集上专题

在自己的数据集上测试coco评价指标——以Mar20为例

参考： 1.在自己的数据集上调用cocoapi计算map 2. COCO Result Format 3.COCO result json 之前的模型都是在COCO数据集上训练，数据集的标注以及结果的生成格式都是按照官方的格式组织的，调用cocoapi和官方下载的instance_val2017.json计算就可以了。现在需要在其他数据集上测试map等指标，这些图片都是标注好的，但是格式和coc

入门指南-因子分解机及其在大数据集上的应用（含Python代码）

作者：ANKIT CHOUDHARY 编译：ronghuaiyang 上回我们对FM的论文原文进行了精读，今天我们就来看一下，究竟如何在实际的数据集上使用FM算法，今天的文章中还提到了FFM算法，是对FM算法的一个改进，我们会在后续的文章中同样对FFM论文进行精读。今天的文章有算法还有代码，不可错过！干货开始！摘要：我依然记得我第一次遇到点击率预测的问题的时候的情景。在此之前，我学

如何通过理解数据在自定义数据集上逐步提升物体检测模型效果

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者：Tushar Kolhe 编译：ronghuaiyang 导读以监控摄像头数据集的人体检测模型为例，说明了如何通过对数据的理解来逐步提升模型的效果，不对模型做任何改动，将mAP从0.46提升到了0.79。介绍目标检测能够完成许多视觉任务，如实例分割、姿态估计、跟踪和动作识别。这些计算机视觉任务在监控、自动驾驶和视觉问

联邦学习在non-iid数据集上的划分和训练——从零开始实现

虽然网上已经有了很多关于Dirichlet分布进行数据划分的原理和方法介绍，但是整个完整的联邦学习过程还是少有人分享。今天就从零开始实现加载FashionMNIST数据集 import torchfrom torchvision import datasets, transforms# 定义数据转换transform = transforms.Compose([transforms.To

【深度学习】IMDB数据集上电影评论二分类

任务描述根据电影评论的文字内容来将电影划分为正面或者负面。 IMDB数据集 50000条两级分化的评论。正面负面各为50%。 # 加载数据from keras.datasets import imdb(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) # 仅保留训

【多模态】30、GPT4V_OCR | GPT4V 在 OCR 数据集上效果测评

文章目录一、背景二、测评2.1 场景文本识别2.2 首先文本识别2.3 手写数学公式识别2.4 图表结构识别（不考虑单元格中的文本内容）2.5 从内容丰富的文档中抽取信息三、讨论论文：EXPLORING OCR CAPABILITIES OF GPT-4V(ISION) : A QUANTITATIVE AND IN-DEPTH EVALUATION 代码：https

使用QLoRA在自定义数据集上finetuning 大模型 LLAMA3 的数据比对分析

概述：大型语言模型（LLM）展示了先进的功能和复杂的解决方案，使自然语言处理领域发生了革命性的变化。这些模型经过广泛的文本数据集训练，在文本生成、翻译、摘要和问答等任务中表现出色。尽管LLM具有强大的功能，但它可能并不总是与特定的任务或领域保持一致。什么是LLM微调？微调LLM涉及对预先存在的模型进行额外的训练，该模型之前使用较小的特定领域数据集从广泛的数据集中获取了模式和特征。在“L

使用立体视觉作为 3D LiDAR 的替代方案，在 KITTI ADAS 立体视觉数据集上微调立体变换器 (STTR) 模型-含数据集+源码资料下载

为什么是立体视觉？ ADAS 立体视觉是指使用两个摄像头（类似于人眼）从略有不同的角度捕获图像的技术。该设置模仿人类双眼视觉，使系统能够感知环境的深度和 3D 结构。立体视觉的关键技术方面 ADAS 立体视觉具有多种优势和高度复杂的功能。让我们探索它们以更好地理解：对极几何和深度估计：立体视觉依赖于对极几何，这是计算机视觉中的一个基本概念，描述了立体设置的两个视图之间的几何关系。通过

