- 博客(256)
- 收藏
- 关注
RSS订阅
原创 100K*15薪！现在CV的薪资是真的高...
本课程课程内容是按照互联网大厂公司的架构体系设计的，符合企业以及市场的要求。全程实战源代码讲解，课程。
2025-06-21 11:20:31
381
原创 机器学习中形式简单却巧妙的idea，看完让人拍案叫绝！！你一定能用得上！！
个即插即用模块的手册，对于只想水篇论文毕业的同学来说，简直轻松又实用，包含注意力机制、卷积变体等等，彻底把你从想创新点、改模型改代码的噩梦中解救出去！通常是独热编码形式的，这样在进行线性插值时才能保持标签空间的连续性。提高泛化能力：通过合成新样本，模型可以学习到更加泛化的特征表示。减少过拟合：平滑的决策边界有助于减少模型对训练数据的过度拟合。之间的标量，它决定了合成样本中每个原始样本的相对贡献。加入到训练集中，然后使用这个扩展的训练集来训练模型。注意，这两个样本可以是不同类别的。
2025-08-06 17:36:25
151
原创 手都写麻了！研一、研二如何用三个月入门深度学习并写篇论文的一般流程，我做出来了！！
可以优先参考导师、师兄师姐正在做的内容，如果没有可借鉴的方向，也可以先读几篇综述论文，选定一个感兴趣的大方向，再细化到具体任务，比如图像分类、目标检测、语义分割，或是文本分类、情感分析、问答系统等。这里分享包含87个方向的2611篇人工智能论文，总共是有24个大的方向与63个细分方向，尽可能兼顾到了不同方向的同学，只要你要结合人工智能/机器学习/深度学习做交叉科研，那这份仓库你一定需要（可以选择性下载/转存自己研究方向的论文）↓↓↓。只要加入的模块能带来性能提升，就可以继续做消融实验，分析模块的有效性。
2025-08-04 15:17:06
300
原创 图解深度学习 - 数据蒸馏和知识蒸馏
它通过一系列层层相连的数据过滤器（即层layer），逐步对输入数据进行处理和精炼，从而实现渐进式的数据蒸馏（Data Distillation）。数据蒸馏通常关注于数据的处理和优化，旨在从原始数据集中提取出更具代表性和有用性的数据子集；知识蒸馏则是一种模型压缩和知识迁移的方法，旨在将大型教师模型中的知识转移到小型学生模型中。精炼学生模型：经过蒸馏训练后的学生模型，能够学习到教师模型的泛化能力，从而达到或接近教师模型的性能。蒸馏训练：利用教师模型提取出的知识，作为学生模型的训练目标进行训练。
2025-07-31 19:42:33
282
原创 深度学习入门教程（附详细解释笔记）
深度学习比机器学习要难，目前大家深度学习入门，部分同学是跟沐神的动手学习深度学习，还有部分同学就是看李宏毅老师的深度学习入门教程近期datawhale对李宏毅老师的教程进行了更加详细的解释和改编，让更多同学都能轻松看懂和学会深度学习深度学习入门不难，可以直接抄作业，按照下面的教程计划来就行。
2025-07-29 16:01:54
243
原创 AI大厂协议保障计划，包进大厂！
大厂私教 是根据多年行业人才数据的深度研究，基于目标公司的岗位胜任力标准要求，聘请头部IT科技公司（如腾讯、字节、阿里等头部互联网企业）在职的资深专家担任专属教练，为参加者提供具有结果保障制的带教服务（现在大厂私教班正在火热招生中，如果你是Java、AI、大数据语言，且想要进入大厂，却不知道怎么准备的同学们，不妨了解一下。，课程设计以大厂用人需求为方向，选择头部企业在职资深技术专家全程陪跑，提供可交付的教学结果，帮助你轻松实现“大厂梦”！协议保障：未拿目标大厂Offer，按协议退费！
2025-07-24 14:42:41
218
原创 深度学习研1、2，三个月水论文一般流程
另外想结合AI发文发刊，但不知道怎么做创新的同学，我们team磨练出了一套系统且专业的传统学科交叉AI科研入门方案，可带学生发paper，已迭代五次（持续迭代中），我们会根据你的研究方向来规划学习路径，并且根据你的实验数据分为了时序、图结构、影像三大实验室，详细学习规划可添加下方二维码。，只要对网络结构进行改进，首先弄明白代码的整个运行流程，在去定位到需要改进的部分，把这部分输入输出向量的类型、形状、含义弄清楚，然后就可以加一些模块，例如注意力机制模块、轻量化模块、频域模块、下采样模块等等。
