- 博客(107)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 高频谐振小信号放大器仿真分析
其主要用于无线电接收系统中高频和中频信号的放大，广泛应用于通信系统和其它无线电系统中，特别是在发射机的接收端，从天线上感应的信号是非常微弱的，这就需要用放大器将其放大。值得注意的是， 变化会引起Y参数的变化。通过这次实验，我进一步熟悉了Multisim 仿真软件的使用，进一步加强了用Multisim仿真软件观察高频小信号放大电路的静态工作点的仿真分析能力，更加熟悉了使用Multisim仿真软件观察高频小信号放大电路的时域波形的操作与方法，并熟悉了使用Multisim仿真软件，观察电路的幅频和相频响应。
2021-03-20 21:58:23
23600
2
原创 上手OpenMMLab——从零开始通过mmagic上手AIGC
通过学习和掌握MMagic的使用技巧，我们可以轻松地实现各种有趣的AIGC应用，并为人们的生活带来更多的便利和乐趣。然而，在使用MMagic的过程中，我们也需要注意合规性、隐私和安全等问题，确保技术的正确使用和可持续发展。通过学习和掌握MMagic的使用技巧，我们可以轻松地实现各种有趣的AIGC应用，并为人们的生活带来更多的便利和乐趣。通过条件生成，我们可以更精确地控制生成的内容，以满足特定的需求。开发者可以根据自己的需求，选择合适的模型作为基础，并进行进一步的训练和优化，以适应特定的应用场景。
2024-03-10 21:52:31
628
原创 看看新风向——游戏是人工智能研究的理想场景
这一点可以从游戏的“有限状态机”理论来理解。可以说大部分的游戏都可以看成一个“有限状态机”, 我们可以抽象地将游戏中的任何一个场景视为一个状态“S”， 在玩家执行一个操作（或者其它一定的条件）时，游戏转换为另一个抽象的状态S’。而游戏的内核，就是在玩家通过一系列的操作后，从最初始的状态转化成获胜的终止状态的过程。但是在游戏中，寻找有效状态(或者说在游戏中可以获胜的状态)通常都是博弈论的纳什平衡，计算的复杂度是非常之高的。
2024-03-07 15:53:48
1333
原创 Paddle上手实战——NLP经典cls任务“推特文本情感13分类”
Twitter推文具备多重特性，首要之处在于其与Facebook的显著区别——其完全基于文本形式，通过Twitter接口可轻松注册并下载，从而便于作为自然语言处理研究所需的语料库。此外，Twitter明确规定了每篇推文的长度上限为140个字符，实际推文的长短各异，但普遍偏短，部分推文甚至仅包含一个句子或短语，这增加了对其进行情感分类标注的复杂性和挑战性。再者，推文往往具有即兴性，内容中富含情感元素，口语化表达较为普遍，缩写和网络用语频繁出现，情绪符号、新词和俚语亦屡见不鲜，这使得其与正式文本存在显著区别。
2024-03-07 15:43:35
1552
原创 上手OpenMMLab——MMDetection讲解与实战
将类别名设置为 COCO 全部类别，那么其实就可以转变了常规的目标检测算法。(2) 图片+ 语言描述：There are a lot of cars here.[外链图片转存中…(img-9PBtIXnS-1700016796813)]上述输入是自然语言描述，因此等价于 Grounding Object Detection。
2023-11-15 10:53:37
421
原创 又一个大爆炸？Meta AI发布自监督Foundation Model——DINOv2，无需fine-tuning，支持多个下游任务，填补SAM分割领域外的空白