使用向量检索和rerank 在RAG数据集上实验评估hit_rate和mrr

文章目录背景简介代码实现自定义检索器向量检索实验向量检索和rerank 实验代码开源背景在前面部分大模型生成RAG评估数据集并计算hit_rate 和 mrr 介绍了使用大模型生成RAG评估数据集与评估；在上文使用到了BM25 关键词检索器。接下来，想利用向量检索器测试一下在RAG评估数据集上的 hit_rate 和 mrr；简介使用向量检索和 r

图像分类实战：深度学习在CIFAR-10数据集上的应用

1.前言图像分类是计算机视觉领域的一个核心任务，算法能够自动识别图像中的物体或场景，并将其归类到预定义的类别中。近年来，深度学习技术的发展极大地推动了图像分类领域的进步。CIFAR-10数据集作为计算机视觉领域的一个经典小型数据集，为研究者提供了一个理想的实验平台，用于验证和比较不同的图像分类算法。本文将介绍CIFAR-10数据集的基本情况和加载方法，并展示如何构建与训练一个卷

经典神经网络(6)ResNet及其在Fashion-MNIST数据集上的应用

经典神经网络(6)ResNet及其在Fashion-MNIST数据集上的应用 1 ResNet的简述 ResNet 提出了一种残差学习框架来解决网络退化问题，从而训练更深的网络。这种框架可以结合已有的各种网络结构，充分发挥二者的优势。 ResNet以三种方式挑战了传统的神经网络架构： ResNet 通过引入跳跃连接来绕过残差层，这允许数据直接流向任何后续层。这与传统的、顺序的pipel

【目标检测算法实现之yolov5】二、使用yolov5在VisDrone2019数据集上训练并测试

目录 0.准备Yolov5环境配置下载预训练权重VisDrone数据集准备数据集下载数据集处理 1.训练修改配置文件修改VisDrone.yaml文件修改yolov5s.yaml文件（若训练其他yolo网络修改相应的yaml文件即可）修改train.py文件开始训练 2.验证修改配置文件开始测试 0.准备 Yolov5环境配置参考上一篇博客，如下：将YOLOv5成功部署

从零开始在kitti数据集上训练yolov5

0.准备工作 0.1 在kitti官网下载kitti数据集 KITTI官网：https://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=2d 只需要下载图片和标签解压后应该有一个training和和testing文件夹，training文件夹下应该有一个image_2文件夹和一个label_2文件夹，分别对应训练集

数据结构实践——大数据集上排序算法性能的体验

本文是针对[数据结构基础系列(9)：排序]的实践项目。【项目 - 大数据集上排序算法性能的体验】设计一个函数，产生一个至少5万条记录的数据集合。在同一数据集上，用直接插入排序、冒泡排序、快速排序、直接选择排序、堆排序、归并排序、基数排序等算法进行排序，记录所需要的时间，经过对比，得到对复杂度不同的各种算法在运行时间方面的感性认识。提示1：这一项目需要整合多种排序算法，可以考虑先建设排

【模型复现】自制数据集上复现目标检测域自适应 SSDA-YOLO

【模型复现】自制数据集上复现目标检测域自适应 SSDA-YOLO 1. 环境安装2. 数据集制作2.1 数据准备2.2 数据结构 3. 模型训练3.1 数据文件配置3.2 训练超参数配置3.3 模型训练 4. 模型验证4.1 验证超参数配置4.2 模型验证 5. 模型推理5.1 推理超参数配置5.2 模型推理 6. 踩坑记录6.1 AssertionError: train_target_r

【视觉算法系列3】在自定义数据集上训练 YOLO NAS（下篇）

提示：免费获取本文涉及的完整代码与数据集，请添加微信peaeci122 YOLO-NAS是目前最新的YOLO目标检测模型，它在准确性方面击败了所有其他 YOLO 模型。与之前的 YOLO 模型相比，预训练的 YOLO-NAS 模型能够以更高的准确度检测更多目标。如何在自定义数据集上训练 YOLO NAS？这将是我这两篇文章的目标。目录： 1、用于训练 YOLO NAS 的物体检测数

在农业数据集上运行VINS-fusion

文章目录配置VINS-fusion环境下载数据集单目+IMU双目+IMU 配置VINS-fusion环境参考这篇博客。下载数据集 github: https://github.com/ucr-robotics/citrus-farm-dataset 官方给出了两种网盘下载方式谷歌网盘： https://drive.google.com/drive/folders/12