2025-07-23 13:52:59
349
原创 AI研究生水论文心法
1、什么样的论文改进才叫创新？2、模型复现性能更差了怎么办？3、读研的继承问题。4、顶刊和水刊的意义5、老师期待你发一篇二区以上的论文去拿钱6、选导师、方向7、小论文一定要发，提高毕业通过率8、毕业论文9、水刊不如水会10、水论文如何找创新11、水论文如何洗稿，把别人的东西洗成自己的12、水论文的tricks13、读研的小tips14、期刊与大论文的创新15、水论文16、盲审17、水论文如何编出一个好故事18、开题报告：导师不敢和你说的开题报告写法。
2025-07-17 11:31:29
634
原创 99%的人不知道：机器学习入门只需这一门语言！
机器学习通常需要一定的编程能力。编程是机器学习算法的实现和应用的基础。在机器学习中，你需要使用编程语言（如Python、R等）来处理数据、实现算法和构建模型。编程能力使你能够对数据进行预处理、特征工程、模型训练和评估等操作。尽管有一些工具和框架可以简化机器学习的实现过程，但理解和掌握编程是非常有益的。编程能力可以帮助你更好地理解算法和模型的实现细节，允许你对其进行定制化和扩展，以满足具体的需求。因此，虽然不是绝对必需的，但在机器学习中具备一定的编程能力将使你能够更好地应用和实现机器学习算法。
2025-07-17 10:37:38
205
原创 为什么大厂都看重Kaggle竞赛？一文带你准备Kaggle！
打开各大厂算法岗招聘页面，“” 的要求屡见不鲜。在科技行业，Kaggle 竞赛成绩已成为数据科学家和 AI 工程师求职时的 “硬通货”。谷歌、微软、Meta 等大厂在招聘数据相关岗位时，常将 Kaggle 排名、Kernel 质量、竞赛成果作为核心筛选标准。
2025-07-05 09:42:22
268
原创 万字详解！一文带你搞明白注意力机制！！
注意力机制通过计算源语言文本中每个单词的重要性，并将这些信息合并到解码器的每一步中，从而允许模型在生成每个单词时“回顾”源语言文本的相关部分。注意力机制在这里的作用是在生成目标语言的每个单词时，动态地聚焦于源语言中相关的部分，这有助于捕捉长距离依赖关系，并提高翻译的准确性和流畅性。这种类型的注意力机制会输出一个概率分布，每个输入元素都有一个对应的权重，这些权重的和为1。即自注意力机制，这是一种特殊的注意力机制，它允许输入序列中的元素相互之间计算注意力权重，这在Transformer模型中得到了广泛应用。
2025-06-28 17:39:37
844
原创 这可能是最简单易懂的机器学习入门（小白必读）
收集数据更加简单，通过在你的家中保持网络连接的设备(如亚马逊回声)的通电和监听，像Amazon这样的公司收集关键的人口统计信息，将其传递给广告商，比如电视显示你正在观看的节目、你什么时候醒来或睡觉、有多少人住在你家。在接下来的几十年里，机器学习的进步遵循了同样的模式--一项技术突破导致了更新的、更复杂的计算机，通常是通过与专业的人类玩家玩战略游戏来测试的。从机器学习的概念，到机器学习的发展史，再到机器学习的各类算法，最后到机器学习的最新应用，十分详尽。在回归中，机器使用先前的(标记的)数据来预测未来。
2025-06-28 16:43:40
871
原创 这才是工业视觉缺陷检测的算法 最强的总结
如果原图很大，缺陷很小，使缺陷在原图中占比很小，比如点状的微小缺陷，可能会使图像在预处理缩放过程中，将缺陷丢失。由于工业相机拍摄的视野问题，会使整张图像除了目标区域外，还会包含很多无关的背景，这些无关的背景会干扰图像分类模型的训练，导致图像分类算法的准确率低，因此实际项目中，极少利用图像分类算法直接对整张图进行分类。这种算法应用有限，举个例子，做某品牌饮料瓶标签的缺陷检测，会利用方法①特征工程的技术识别部分缺陷类型，但也会利用模板匹配，通过预设一些标签图像模板去匹配待测图像，以判断标签是否有缺陷。
2025-06-24 14:57:17
569
原创 “搬砖”必备：自动驾驶计算机视觉（一）
《自动驾驶视觉技术入门指南》 本文介绍了自动驾驶系统工程师需要掌握的计算机视觉基础知识，作为感知系统的核心组成部分。作者强调系统化学习的重要性，建议读者避免零散教程，按照提供的专业学习路线和完整资料制定计划。文末提供人工智能多领域资料获取方式，可通过微信扫码或搜索指定账号免费领取，助力深度学习。
