。关键思想：一个batch=n的数据，增强一次变成2n的数据，loss
HxShine·2022-12-17 19:10

史上最全采样方法详细解读与代码实现_残差网络ResNet代码解读

残差网络效果卷积神经网络CNN的发展历史如图所示：从起初AlexNet的的8层网络，到ResNet的152层网络，层数逐步增加。当网络层数增加到一定程度之后，错误率反而上升，其原因是层数太多梯度下降变得越发困难。而ResNet解决了这一问题。目前ResNet是应用最广的图像相关深度学习网络，图像分类，目标检测，图片分割都使用该网络结构作为基础，另外，一些迁移学习也使用ResNet训练好的模型来提取
weixin_39984403·2022-12-17 17:46

深度学习入门之批处理

深度学习入门之批处理参考书籍：深度学习入门——基于pyhthon的理论与实现文章目录深度学习入门之批处理前言一、批处理作用二、python实现批处理1.批处理2.代码解读总结前言处理MNIST数据集的神经网络的实现
ℳ๓执手ꦿ听风吟້໌ᮨ·2022-12-17 11:10

一篇较为详细的Faster RCNN代码解读

文章目录前言一、训练代码二、FasterRCNN整体架构2.1FasterRCNN模型架构2.2FasterRCNNVGG16内部结构2.2.1RegionProposalNetwork结构代码2.2.2VGG16RoIHead结构代码2.3FasterRCNNTrainer类代码介绍参考前言本文将带大家稍微详细地了解FasterRCNN的整体构造以及对应的每个块的构造细节。感谢大佬的Faster
Prymce-Q·2022-12-17 00:46

ATSS：Adaptive Training Sample Selection原理与代码解读

论文BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleSelection官方代码GitHub-sfzhang15/ATSS:BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleS
00000cj·2022-12-16 21:12

YOLOv5全面解析教程①：网络结构逐行代码解读

撰文|Fengwen,BBuf本教程涉及的代码在：https://github.com/Oneflow-Inc/one-yolov5教程也同样适用于Ultralytics/YOLOv5，因为One-YOLOv5仅仅是换了一个运行时后端而已，计算逻辑和代码相比Ultralytics/YOLOv5没有做任何改变，欢迎star。详细信息请看：一个更快的YOLOv5问世，附送全面中文解析教程1引言YOLO
OneFlow深度学习框架·2022-12-16 12:08

mnist手写数字识别，dnn实现代码解读

mnist手写数字识别，dnn实现代码解读代码及注释？模型结构相关问题net.train（）和net.eval（）的作用？
DreamBoy@·2022-12-16 12:21

ViT代码解读

读懂VIT整体思路切块操作位置编码添加多头注意力机制整体思路VisionTransformer是将Transformer应用在计算机视觉中。Transformer是一个基于注意力的模型，他不依靠卷积神经网络，相比RNN，他可以进行并行运算；相比CNN，计算两者的关系，不会受到距离的远近而增加计算的长度；同时自注意力可以产生更具可解释性的模型。我们可以从模型中检查注意力分布。各个注意头(attent
m0_53384927·2022-12-16 08:03

清晰图解，一图看懂图卷积GCN、时空图卷积ST-GCN

目录1.前言2.普通卷积与图卷积2.1普通卷积2.2图卷积3ST-GCN图卷积的代码解读4.图卷积的缺陷5参考文献6联系方式1.前言本文为我阅读论文SpatialTemporalGraphConvolutionalNetworksforSkeleton-BasedActionRecognition
锌a·2022-12-15 14:13

Spark MLlib源代码解读之朴素贝叶斯分类器，NaiveBayes

SparkMLlib朴素贝叶斯NaiveBayes源代码分析基本原理介绍首先是基本的条件概率求解的公式。P(A|B)=P(AB)P(B)在现实生活中，我们经常会碰到已知一个条件概率，求得两个时间交换后的概率的问题。也就是在已知P(A|B)的情况下，如何求得P(B|A).其中P(A|B)表示在事件B发生的前提下，事件A发生的概率。其中P(A)指的是先验概率或者叫做边缘概率。因为他不需要考虑任何B方面
stevekangpei·2022-12-15 11:27

