-
MotionFollower
MotionFollower是一款视频运动编辑的轻量级得分引导扩散模型,通过双分支架构设计实现对纹理细节和复杂背景的建模。其优势在于GPU内存使用减少、计算效率提高,并支持大范围摄像机运动和复杂动作的编辑。- 617
- 0
-
-
-
单目深度估计:Depth Anything的解决方案和评估
本文介绍了香港大学、字节、浙江实验室和浙江大学合作提出的Depth Anything解决方案,用于鲁棒单目深度估计。文章讨论了数据引擎收集和自动注释大规模未标记数据的方法,以及对深度估计模型的评估结果。- 205
- 0
-
-
MonoLSS: 学习型样本选择助力单目3D检测
本文介绍了MonoLSS方法,利用学习型样本选择和数据增强技术,提高了单目3D检测的性能,并在KITTI基准和Waymo数据集中取得了领先的结果。- 263
- 0
-
-
-
-
MixMatch: 一种综合的半监督学习方法
本文介绍了MixMatch,一种综合的半监督学习方法,融合了一致性正则和最小熵原则,以及数据增强方案,对无标注样本和有标注样本分别进行了处理,提高了模型的学习效果。- 249
- 0
-
数据扩增技术-Mixup操作原理与实现步骤
本文介绍了数据扩增技术中的一种重要方法-Mixup操作的原理和实现步骤,通过线性插值创建新样本以提高训练数据集的质量和数量,适用于人工智能领域的数据增强和模型训练。- 57
- 0
-
基于深度学习的玉米病害识别方法及代码实例
本文介绍了基于深度学习的玉米病害识别方法,包括数据集收集与预处理、卷积神经网络模型设计、模型训练与优化、模型评估与应用等技术深度,并提供了代码实例。- 433
- 0
-
-
SimpleCopyPaste 数据增强:提升实例分割模型性能的新方法
了解SimpleCopyPaste 数据增强方法,如何提升实例分割模型性能,混合数据增强的应用,以及EfficientNet-B7在COCO测试集上的表现。- 405
- 0
-
CutMix&Mixup详解与代码实战
本文详细解释了CutMix和Mixup这两种数据增强方式的原理和实现方法,包括混合label的核心思想、离线实现的代码以及区别比较。适合对目标检测和数据增强感兴趣的读者阅读。- 278
- 0
-
BERT 可微调参数和调参技巧
学习如何微调BERT模型的参数,以及调参技巧,包括学习率调整、批量大小调整、正则化调整、模型结构调整和数据增强。使用Ray Tune实现高效自动化超参数优化。- 248
- 0
-
-
如何利用LLM大规模自动生成instruction
本文介绍了如何使用LLM来大规模自动生成instruction,通过半自动的self-instruction过程,用于使用来自模型本身的指示信号对预训练的LM进行指令调整的方法。- 138
- 0
-
深度神经网络过拟合问题解决方法
本文介绍了深度神经网络过拟合问题的解决方法,主要包括数据增强技术和神经网络工具库的应用。通过对现有训练样本的增加和新样本的构建,可以有效缓解过拟合问题,提高模型的泛化能力。- 150
- 0
-
-
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!