2025-06-10 11:08:39
177
原创 AR和VR中的计算机视觉
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 11:04:24
1033
原创 【深度学习】计算机视觉综述
计算机视觉（Computer Vision）又称机器视觉（Machine Vision），是一门让机器学会如何去“看”的学科，是深度学习技术的一个重要应用领域，被广泛应用到安防、工业质检和自动驾驶等场景。具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场景和故事，以此来模拟人脑视觉系统。因此，计算机视觉也通常被叫做机器视觉，其目的是建立能够从图像或者视频中“感知”信息的人工系统。计算机视觉的发展历程要从生物视觉讲起。
2025-06-10 11:01:11
700
原创 计算机视觉六大主要技术介绍
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 10:46:43
890
原创 计算机视觉：概述
计算机视觉（CV）是人工智能的核心分支，致力于让计算机具备图像识别与信息理解能力。本文作为CV系列首篇，概述了计算机视觉的基本概念与应用方向，并预告后续将分两篇深入讲解非学习型与学习型CV方法。作者强调系统性学习的重要性，反对零散教程，并提供了全套人工智能学习路线与资料包（可通过微信获取）。
2025-06-10 10:38:48
157
原创 从新手到专家，计算机视觉工程师的成长指南
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 10:35:41
856
原创 计算机视觉——让机器“看见”世界
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 10:32:35
830
原创 计算机视觉新手指南
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 10:25:10
933
原创 浅析计算机视觉研究方向：底层视觉、三维视觉、多模态和自动驾驶
底层视觉聚焦于图像的本质属性恢复与优化，包括去噪、超分辨率、暗光增强、压缩编码等任务。其核心在于逆问题求解与先验建模的结合。三维视觉涵盖三维重建、点云处理、场景理解等任务，核心挑战在于多模态数据融合与动态场景建模。多模态研究视觉与语言、语音、触觉等模态的联合理解与生成，核心在于跨模态对齐与知识迁移。自动驾驶需实现环境感知、决策规划、控制执行的闭环，核心矛盾在于安全性与泛化性的平衡。多模态代表通用AI的终极目标，但需攻克可解释性与跨模态对齐难题；自动驾驶处于量产临界点，端到端架构与安全类脑网络是技术制高点；
2025-06-10 10:20:18
833
原创 50个计算机视觉示例及应用
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 10:14:52
1131
原创 计算机视觉入门
计算机视觉是一门研究如何使机器“看”的科学。更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给一起检测的图像作为一个科学学科，计算机视觉研究相关的理论和技术，视图建立能够从图像或者多维数据中获取“信息”的人工智能系统。目前，非常火的VR、AR，3D处理等方向，都是计算机视觉的一部分。计算机视觉的应用无人驾驶无人安防人脸识别车辆车牌识别以图搜图VR/AR3D重构医学图像分析无人机其他。
2025-06-10 10:13:08
711
原创 干货汇总：一文读懂计算机视觉，干货满满记得收藏
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-10 10:10:24
914
原创 为什么大家都在劝退计算机视觉？