前段时间，Meta AI就高调发布了Segment Anything(SAM)，SAM以交互式方式k快速生成Mask，并可以对从未训练过的图片进行精准分割，可以根据文字提示或使用者点击进而圈出图像中的特定物体，其灵活性在图像分割领域内属首创。但是，归根到底SAM是一个promptable segmentation system，主要应用于各种分割任务，对其他的视觉任务(e.g. Classification, Retrieval,VQA…)的帮助没有那么直接。
2023-11-15 10:49:08
830
原创 上手最常用的CV模型分析方法——使用grad-cam对ViT的输出进行可视化
Vision Transformer (ViT) 作为现在CV中的主流backbone，它可以在图像分类任务上达到与卷积神经网络 (CNN) 相媲美甚至超越的性能。ViT 的核心思想是将输入图像划分为多个小块，然后将每个小块作为一个 token 输入到 Transformer 的编码器中，最终得到一个全局的类别 token 作为分类结果。ViT 的优势在于它可以更好地捕捉图像中的长距离依赖关系，而不需要使用复杂的卷积操作。
2023-11-15 10:42:37
1734
3
原创 看看新风向——人工智能为游戏带来提升
综上，不论是从游戏角度还是人工智能角度看，两者的结合都带来了许多机遇与挑战，同时两者也在互相影响中不断向前发展，可谓“天作之合”，我们有理由也有信心期待两者在未来的发展中取得更大的突破，为人类带来更多的欢乐。
2023-11-15 10:39:28
1136
2
原创 学习上手PyG——详解PyG中的ToSLIC变换
PyG是一个开源的Python库，用于深度学习任务中的图神经网络（GNN）建模和训练。该库包括多个GNN模型和与图相关的数据结构和算法。在本篇文章中，我将介绍PyG中的ToSLIC模块，它是一个用于图像分割的超像素分割算法。图像分割是计算机视觉领域的一个重要问题，它的目标是将图像分成若干个相似的区域，每个区域具有一定的语义信息。图像分割在许多领域都有应用，如医学影像、自动驾驶、图像检索等。超像素分割是一种常见的图像分割方法，它将图像中的像素划分为若干个相似的区域，这些区域被称为超像素。
2023-11-15 10:34:49
167
原创 Nougat来了，能否成为pdf格式转换的新神器？
总的来说，Nougat为我们提供了一种新的解决方案，可以将科学文献转化为机器可读的格式，从而提高了科学知识的可访问性和可搜索性。这款工具特别适用于学术界，尤其是那些需要频繁互动和转换学术文章和研究论文的研究人员和学者（科研打工仔）。通过Nougat，他们可以轻松地将包含复杂数学公式的PDF文件转换为其他格式，而不会丢失关键信息。这在很大程度上提高了研究效率和数据准确性。关于。
2023-10-24 21:49:13
237
原创 上手OpenMMLab——深度学习预训练与MMPretrain
MMPretrain 是一个全新升级的预训练开源算法框架，旨在提供各种强大的预训练主干网络， 并支持了不同的预训练策略。MMPretrain 源自著名的开源项目和MMSelfSup，并开发了许多令人兴奋的新功能。
2023-09-07 11:33:50
578
原创 入门深度学习你不得不关注的小知识：什么是HuggingFace？
总之，HuggingFace 是一个值得关注和尝试的 NLP 公司，它为我们提供了丰富的资源和机会，让我们可以更好地利用 NLP 技术来解决实际问题。如果你对 HuggingFace 感兴趣，你可以访问它们的官网 https://huggingface.co/ ，或者关注它们的 Twitter 账号 @huggingface ，获取更多的信息和更新。
2023-09-07 11:18:54
845
原创 看看新风向——基于深度学习的轨迹预测