Anti-UAV比赛测试代码解读

"""baselinefor1stAnti-UAVhttps://anti-uav.github.io/QiangWang2020.02.16"""from__future__importabsolute_importimportosimportglobimportjsonimportcv2importnumpyasnpfromsiamfcimportTrackerSiamFCdefiou(bbo
missyoudaisy·2022-12-14 23:33

YOLOv5全面解析教程①：网络结构逐行代码解读

撰文|Fengwen,BBuf本教程涉及的代码在：https://github.com/Oneflow-In...教程也同样适用于Ultralytics/YOLOv5，因为One-YOLOv5仅仅是换了一个运行时后端而已，计算逻辑和代码相比Ultralytics/YOLOv5没有做任何改变，欢迎star。详细信息请看：一个更快的YOLOv5问世，附送全面中文解析教程1引言YOLOv5针对不同大小（
·2022-12-14 14:40

HOG+SVM进行行人检测（github代码解读）

HOG+SVM进行行人检测代码参考+数据集来源：https://github.com/FrankMa123/-注意使用的scikit-learn库的版本为0.22，高于该版本的scikit-learn库，代码会报出错误（joblib库无法正常使用）本文：主要对原作者的代码进行注释，以便于理解HOG+SVM检测，并有利于将该模型应用到其他分类。致敬原作者！！！一、config.py#包含人的图片数据
京雨·2022-12-14 13:29

Pytorch模型训练实用教程-代码解读(3)

#coding:utf-8importos'''为数据集生成对应的txt文件'''train_txt_path=os.path.join("..","..","Data","train.txt")train_dir=os.path.join("..","..","Data","train")valid_txt_path=os.path.join("..","..","Data","valid.tx
@@北冥有鱼·2022-12-14 00:06

Java BOI与NIO超详细实例精讲

目录JavaBIO示例代码JavaNIO代码解读JavaBIO阻塞IO，每个客户端链接都需要一个独立的线程处理，客户端链接没关闭时，线程链接处于阻塞状态，直到客户端链接关闭如果客户端链接没有读取到数据，
·2022-12-13 18:14

Python实现小游戏--2048

正文本次是我对于Python实现2048这个曾经风靡一时的小游戏的代码解读工作环境一、主逻辑图逻辑图解：黑色是逻辑层，蓝色是外部方法，红色是类内方法，稍后即可知道~状态机。。。
敲代码的猴·2022-12-13 16:17

yolov5的个人使用记录

yolo-v5实现步骤：准备阶段——数据整理——模型训练——模型推理准备阶段：需要的硬件，软件的安装，环境的配置数据整理：图片标签标注，训练集和验证集模型训练：模型中参数的设置，训练方法，获得训练模型模型推理
狮子王--·2022-12-13 11:04

融合transformer和对抗学习的多变量时间序列异常检测算法TranAD论文和代码解读...

一、前言今天的文章来自VLDBTranAD:DeepTransformerNetworksforAnomalyDetectioninMultivariateTimeSeriesData论文链接：https://arxiv.org/pdf/2201.07284v6.pdf代码地址：https://github.com/imperial-qore/TranAD二、问题在文章中提出了对于多变量异常检测的
AI蜗牛车·2022-12-13 09:37

『NLP学习笔记』长序列预测论文LTSF-Linear解读

Transformer解决方案3.1.预处理(preprocessing)3.2.词向量(embedding)3.3.编码(encoder)3.4.解码(encoder)四.一个简单得令人尴尬的Baseline五.代码解读
布衣小张·2022-12-13 06:46

如何用bert进行关系抽取（给定句子和句子中的两个实体，判断这两个实体之间的关系）

目标：给定句子和句子中的两个实体，判断这两个实体之间的关系来源：关系抽取代码解读：model.pyimporttorchimporttorch.nnasnnfromtransformersimportBertModelclassSentenceRE
世界划水锦标赛冠军·2022-12-13 01:00

Apollo planning之hybrid A*

目录1hybridA*的介绍2代码解读3算法细节3.1ValidityCheck3.2GenerateDpMap3.3AnalyticExpansion3.4CalculateNodeCost1hybridA
无意2121·2022-12-12 22:43

联邦学习开山之作代码解读与收获

参考：联邦学习代码解读，超详细_一只揪°的博客-CSDN博客_联邦学习代码参考文献：[1602.05629]Communication-EfficientLearningofDeepNetworksfromDecentralizedData
晨曦未眠·2022-12-12 16:29