计算机视觉相关算法研发，包括但不限于人脸、图像、视频、文字等方向的视觉技术，如图像分类、图像分割,图像合成、目标跟踪、目标检测、图像检索、自然场景文本检测与识别、工业检测、视频分析、模型加速、模型压缩等;1.具备丰富的视频图像处理和分析、机器学习/深度学习等相关领域的研究和实践经验，动手能力强，能熟练运用caffe/pytorch/mxnet/tensorflow等深度学习工具之一解决问题;面对论文的难题，我们拥有资深的学术导师团队，他们来自各大高校及科研机构，拥有丰富的科研经验和深厚的学术功底。
2025-06-05 12:00:11
844
原创 当今计算机视觉领域的三大热点话题——2025 CVPR论文投稿反映该领域的演变趋势
CVPR 2025论文投稿量达13,008篇，同比增长13%，三大热点方向凸显：1）基于多视角与传感器的3D技术，受NeRF和Gaussian Splatting推动；2）图像与视频合成，支持多模态AI发展；3）多模态学习及视觉语言推理，成为最大投稿类别。会议录用率仅22%，强调研究质量优先。CVPR作为领域重要平台，平等展示各类机构成果，推动计算机视觉与AI技术向更智能、交互式方向发展。
2025-06-05 11:58:14
831
原创 计算机视觉四大基本任务(分类、定位、检测、分割)
深度学习在计算机视觉领域取得了重大突破，广泛应用于图像分类、目标定位、检测、语义分割和实例分割四大基础任务。文章介绍了卷积神经网络的核心结构（卷积层、池化层）及其工作原理，对比了AlexNet、VGG、ResNet等经典网络架构的特点。在目标检测方面，分析了R-CNN系列算法与YOLO、SSD等直接回归方法的区别与优势。语义分割部分阐述了全卷积网络和反卷积技术，实例分割则以Mask R-CNN为代表。文章还提供了计算机视觉的常用数据集（如ImageNet、COCO）和评估指标（mAP），为初学者系统梳理了深
2025-06-05 11:55:02
609
原创 计算机视觉六大主要技术介绍
计算机视觉是人工智能的重要分支，通过图像和视频信息实现物体识别、分类、跟踪等任务。本文介绍了六大核心技术：1）图像分类（基于色彩、纹理、形状等特征）；2）目标检测（Faster R-CNN等模型）；3）目标跟踪（相关滤波、粒子滤波等方法）；4）语义分割（FCN等像素级分类）；5）实例分割（Mask R-CNN等区分独立物体）；6）影像重建（深度学习提高图像质量）。这些技术广泛应用于自动驾驶、医疗诊断、工业检测等领域，推动人工智能发展。
2025-06-05 11:51:11
1045
原创 计算机视觉五大核心研究任务全解：分类识别、检测分割、人体分析、三维视觉、视频分析
计算机视觉是一门让机器具备视觉理解能力的学科，涵盖图像分类、目标检测、人体分析、3D重建和视频理解等核心任务。文章详细介绍了计算机视觉的定义、发展历程（从传统图像处理到深度学习革命），以及工业自动化、医疗诊断、自动驾驶等应用场景。重点阐述了五大核心任务的技术原理，包括图像分类的CNN模型、目标检测的YOLO算法、人体姿态估计的OpenPose、三维重建的SLAM技术，以及视频分析的3D卷积方法。最后探讨了无监督和自监督学习在视觉领域的应用前景，如对比学习和跨模态匹配。该领域正推动AI技术进步，在多个行业产生
2025-06-05 11:42:56
1154
原创 【深度学习】计算机视觉综述
计算机视觉（Computer Vision）又称机器视觉（Machine Vision），是一门让机器学会如何去“看”的学科，是深度学习技术的一个重要应用领域，被广泛应用到安防、工业质检和自动驾驶等场景。具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场景和故事，以此来模拟人脑视觉系统。因此，计算机视觉也通常被叫做机器视觉，其目的是建立能够从图像或者视频中“感知”信息的人工系统。计算机视觉的发展历程要从生物视觉讲起。
2025-06-05 11:38:47
949
原创 计算机视觉六大主要技术介绍