轨迹预测的任务是给定一个物体的历史轨迹，即一系列的位置和速度信息，预测其在未来一段时间内的轨迹。这个任务可以看作是一个序列生成问题，即根据输入序列生成输出序列。为了解决这个问题，深度学习提供了一些强大的模型，如循环神经网络（RNN）、长短期记忆网络（LSTM）、注意力机制（Attention）、生成对抗网络（GAN）等。这些模型可以捕捉轨迹中的时序特征和非线性关系，以及考虑多种影响因素，如物体自身的动力学、周围环境的约束、其他物体的交互等。
2023-09-07 10:42:20
2144
原创 技术博客写作「个人经验分享」
技术博客是一种人人都能创作的在线文章，用于分享和讨论与技术相关的主题，如编程、网络安全、人工智能等。技术博客的作者不仅仅有专业的开发者、工程师、研究员，还包括众多对相关技术感兴趣的爱好者。技术博客一般的目的是传播知识、交流经验、展示创意、解决问题或者提高技能~ 技术博客的内容可以包括教程、案例分析、代码片段、产品评测、最新动态等😊。
2023-08-24 17:15:02
110
原创 上手OpenMMLab——实战MMPretrain
MMPretrain 是一个全新升级的预训练开源算法框架，旨在提供各种强大的预训练主干网络， 并支持了不同的预训练策略。MMPretrain 源自著名的开源项目和MMSelfSup，并开发了许多令人兴奋的新功能。
2023-06-19 11:17:59
813
原创 上手OpenMMLab——从0开始使用RTMPose关键点检测（足够本科课设的工作量）
数据集：Labelme标注数据集、整理标注格式至MS COCO目标检测：分别训练和目标检测模型、训练日志可视化、测试集评估、对图像、摄像头画面预测关键点检测：训练RTMPose-S关键点检测模型、训练日志可视化、测试集上评估、分别对“图像、视频、摄像头画面”预测模型终端部署：转ONNX格式，终端推理视频教程合集：https://space.bilibili.com/1900783/channel/collectiondetail?
2023-06-12 16:26:03
2347
原创 上手OpenMMLab——实战人体姿态估计与MMpose（可内化为课程设计）
人体姿态估计（Human Pose Estimation）是计算机视觉领域中的一个重要研究方向，也是计算机理解人类动作、行为必不可少的一步，人体姿态估计是指通过计算机算法在图像或视频中定位人体关键点，目前被广泛应用于动作检测、虚拟现实、人机交互、视频监控等诸多领域。最有趣：做cg动画，现在有很多工作是能够通过你的表情姿态，来驱动一个动画做很多有趣的东西2D Human Pose Estimation (以下简称 2D HPE) 旨在从图像或者视频中预测人体关节点（或称关键点，比如头，左手，右脚等）的二维空间
2023-06-02 15:56:42
771
原创 上手OpenMMLab——写在最前面：OpenMMLab概述
随着深度学习、计算机视觉等学科的发展，各大研究机构和公司陆续开源自己的深度学习框架，论文发表同时开源代码也成了行业内的习惯。无论身处什么领域，都可以站在OpenMMLab巨人肩膀上，使用开箱即用的模型开发自己的人工智能项目~首推的就是目标检测算法库MMDetection，它可以解决目标检测实例分割全景分割和目标追踪任务这是OpenMMLab在业界最有影响力的算法库，在github上有2万多star~OpenMMLab是开源算法体系，它已经提供了各个计算机视觉方向的大量开箱即用的预训练模型和算法。
2023-06-01 15:46:12
1205
原创 Swin Transformer: 论文十问&回答
论文：Swin Transformer: Hierarchical Vision Transformer using Shifted Windows.
