- 博客(16)
- 收藏
- 关注
RSS订阅原创 机器学习必看：95篇机器学习领域必读经典论文整理分享
机器学习及其相关领域，如深度学习、自然语言处理、计算机视觉、推荐系统、强化学习等领域最近几年非常火，每年各式各样的国际顶会，投稿数每年都会海量增加。要持续Follow这些领域最新的技术，刷遍各大会议最新会议非常费时费力，特别是对于刚入门的同学。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
2025-05-19 17:44:22
166
原创 为零基础及不同背景学习者设计的 人工智能全栈学习路线图
通过此路线图，学习者可从零基础逐步成长为具备技术落地能力的 AI 从业者。关键是保持 “理论学习→项目实战→复盘优化” 的闭环，每 3 个月设定可量化目标（如 “3 个月内用 LoRA 微调 Llama-2，在 WikiQA 数据集准确率达 85%”）。AI 领域技术迭代快，但核心数学与工程思维永不过时，坚持系统化学习与深度实践，必能在浪潮中占据先机。
2025-04-21 17:13:17
907
原创 从 0 到 1 转型 AI：突破技术壁垒的 5 大核心策略与实战路径
转型 AI 不是简单的技能迁移，而是认知框架的重构。从文科生到算法工程师，从传统行业到科技前沿，每一次跨越都需要勇气与智慧的双重加持。Depth：在细分领域成为专家（如医疗影像 AI）Width：构建跨学科知识体系（医学 + 计算机 + 伦理学）Depth：培养技术领导力（主导项目 + 带团队）未来十年，AI 将重构所有行业的底层逻辑。与其被动等待技术颠覆，不如主动拥抱变革。记住：不是 AI 在淘汰人类，而是掌握 AI 的人在淘汰不掌握 AI 的人。现在出发，你就是未来的 AI 领袖。
2025-04-21 17:10:59
908
原创 解决（几乎）所有机器学习问题的神书——Abhishek Thakur《Approaching (Almost) Any Machine Learning Problem》深度解析
Approaching (Almost) Any Machine Learning Problem》的价值在于将经验转化为可复用的方法论。它既不是算法百科全书，也不是竞赛攻略，而是一本 “如何思考” 的操作手册。对于想要突破 “调参困境”、构建系统化工程能力的数据从业者，这本书如同瑞士军刀般实用 —— 虽不能解决所有问题，但能在关键时刻提供最有效的工具组合。建议配合作者的 Kaggle kernels 和 YouTube 教程使用，形成 “理论 - 实践 - 复盘” 的闭环学习体系。
2025-04-21 17:08:40
1184
原创 CVPR2025 | SAM赋能多模态图像融合：让每一滴语义信息都发挥价值
提出的双层优化驱动蒸馏机制结合创新的三元组损失函数，在训练阶段将主网络中包含SAM语义知识的复杂表征有效转移到轻量级子网络，使得在实际推理时子网络能够独立运行而无需依赖计算密集型的SAM模型，大幅降低了计算复杂度，同时保持了卓越的融合性能，极大提高了模型在实际场景中的应用价值。通过充分利用SAM对分割任务的固有适应性（如图右下角所示），我们的方法不仅在理论上实现了"两全其美"——平衡视觉融合与任务性能，更确保了实际推理阶段的高效可行性，为多模态图像融合领域提供了新的技术范式。
2025-04-19 17:10:51
1047
原创 一文读懂计算机视觉，干货满满记得收藏
最简单的、最适合拿来入门的计算机视觉算法是：跟踪一个有颜色的物体，比如一个粉色的球，我们首先记下球的颜色，保存最中心像素的RGB值，然后给程序喂入图像，让程序找最接近这个颜色的像素。事实上，如果不是盲人这类特殊群体，绝大多数人对外界信息的获取都是通过视觉完成的，而这个占比高达80%以上——这个比例并不是没有根据的，著名实验心理学家赤瑞特拉（Treicher）曾通过大量的实验证实：人类获取的信息的83%来自视觉，11%来自听觉，剩下的6%来自嗅觉、触觉、味觉。所以，对于人类来说，视觉无疑是最重要的一种感觉。
2025-04-19 17:07:03
941
原创 一文看懂机器学习与深度学习——主要区别
结果基于这些权重与作为训练集馈送的对象的权重的接近程度。它还使用“奖励功能”，通过奖励期望的结果和惩罚错误的结果来实现自我学习。机器分析的数据越多，通过对未见过的事件或场景做出决策和预测，可以产生更准确的结果。——它是监督学习和无监督学习之间的中间层，展示了两个领域的功能。它可以给出部分标记数据的结果，并且不需要持续调整来给出准确的结果。– 与 CNN 不同，RNN 模型会重新访问之前的结果和数据点，以做出更准确的决策和预测。——它无需人工干预即可发现数据集中的模式和见解，并给出准确的结果。
2025-04-19 16:14:08
302
原创 斩获GitHub2.2k星！腾讯优图联合南京大学开源实时视频-语音交互大模型VITA-1.5
通过缓解模态之间的固有冲突，VITA-1.5 在视觉和语音理解方面实现了强大的能力，能够在不依赖于独立的 ASR 和 TTS 模块的情况下实现高效的 Speech-to-Speech 能力。：包括 LLaVA-150K、LLaVA-Mixture-sample、LVIS-Instruct、ScienceQA、ChatQA，以及从LLaVA-OV 中采样的子集（如一般图像问答和数学推理数据），用于训练模型回答基于图像的问题，并执行视觉推理任务。在 VITA-1.5 的推理阶段，仅使用 Codec 的解码器。
