<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Gupao123的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Gupao123</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Gupao123]]></copyright><item><title><![CDATA[2025年小白入行计算机视觉，超详细学习路线！]]></title><link>https://blog.csdn.net/Gupao123/article/details/152166671</link><guid>https://blog.csdn.net/Gupao123/article/details/152166671</guid><author>Gupao123</author><pubDate>Sat, 27 Sep 2025 14:57:15 +0800</pubDate><description><![CDATA[入门（Computer Vision, CV）是一个系统化的过程，需要结合数学基础、编程技能、算法理解和项目实践。]]></description><category></category></item><item><title><![CDATA[深度学习不会缝合模块就死记这4种方法！！！]]></title><link>https://blog.csdn.net/Gupao123/article/details/151726821</link><guid>https://blog.csdn.net/Gupao123/article/details/151726821</guid><author>Gupao123</author><pubDate>Mon, 15 Sep 2025 21:52:27 +0800</pubDate><description><![CDATA[第一种：串行，将多个神经网络模块按顺序连接起来，形成一个统一的网络结构，它提供了一种相对简单直接的方法来整合多个网络模块，有助于提升模型的性能，同时保持了一定的灵活性，有串行连接、串行注意力机制、串行Transformer融合等等，是一种直接、粗暴的方法（典型案例：ResNet、DenseNet）第四种：多尺度融合，用于结合来自不同尺度的特征信息，优势在于能够同时捕捉到图像的细节信息和全局上下文信息，这对于许多视觉任务来说是非常重要，常见的有金字塔池化、金字塔注意力机制等等（典型案例：FPN、PAN）]]></description><category></category></item><item><title><![CDATA[深度学习不会特征融合就死记这6种方法！！！]]></title><link>https://blog.csdn.net/Gupao123/article/details/150431156</link><guid>https://blog.csdn.net/Gupao123/article/details/150431156</guid><author>Gupao123</author><pubDate>Fri, 15 Aug 2025 21:39:52 +0800</pubDate><description><![CDATA[具体做法是将特征图进行不同尺度的池化操作，生成多尺度特征图，并将多尺度特征图拼接在一起，形成一个综合的特征表示。6.反卷积，用于将高层特征上采样到与低层特征相同的分辨率，然后将两个特征图拼接在一起，从而得到更准确的分割结果，典型应用场景：分割任务中的FCN（Fully Convolutional Networks）典型应用场景：U-Net结构。对了，这里还整理了80多个即插即用的深度学习模块，能快速组合出各种设计好的模块，搭建出我们需要的模型，这样做不仅让建模速度提升，还保证了模型的创新性和有效性。]]></description><category></category></item><item><title><![CDATA[小米汽车这薪资是认真的吗？]]></title><link>https://blog.csdn.net/Gupao123/article/details/150424767</link><guid>https://blog.csdn.net/Gupao123/article/details/150424767</guid><author>Gupao123</author><pubDate>Fri, 15 Aug 2025 15:52:42 +0800</pubDate><description><![CDATA[一线城市互联网产业极度发达，那像小米这个薪资看起来就平平无奇，但是放在南京来看的话，相比之下那小米就还挺香。不是说它有多优秀，而是全靠同行衬托，所以有机会进的也就别挑三拣四了，毕竟人家规模在这里，另外又是技术大厂，该冲还得冲。整体来说，小米汽车这个薪资数据放在整个行业内来看谈不上惊艳，不过基本也在主流的水准中，可能同样也是主打一个性价比吧。水平打造，课程整体以项目为驱动，总200+案例实战，以及各领域10个大型企业级项目。课时，一课时一个小时，课程会随着互联网技术更新不断地递增，新增的内容都可以。]]></description><category></category></item><item><title><![CDATA[阿里巴巴十年AI算法工程师分享，会了这个知识点的人都去BAT了]]></title><link>https://blog.csdn.net/Gupao123/article/details/150017619</link><guid>https://blog.csdn.net/Gupao123/article/details/150017619</guid><author>Gupao123</author><pubDate>Thu, 07 Aug 2025 17:25:58 +0800</pubDate><description><![CDATA[人工智能已经成为了现代技术的重要组成部分，所以开发人员学习人工智能是非常必要的。人工智能是未来的趋势：人工智能已经成为了未来技术的趋势，它将会在各个领域发挥重要作用，包括医疗、金融、交通、教育等等。人工智能可以提高开发效率：人工智能可以自动化一些重复性的工作，比如数据分析、图像识别等等，这样可以提高开发效率，减少开发时间和成本。人工智能可以提高产品质量：人工智能可以通过分析数据和模式来预测和避免错误，从而提高产品的质量和可靠性。]]></description><category></category></item><item><title><![CDATA[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！！]]></title><link>https://blog.csdn.net/Gupao123/article/details/149976781</link><guid>https://blog.csdn.net/Gupao123/article/details/149976781</guid><author>Gupao123</author><pubDate>Wed, 06 Aug 2025 17:36:25 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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！！]]></title><link>https://blog.csdn.net/Gupao123/article/details/149906710</link><guid>https://blog.csdn.net/Gupao123/article/details/149906710</guid><author>Gupao123</author><pubDate>Mon, 04 Aug 2025 15:17:06 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[图解深度学习 - 数据蒸馏和知识蒸馏]]></title><link>https://blog.csdn.net/Gupao123/article/details/149812438</link><guid>https://blog.csdn.net/Gupao123/article/details/149812438</guid><author>Gupao123</author><pubDate>Thu, 31 Jul 2025 19:42:33 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[深度学习入门教程（附详细解释笔记）]]></title><link>https://blog.csdn.net/Gupao123/article/details/149749302</link><guid>https://blog.csdn.net/Gupao123/article/details/149749302</guid><author>Gupao123</author><pubDate>Tue, 29 Jul 2025 16:01:54 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[AI大厂协议保障计划，包进大厂！]]