本文介绍了计算机视觉领域的六大核心技术：图像分类、目标检测、目标跟踪、语义分割、实例分割和影像重建。图像分类包含基于色彩、纹理、形状和空间关系等技术；目标检测采用Faster R-CNN、YOLO等模型；目标跟踪运用相关滤波和深度学习算法；语义分割使用FCN、U-Net等模型；实例分割结合目标检测与语义分割；影像重建采用插值、统计建模和深度学习方法。这些技术在智能制造、医疗诊断、自动驾驶等领域具有广泛应用，为人工智能发展奠定重要基础。文章还提供了相关学习资料获取方式。
2025-06-05 10:49:01
868
原创 什么是计算机视觉？它到底有多牛？
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-05 10:33:01
582
原创 计算机如何“看见”世界？计算机视觉与图像处理基础
计算机视觉赋予计算机感知和理解图像的能力，其发展经历了半个多世纪的演进。20世纪50年代开始探索图像处理，70年代出现早期计算机图形，80年代数字图像编辑兴起，90年代数字摄影普及。如今，深度学习推动计算机视觉实现突破性进展。图像处理分为模拟和数字两种形式，数字图像处理通过算法操纵像素，实现增强、恢复、压缩等功能，成为计算机视觉的基础。计算机视觉已广泛应用于医疗、自动驾驶、安防等领域，随着AI技术发展，未来将拓展更多可能性。学习计算机视觉需要系统的知识体系，建议通过专业课程和完整资料进行系统学习。
2025-06-05 10:18:54
842
原创 一文看懂工业视觉与计算机视觉的区别
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-05 10:16:33
326
原创 计算机视觉|技术赋能设计
计算机视觉技术在多个创新产品中得到应用，帮助解决实际问题。Devor盲人阅读仪通过算法将文字转化为盲文，让盲人能够自主阅读传统书籍；LUKA绘本机器人利用图像识别技术实现绘本自动朗读，提升儿童阅读体验；VisionAI借助立体摄像头和AI算法，为视障人士提供道路安全预警；Emart智能购物车整合计算机视觉和传感器技术，实现自助扫描和智能跟随功能。这些案例展示了计算机视觉在提升生活质量方面的多样化应用。该领域学习需要系统性资源，文中提供了相关学习资料的获取方式。
2025-06-05 10:12:37
935
原创 为什么图像处理如此困难
计算机视觉领域为何仍充满挑战？摘要：图像处理的核心挑战在于机器只能读取像素数值，而非理解图像内容。主要原因包括：1）海量数据处理难题，如高清视频每秒需处理1.8亿个像素数据；2）3D到2D投影导致的信息丢失；3）拍摄过程中的噪声干扰；4）机器缺乏人类对世界的先验认知。虽然窄域应用已获突破，但通用计算机视觉仍面临根本性困难，涉及感知、推理和理解等多层面问题，这解释了该领域持续开放的研究现状。（150字）
2025-06-05 09:51:15
889
原创 一文彻底搞懂卷积神经网络，从此不再迷茫！
最后说自己的两点感触吧：CNN在各种场景已经应用很成熟，网上资料特别多，原先自己也是略知一二，但是从来没有总结整理过，还是整理完之后心里比较踏实一些。切记理论加实践，实现一遍更踏实。如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-04 12:01:59
1139
原创 彻底搞懂一个算法，CNN！！
如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
2025-06-04 12:00:21
648
原创 关于卷积神经网络（CNN）的最直观解释
卷积神经网络（CNN）是一种在图像识别和分类领域表现卓越的神经网络，广泛应用于人脸识别、自动驾驶等场景。本文从LeNet起源到现代架构（如AlexNet、ResNet），详细解析了CNN的四个核心操作：卷积提取特征、ReLU引入非线性、池化降低维度、全连接层分类。通过可视化案例展示了CNN如何逐层学习图像特征（如边缘→形状→人脸），并以手写数字"8"为例演示了网络处理流程。文章强调CNN通过反向传播优化参数，最终实现高效分类。文末提供了学习资源获取方式，帮助读者系统掌握CNN技术。
2025-06-04 11:49:12
623
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人