HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
YOLACT : 首个实时one-stage实例分割模型,29.8mAP/33.5fps | ICCV 2019
<blockquote论文巧妙地基于onestage目标检测算法提出实时实例分割算法YOLACT,整体的架构设计十分轻量,在速度和效果上面达到很好的tradeoff。<br/ <br/来源:【晓飞的算法工程笔记】公众号</blockquote论文:YOLACT:Real
Github上Top20 Python与机器学习开源项目推荐
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/55fead91e1ae78f6bf8e3a18aab05e8e.png)以下内容由公众号:AIRX社区(国内领先的AI、AR、VR技术学习与交流平台)整理 Te
精选的AI和机器学习资源清单
本部分资源内容主要是国外的一些AI学习与开发内容,包括AI组织,视频课程,博客,书籍,YouTube频道,Quora,Github,书籍推荐,会议,研究链接,教程等。以下内容由公众号:AIRX社区(国内领先的AI、AR、VR技术学习与交流平台)整理组织机构有一些著名的
2019年度顶级开源机器学习项目
在这篇文章中,我们将着眼于一些在2019年由MyBridge排名的顶级开源机器学习项目。1、RealTimeVoiceCloning(13.7k⭐️)这个项目是SV2TTS论文的一个实现,带有一个实时工作的声码器。使用这个r你可以在5秒内克隆一个语音,从而实时生成任意语音。
php证件照换底色 php人像抠图 php换背景图
<pre<code<?php//背景图和原图需要保持宽高要保持一样,这里的示例原图用的是蓝色背景init();functioninit(){$old&39;1.png&39;;$new&39;2.png&39;;//创建一个png透
SMASH:经典One-Shot神经网络搜索,仅需单卡 | ICLR 2018
<blockquoteSMASH方法使用辅助网络生成次优权重来支持网络的快速测试,从结果来看,生成的权重与正常训练的权重在准确率上存在关联性,整体搜索速度很快,仅需要单卡进行搜索,提供了一个很好的新思路。<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论
可变形卷积系列(三) Deformable Kernels,创意满满的可变形卷积核 | ICLR 2020
<blockquote论文提出可变形卷积核(DK)来自适应有效感受域,每次进行卷积操作时都从原卷积中采样出新卷积,是一种新颖的可变形卷积的形式,从实验来看,是之前方法的一种有力的补充。<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:Deforma
可变形卷积系列(二) MSRA提出升级版DCNv2,变形能力更强 | CVPR 2019
<blockquote论文提出DCNv2,不仅对DCNv1的结构进行了改进,还使用了有效的蒸馏学习策略,使得性能有很大的提升,各个方面都值得借鉴<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:DeformableConvNetsv2:M
可变形卷积系列(一) 打破常规,MSRA提出DCNv1 | ICCV 2017 Oral
<blockquote论文提出可变形卷积帮助模型高效地学习几何变换能力,能够简单地应用到分类模型和检测模型中,思想新颖,效果显著,十分值得学习<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:DeformableConvolutionalN
商汤提出解偶检测中分类和定位分支的新方法TSD,COCO 51.2mAP | CVPR 2020
<blockquote目前很多研究表明目标检测中的分类分支和定位分支存在较大的偏差,论文从siblinghead改造入手,跳出常规的优化方向,提出TSD方法解决混合任务带来的内在冲突,从主干的proposal中学习不同的taskawareproposal,同时结合PC来保证TSD的性能,在C
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。