></title><link>https://blog.csdn.net/Gupao123/article/details/149604311</link><guid>https://blog.csdn.net/Gupao123/article/details/149604311</guid><author>Gupao123</author><pubDate>Thu, 24 Jul 2025 14:42:41 +0800</pubDate><description><![CDATA[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！]]></description><category></category></item><item><title><![CDATA[深度学习研1、2，三个月水论文一般流程]]></title><link>https://blog.csdn.net/Gupao123/article/details/149569307</link><guid>https://blog.csdn.net/Gupao123/article/details/149569307</guid><author>Gupao123</author><pubDate>Wed, 23 Jul 2025 13:52:59 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[AI研究生水论文心法]]></title><link>https://blog.csdn.net/Gupao123/article/details/149417789</link><guid>https://blog.csdn.net/Gupao123/article/details/149417789</guid><author>Gupao123</author><pubDate>Thu, 17 Jul 2025 11:31:29 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[99%的人不知道：机器学习入门只需这一门语言！]]></title><link>https://blog.csdn.net/Gupao123/article/details/149416018</link><guid>https://blog.csdn.net/Gupao123/article/details/149416018</guid><author>Gupao123</author><pubDate>Thu, 17 Jul 2025 10:37:38 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[为什么大厂都看重Kaggle竞赛？一文带你准备Kaggle！]]></title><link>https://blog.csdn.net/Gupao123/article/details/149132615</link><guid>https://blog.csdn.net/Gupao123/article/details/149132615</guid><author>Gupao123</author><pubDate>Sat, 05 Jul 2025 09:42:22 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[万字详解！一文带你搞明白注意力机制！！]]></title><link>https://blog.csdn.net/Gupao123/article/details/148979352</link><guid>https://blog.csdn.net/Gupao123/article/details/148979352</guid><author>Gupao123</author><pubDate>Sat, 28 Jun 2025 17:39:37 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[这可能是最简单易懂的机器学习入门（小白必读）]]></title><link>https://blog.csdn.net/Gupao123/article/details/148977381</link><guid>https://blog.csdn.net/Gupao123/article/details/148977381</guid><author>Gupao123</author><pubDate>Sat, 28 Jun 2025 16:43:40 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[这才是工业视觉缺陷检测的算法 最强的总结]]></title><link>https://blog.csdn.net/Gupao123/article/details/148871738</link><guid>https://blog.csdn.net/Gupao123/article/details/148871738</guid><author>Gupao123</author><pubDate>Tue, 24 Jun 2025 14:57:17 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[100K*15薪！现在CV的薪资是真的高...]]></title><link>https://blog.csdn.net/Gupao123/article/details/148586849</link><guid>https://blog.csdn.net/Gupao123/article/details/148586849</guid><author>Gupao123</author><pubDate>Sat, 21 Jun 2025 11:20:31 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[“搬砖”必备：自动驾驶计算机视觉（一）]]></title><link>https://blog.csdn.net/Gupao123/article/details/148556427</link><guid>https://blog.csdn.net/Gupao123/article/details/148556427</guid><author>Gupao123</author><pubDate>Tue, 10 Jun 2025 11:08:39 +0800</pubDate><description><![CDATA[《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。 ]]></description><category></category></item><item><title><![CDATA[AR和VR中的计算机视觉]]></title><link>https://blog.csdn.net/Gupao123/article/details/148556355</link><guid>https://blog.csdn.net/Gupao123/article/details/148556355</guid><author>Gupao123</author><pubDate>Tue, 10 Jun 2025 11:04:24 +0800</pubDate><description><![CDATA[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！]]></description><category></category></item></channel></rss>