2023-05-30 19:00:26
638
原创 如何在Colab中使用gpu资源（附使用MMdet推理示例）
当今，深度学习已经成为许多人感兴趣的话题，Google Colab（全称为Google Colaboratory）是Google推出的一个强大的云端 notebook，为开发者提供了一个免费的、轻便的云端开发环境，无需安装任何软件，只需要一个浏览器就可以运行。在Google Colab中，你可以轻松地创建、编辑和共享Jupyter notebook，其中包括Python代码和文本单元格。
2023-05-15 14:56:51
1413
1
原创 学习上手PyG——一个基于PyTorch的图神经网络库
图神经网络（GNN）是一种用于处理结构化数据的深度学习模型，它可以捕捉数据中的图形结构和特征信息，从而实现各种应用，如节点分类、图分类、链接预测、推荐系统等。然而，由于图数据的不规则性和复杂性，使用传统的深度学习框架（如TensorFlow或PyTorch）来实现GNN并不容易，需要编写大量的底层代码和优化算法。为了解决这个问题，PyTorch Geometric（简称PyG）应运而生。PyG是一个基于PyTorch构建的库，可轻松编写和训练GNN，用于与结构化数据相关的广泛应用。
2023-03-16 15:52:21
1578
原创 学习上手PyG——PyG中transform-概览
中的每条transform的操作进行简要的介绍，方便大家在使用的时候找到适合自身数据的变换。
2023-03-07 10:43:03
1127
原创 上手图像生成——DGP简析
• 本文提出了一种挖掘GAN中图像先验的方式，在多个任务上揭示了GAN作为一种通用图像先验的潜力• 首次将其应用于复杂图片的对抗防御• 提出了同时插值隐变量和生成器的图像渐变方法• 实验中DGP所展现出的强大的像素间空间关系模拟能力也十分有趣。
2022-10-23 15:41:54
758
2
原创 上手AIGC必读经典算法——寻找创新点-BigGAN
结论• 提升GAN网络的规模，能对生成图像的保真度和多样性都带来很大提升• 把基于ImageNet训练的GAN模型的生成能力提升到了新的阶段，大幅提高了SOA得分• 基于模型权重的奇异值，对训练的稳定性进行了表征和分析，讨论了稳定性和性能之间的相互影响升[外链图片转存中…(img-1lEdk7GS-1665106488450)]结论• 提升GAN网络的规模，能对生成图像的保真度和多样性都带来很大提升。
2022-10-07 09:35:38
878
1
原创 从Paddle上手目标检测：盘点最经典的two-stage模型（课设中应用最多）
相比于模型结构，相比之下如何对模型进行训练这一方面受到的关注比较少，但是其对于目标检测任务来说同样的重要。作者回顾了检测器的标准训练过程，发现了检测性能往往受到训练过程中不平衡的限制，而这种不平衡一般由三个层次组成：样本层（sample level）、特征层（feature level）和目标层（objective level）。为了解决这个问题，作者提出了Libra R-CNN，用来平衡训练过程。
2022-10-06 17:00:26
360
原创 上手AIGC必读经典算法——深入CGAN模型
提出了一个基于生成对抗网络的条件生成式模型在原模型基础上，会输入额外的数据作为条件在原模型基础上，对生成器和判别器都进行了修改在MNIST数据集上，新模型可以生成以数字类别标签为条件的手写数字图像新模型还可以用来做多模态学习，可以生成输入图像相关的描述标签•本文中显示的结果非常初步•展示了条件对抗网的潜力•展示了有趣并且有用的应用范围前景•提供更复杂的模型，对其性能和特征的更详细和彻底的分析•在多模态任务中，同时使用多个标签••。
2022-10-05 09:17:12
449
1
原创 上手AIGC必读经典算法——如何引入文本信息？来看 StackGAN
• 提出了堆叠的GAN网络，结合条件增强方法，能够生成照片级的图像• 其中阶段1的GAN网络根据给定的文本描述，来生成颜色和形状基本满足要求的草图• 阶段2的GAN网络，能够纠正阶段1结果的缺陷，并增加更多细节• 一系列实验显示，与现有的文本到图像方法相比，StackGAN能生成具有更高分辨率更多细节和多样性的目标图像• 提出了堆叠的GAN网络，结合条件增强方法，能够生成照片级的图像• 其中阶段1的GAN网络根据给定的文本描述，来生成颜色和形状基本满足要求的草图。
2022-10-04 11:46:46
529
1
原创 上手AIGC必读经典算法——什么是渐进式训练？《Progressive Growing of GANs for Improved Quality, Stability, and Variation》