[Python] 什么是逻辑回归模型？使用scikit-learn中的LogisticRegression来解决乳腺癌数据集上的二分类问题

什么是线性回归和逻辑回归？线性回归是一种用于解决回归问题的统计模型。它通过建立自变量（或特征）与因变量之间的线性关系来预测连续数值的输出。线性回归的目标是找到一条直线（或超平面），使得预测值与观察值之间的残差（误差）最小化。这条直线或超平面可以用来表示输入变量与输出变量之间的关系。线性回归假设输入特征与输出之间存在线性关系，并且残差服从正态分布。线性回归适用于预测和推断，常见应用包括房价预测、

CV】keras_resnet 在cifar10数据集上分类

码农有道 2020-06-01 14:29:17 510 收藏展开文章目录 1.导入库 2.数据准备 2.1 加载训练集 2.2 加载测试集 2.3 对类别做One-Hot编码 2.4 对图片像素的0-255值做归一化，并减去均值 3.搭建神经网络 3.1 定义函数resnet_layer，返回值是经过resnet_layer计算的结果 3.2 定义函数resnet_v1，返回值是模

deeplab v3+在pascal_voc 2012数据集上进行训练

概述前边我曾经写了一篇名为《语义分割之deeplab v3+ 》的文章，在那篇文章中我主要讲了deeplab v3+的原理--当然主要也就是论文上边的内容。因此在开始阅读本篇文章之前，建议首先阅读一下上边那篇文章。本文我主要讲环境搭建以及pascal_voc_2012的训练以及可视化相关的内容。关于deeplab v3+迁移学习部分的内容--即如何使用deeplab v3+训练自己的个人数据

使用mysqldump ftp将备份集上传到远端服务器

以下是我以前的一个mysqldump备份脚本，将备份集打包ftp传到异地服务器上，脚本修改路径即可。将其放在crontab下。 #!/bin/shlogfile=/backup/backup.logLOCALHOST_IP=$(/sbin/ifconfig |grep 'inet addr' |cut -d':' -f2 |cut -d' ' -f1 |egrep "^10\.176\

python机器学习之支持向量机——探索核函数在不同数据集上的表现

探索核函数在不同数据集上的表现核函数： ** 导入所需要的库和模块** import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapfrom sklearn import svm#from sklearn.svm import SVC 两者都可以from

如何用tensorflow中的object detection API来训练自己的数据集上的目标检测器

这仍然是一个学习记录博~欢迎讨论安装tensorflow object detection API 首先当然是要先安装tensorflow object detection API啦，网上有很多教程可以参考，比如：Ubuntu 16.04下安装TensorFlow Object Detection API(对象检测API) P.S. 安装时需要注意的就是tensorflow-gpu的版本问

【机器学习】MNIST数据集上的python读取和使用操作

MNIST手写字符数据集由LeCun大神提出。该数据集在机器学习中就相当于程序中的“Hello World”的存在。由于这个数据集可以很好测试我们的一些分类算法，本博客将对该数据集的读取操作等进行解释 MNIST官网: http://yann.lecun.com/exdb/mnist/ MNIST数据集主要由下面四个ubyte文件组成：其中train_images_idx3_ubyte

在很多nlp数据集上超越tinybert 的新架构nlp神经网络模型

在很多nlp数据集上超越tinybert 的新架构nlp神经网络模型网络结构图测试代码网络结构图测试代码 import paddleimport numpy as npimport pandas as pdfrom tqdm import tqdmclass FeedFroward(paddle.nn.Layer):

【UCAS自然语言处理作业二】训练FFN, RNN, Attention机制的语言模型，并计算测试集上的PPL

文章目录前言前馈神经网络数据组织Dataset网络结构训练超参设置 RNN数据组织&Dataset网络结构训练超参设置注意力网络数据组织&Dataset网络结构Attention部分完整模型训练部分超参设置结果与分析训练集Loss测试集PPL 前言本次实验主要针对前馈神经网络，RNN，以及基于注意力机制的网络学习语言建模任务，并在测试集上计算不同语言模型的PPL P