AI论文阅读：DLIP—一种简单高效的VLP知识蒸馏框架
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
AI论文阅读：一种类U-Net架构的语义分割视觉Transformer—U-MixForme
...
AI论文阅读：关于CLIP的技术报告—为后续研究提供Baseline
...
AI论文阅读：用于医学图像分割的SCUNet++
...
迈向人工智能—论文阅读篇：ImageNet数据集论文
...
AI论文阅读：CLIP-TD-基于CLIP进行知识蒸馏，应用与多个V-L任务。
...
吃透多模态四大模型！计算机大佬带你一口气学会：CLIP BLIP VIT MLLM多模态底层逻辑！真的通俗易懂！带你真正的对话机器人！（人工智能、深度学习）
...
AI论文阅读：Fast-YOLO—一种可在嵌入式设备上运行的改进的YOLOV2
...
【全374集】2024最新清华内部版！终于把AI大模型（LLM）讲清楚了！全程干货讲解，通俗易懂，拿走不谢！
...
AI论文阅读：DistilBERT—知识蒸馏版的BERT
...
超全超简单！一口气刷完YOLO、SSD、Faster R-CNN、Fast R-CNN、Mask R-CNN、R-CNN等六大目标检测常用算法！真的比刷剧还爽！
...
AI论文阅读：LRFormer-使用Low-Resolution注意力的语义分割Transformer
...
【AI论文阅读】SAM2:将SAM扩展到视频领域
...
AI论文阅读:RepGhost—重参数加速CNN推理速度
...
Qt+FFMPEG打造yolov8部署平台。
...
AI论文阅读：利用高分辨率特征做分割和检测—HRNetv2
...
AI论文阅读：YOLOCS—对YOLOv5的backbone和head进行改进，有效涨点。
...
【AI论文阅读】BYOL:一种新的自监督学习方法
...
OpenWebUI+Ollama本地部署保姆级教程（非Docker），轻松搭建大语言模型！
...
论文阅读篇—EfficientViT：可在边缘计算设备上加速执行的ViT
...
【附源码+数据集】手把手教你基于PyTorch框架构建CNN卷积神经网络花卉图像识别模型实战，原理详解+项目实战，看完就能跑通！毕设/课设/深度学习/神经网络
...
AI论文阅读：OCFormer—用于One-Class图像分类的Transformer
...
LLM基础常见面试题（二十） -- 知识蒸馏专题
...
【Agent+RAG】10小时博士精讲AI Agent(人工智能体)系列—提示工程、文本大模型、GPT...
...
AI论文:使用简单方法改进自注意力，进而提升CLIP语义分割性能—SCLIP
...
AI论文阅读：NMS杀回来了，放宽DETR One-to-One的苛刻条件，加速收敛。
...
AI论文阅读：全面解读Chiness CLIP技术报告
...
神经网络必看！如何从零入门CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等！清华大佬一天就教会了我如何入门神经网络算法，绝对通俗易懂
...
【AI知识分享】上paperswithcode网站，了解特定数据集、特定任务上的SOTA
...
【对新手非常友好】三小时深度学习PyTorch快速入门！包教会你的！ --人工智能/深度学习/pytorch
...
【强到离谱】草履虫都能学会！OpenCV+YOLO 实时目标检测，计算机博士手把手带你做毕设！(深度学习/计算机视觉/YOLOlOpenCv)
...
【Simulink玩转AI】第四集：集成YOLOv7进行视频目标检测
...
B站首推！清华大佬168小时讲完的AI大模型教程，2024最新版，全程干货无废话！7天学完从小白变大佬！这还学不会我退出IT界！
...
【全748集】这绝对是2024最细最适合自学的AI大模型实战教程：提示词+应用框架+知识库+智能体+微调原理讲解+代码解析，草履虫都能轻松听懂！
...
为什么神经网络可以学习任何东西？首次使用动画讲解，带你吃透神经网络！（CNN卷积神经网络、RNN循环神经网络、GAN生成式对抗网络、人工智能、AI）
...
【墙裂推荐】25分钟搞定qwen大模型本地部署+微调法律大模型（只需5G内存）
...
深度学习论文阅读：PSUNet-OPPO出品，用于显著目标检测。
...
B站最全的【Transformer教程】中科院58集付费课程，最适合新手入门Transformer模型实战系列，绝对通俗易懂，允许白嫖！
...
【Simulink玩转AI】第一集：将AI模型集成到Simulink环境的方案
...
【Simulink玩转AI】第三集：Simulink集成YOLOv7进行目标检测
...
AI论文阅读:Transformer风格的CNN—Conv2Former