使用渐进的方式来训练生成器和判别器：先从生成低分辨率图像开始，然后不断增加模型层数来提升生成图像的细节这个方法能加速模型训练并大幅提升训练稳定性，生成前所未有的的高质量图像（1024*1024）提出了一种简单的方法来增加生成图像的多样性介绍了几种限制生成器和判别器之间不健康竞争的技巧提出了一种评价GAN生成效果的新方法，包括对生成质量和多样性的衡量构建了一个CELEBA数据集的高清版本优点•ProGAN相比于更早的GAN网络，生成的质量普遍都很高•。
2022-10-04 09:11:21
318
1
原创 人工智能在游戏中的应用与未来展望
人工智能英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，在游戏中的应用也极为广泛，对玩家而言，游戏在玩法和开发上的拓展，能带来众多更有趣更精良的游戏；也会让体验变得更特别、更个性化、更令人回味。
2022-10-03 11:07:05
5154
1
原创 学习上手PyG——On the Unreasonable Effectiveness of Feature propagation in Learning on Graphs with Missing
论文地址：On the Unreasonable Effectiveness of Feature propagation in Learning on Graphs with Missing Node Features-ReadPaper论文阅读平台虽然图谱神经网络（GNNs）最近已经成为关系数据建模的事实标准，但它们对图的节点或边缘特征的可用性提出了一个强有力的假设。然而，在许多现实世界的应用中，特征只有部分可用；例如，在社交网络中，年龄和性别只有一小部分用户可用。我们提出了一种在图机器学习应用中处理缺
2022-10-02 16:34:30
332
1
原创 《信号与系统》实战-使用 MATLAB 进行生成数字音乐、生成乐器音乐、音乐处理与添加音乐特效（题解）
比如标准F调的do音基波频率是174.610Hz，按照十二平均律的算法112i+1i2 ff=×，7个乐音频率对应基波频率的倍数依次是：1、21/6、21/3、25/12、 27/12、23/4、211/12、2，即174.610Hz、195.993Hz、219.994Hz、233.076Hz、261.619Hz、293.657Hz、329.619Hz。音乐是基波频率和谐波频率合成的，从音乐中首先要准确提取出每个乐音的基波频率，以便推算其他各个乐音的相对的音高频率。而且可以轻松得到很高阶的滤波器。
2022-10-02 00:11:23
3227
原创 上手AIGC必读经典算法——生成图像质量改如何评价？
生成式对抗性网络是一类很有潜力的生成式模型，但迄今为止一直存在着训练不稳定和缺乏合适评价指标的问题，本文的工作提供了部分解决方案提出了几种提升训练稳定性的技术，使以前无法收敛的模型可以稳定训练提出的评价指标 Inception score 可以用来比较模型的生成效果将这些技术应用于半监督学习中，在多个数据集上取得了state-of-the-art希望在未来的工作中进行更严格的理论推导。
2022-10-01 09:30:35
759
1
原创 学习上手PyG ——算法准备：一种改进的图卷积网络半监督节点分类
目前大多数图卷积( GCN) 关注于提取局部特征信息，忽略了全局特征，使得标签不能有效地传播到整个图上。对此，设计一种可以用于半监督节点分类任务的深度池化对偶图神经网络( DPDNN)。该网络引入池化机制，将结构相似的节点聚合为超节点，扩大节点的接收域。通过随机游走得到图全局信息的潜在表示，使用随机游走模型与GCN 进行协同训练，从而补充GCN 模型在获取整个图拓扑结构信息上的能力。实验结果表明，该网络模型与现有方法相比提高了分类精度，在少量数据标记时效果更为明显。
2022-09-30 09:41:45
1034
2
原创 多媒体信息处理-重点知识-Chap 6. Image Retrieval&Chap 7. Video Retrieval
Chap 6. Image Retrieval&Chap 7. Video Retrieval
2022-09-29 16:27:25
454
原创 学习上手PyG - 直接 CREATING MESSAGE PASSING NETWORKS
将卷积运算符推广到不规则域通常表示为邻域聚合或消息传递方案。通过表示层中节点的节点特征和表示节点之间的（可选）边缘特征。
2022-09-28 09:03:45
584
2
计算机视觉 全景图像拼接、融合 基于Python+OpenCV实验代码
2023-01-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人