2025-04-18 17:35:09
657
原创 超实用的Transformer项目实战！从原理到代码全解析，学完从毕设到Kaggle竞赛完全可搞定！
在 Transformer 横空出世前，自然语言处理（NLP）领域就已历经了诸多探索。早期，人们试图通过制定复杂的语法规则，让计算机理解和处理语言。然而，自然语言灵活多变，规则模型就像被戴上了沉重枷锁，面对稍复杂的句子便束手无策。随后，基于统计方法的模型出现，它们通过分析大量文本数据中的统计规律来处理语言，相比规则模型有了明显进步。但这类模型在捕捉长距离语义依赖关系时存在短板。以 “” 为例，模型很难精准把握 “那” 与 “故事” 的指代关联。
2025-04-18 17:29:17
637
原创 PyTorch终极进化！3天吃透「深度学习+大模型+AIGC」实战闭环 学完直接干掉80%调包侠
福利说明：扫码后添加群主微信，回复「pytorch」即可领取全部资源！
2025-04-18 17:25:48
917
原创 看见未来，感知未来：统一驾驶世界模型UniFuture
此外，为了增强图像和深度之间的交互，研究团队设计了多尺度交互机制（MLI），在多个尺度上优化图像和深度之间的相互作用，确保最终生成的图像不仅视觉真实，而且能准确预测空间关系，促进了高一致性的未来图像-深度生成。该模型不仅能够生成逼真的未来场景，还能提供高精度的未来深度感知，确保场景的视觉一致性和几何一致性，并体现出了具备构造4D 世界模型的潜力，为自动驾驶系统的决策和规划提供了强有力的支持。：UniFuture通过图像生成和深度感知的结合，不仅提升了生成图像的视觉质量，还确保了深度预测的几何一致性。
2025-04-17 17:43:54
921
原创 CVPR 2025 | 拿下多个第一！MonSter：双目深度估计大模型
本文介绍了MonSter，一种用于立体深度估计的基础模型，旨在利用单目深度估计和立体匹配的互补优势，解决现有立体匹配方法难以处理匹配线索有限的不适定区域，如遮挡、无纹理、细结构、反光等区域，在提升精度的同时增强泛化性能。基于这些见解，我们提出了MonSter，这是一种将立体匹配分解为单目深度估计和逐像素尺度-偏移恢复的新方法，它充分结合了单目和立体算法的优点，克服了缺乏匹配线索的局限性。我们还证明了我们方法的高效性，当使用我们的框架时，仅需要4次迭代就可以达到相比baseline更高的精度，推理速度更快。
2025-04-17 17:38:40
880
原创 何恺明ResNet登顶！Transformer上榜，Nature揭秘21世纪引量用最多的论文
其他软件论文，如排名第十五的scikit-learn（Python机器学习库）和排名第十八的DESeq2（RNA测序分析），因其开源和易用性，成为科学家不可或缺的工具。此外，2017年谷歌发表的Attention is all you need排位列七，论文中提出了著名的Transformer架构，成为ChatGPT等大模型的核心。然而，令人意外的是，那些广为人知的科学发现：从mRNA疫苗和CRISPR基因编辑技术，到希格斯玻色子的发现和引力波的首次测量，并没有出现在这些入选的论文中。
2025-04-17 17:36:06
937
原创 《Python 神经网络编程》：零基础入门神经网络的实战指南
Python 神经网络编程》是一本难得的 “零基础实战指南”，通过 “理论讲解 + 代码实现 + 实验优化” 的闭环，让复杂的神经网络技术变得通俗易懂。无论你是想入门 AI 的小白，还是希望亲手搭建第一个智能模型的爱好者，这本书都能为你提供清晰的路径和实用的工具，助力你在神经网络的世界中迈出坚实的第一步。《Python 神经网络编程》：零基础入门神经网络的实战指南t=P1C7t=P1C7t=P1C7。
2025-04-16 17:30:07
738
原创 惊爆！调参黑科技曝光，导师为何刻意隐瞒？错过再等一年
当你深入深度学习，调参却成 “拦路虎”。学习率、权重系数等参数稍调不对，模型就 “罢工”，最优参数组合更是难寻。花大量时间调参，模型准确率却 “原地踏步”，过拟合、欠拟合还常来捣乱，不禁让人感叹：调参咋这么难？神经网络架构复杂，参数设置变化无穷，尝试新组合不仅耗费资源，效果还不理想，调参痛点亟待破解。今天就和大家好好聊聊调参这件事。本章节内容颇为丰富，我们会以多篇文章的形式，逐一展开讲述。接下来，为大家呈现关于深度学习调参指南的内容导图。在正式开始之前，我把我们整理的。
2025-04-15 11:22:09
1558
原创 CVPR 2025｜腾讯优图实验室22篇论文入选，含深度伪造检测、自回归视觉生成、多模态大语言模型等研究方向
配套资料：公众号：AI技术星球，回复：999 拿！！！近日， CVPR 2025（IEEE/CVF Conferenceon on Computer Vision and Pattern Recognition）论文录用结果揭晓，本次大会共2878篇被录用，录用率为22.1%。CVPR是计算机视觉领域的顶级国际会议，CCF A类会议，每年举办一次。CVPR 2025将于6月11日-15日，在美国田纳西州纳什维尔音乐城市中心召开。今年，腾讯优图实验室共有22篇论文入选，内容涵盖深度伪造检测、自回归视觉生成、
2025-04-14 17:04:46
2304
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