VVC代码解读day1 enc.app main函数——命名空间

第94行df::program_options_lite::Optionsopts;在360浏览器c++收藏夹c++命名空间有详细解释::是一个新符号，称为域解析操作符，在C++中用来指明要使用的命名空间。如果一个文件下有两个相同名字的变量会发生冲突，但如果这两个变量在两个不同的命名空间中，就不会有冲突：namespaceLi{//小李定义的变量filea=0;}namespaceWang{//小
青椒鸡汤·2022-12-12 13:35

A*搜索算法(A-Star Search)简介及保姆级代码解读

A*搜索算法简介及保姆级代码解读1.A*算法简单介绍1.1A*算法理论基础1.1.1节点计算1.1.2由计算得出的小结论1.2算法逻辑结构2.代码解析2.1引入地图2.2预处理2.3定义父节点`parent
高能阿博特·2022-12-11 08:23

独家解读 | 基于优化的对抗攻击：CW攻击的原理详解与代码解读

论文标题：TowardsEvaluatingtheRobustnessofNeuralNetworks论文链接：https://arxiv.org/abs/1709.03842作者：孙裕道1.引言对抗攻击的方式主要分为三大类，第一种是基于梯度迭代的攻击方式比如FGSM，PGD，MIM；第二种是基于GAN的攻击方式，比如AdvGAN，AdvGAN++，AdvFaces。还有一种攻击方式为基于优化的攻
人工智能前沿讲习·2022-12-11 00:26

Pytorch ----- 循环神经网络 RNN --基础部分(RNN Cell) 附代码解读~~学习笔记

前两天学的卷积神经网络，今天学循环神经网络RNN。之前在用卷积神经网络的是，一张图片上像素做卷积，所用到的卷积核明确且一整张都用这个卷积核（权重共享）。所以用到的权重少，而全连接层，每一个点对应下一个节点都有一个权重，所以整个网络，全链接层运算量占比大。RNN，专门处理带有序列模式的数据(数据前后有序,或者本项数据需要前一项数据特征)，且采用了共享权重来减少运算量。RNNcell:其中下面的黄色框
深度不学习！！·2022-12-10 11:06

NeRF神经辐射场学习笔记（十）— BungeeNeRF（CityNeRF）实现以及代码注释

NeRF神经辐射场学习笔记（十）—BungeeNeRF（CityNeRF）实现以及代码注释声明准备工作运行测试代码解读train()主体框架：BungeeNeRF代码改进概述：1.尺度界定——cur_stage
右边的口袋·2022-12-10 10:44

【目标检测算法】YOLO-V5网络框架与代码分析

文章目录一YOLOv5网络架构与组件1.1Focus模块1.2CSPNet模块1.3SPP(SpatialPyramidPooling)1.4PANet（Path-AggregationNetwork）二YOLOv5代码2.1激活函数及代码2.2网络组件代码池化自动扩充标准卷积：conv+BN+SiluBottleneck模块CSP模块SPP模块空间金字塔池化Focus模块2.3数据集创建相关代码
三木今天学习了嘛·2022-12-10 01:26

MSCKF理论推导与代码解析

在这一节，主要分析S-MSCKF的理论推导和代码解读。一、扩展卡尔曼滤波（ExtendedKalmanFilter）MSC
Tom Hardy·2022-12-09 22:24

TPLinker 实体关系抽取代码解读

前言：论文：https://arxiv.org/pdf/2010.13415.pdf代码：GitHub-131250208/TPlinker-joint-extraction这篇论文是最新的基于joint方式进行的联合抽取实体关系的模型。主要创新点是提出了新的标注数据方法，具体可以看论文，本篇的主要目的是解读代码逻辑，更多想法细节可以先看论文。我们还是重点分两部分来看：输入数据部分+模型输入数据部
weixin_42001089·2022-12-09 19:17

NLP-实体&关系联合抽取-2020：TPLinker【提出了新的标注数据方法】

参考资料：TPLinker实体关系抽取代码解读关系抽取之TPLinker解读加源码分析TPLinker
u013250861·2022-12-09 19:46

捕食者-被捕食者方程组分析

捕食者-被捕食者方程组研究《python数学实验与建模》中课后习题与代码解读2。捕食者与被捕食者属于经典生态动力学问题，本次建模问题也是传统模型，并没有进行扩展。
Magic-Han·2022-12-09 16:22
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他