摘要：
引子 Sora，2024年2月15日，OpenAI发布的人工智能文生视频大模型。支持60秒视频生成，震荡了国内国际学术圈、广告圈、AI教培圈。Sora最主要有三个优点：第一，“60s超长视频”，之前文本生成视频大模型一直无法真正突破AI视频的4秒连贯性瓶颈，而Sora直接做到了60秒连贯视频。第二， 阅读全文
摘要：
引子 作为YOLO的拥趸，之前一直没有太关注DETR，虽然知道效果很好。但是，巨大的计算开销，还是一直让我望而却步。然而，今天在翻阅CVPR2024的论文的时候，突然看到这么一篇《RT-DETR: DETRs Beat YOLOs on Real-time Object Detection》。嗯，它 阅读全文
摘要：
引子 最近在做之前工作的资料整理，无意间翻到基于图像处理的划痕检测文章，网址都失效了 。OK，让我们开始吧。网址：http://www.qualitymag.com/articles/91490-detecting-of-cracks-and-scratches 检测产品表面缺陷，诸如污点、龟裂和刮 阅读全文
摘要：
引子 对于CV从业者来说，YOLO系列是个绕不过的经典结构，笔者遥想当年YOLO横空出世的时候，Faster RCNN还是学术界目标检测的翘楚。二阶段检测还是大行其道，不过时至今日，估摸着没有人再提二阶段目标检测的结构了。YOLO系列也从1更新到了9，这新鲜出炉的v9版本，我也来凑个热闹（虽然没有前 阅读全文
摘要：
引子 近期，文生图，wav2lip很火，文生图，见识的太多，不多说了。wav2lip其通过语音驱动唇部动作并对视频质量进行修复，里面一般涉及到三个步骤，文本到语音转化，语音驱动唇部动作，图像质量修复。最后一步骤涉及到图像质量修复，考虑到之前做过基于GFP-GAN相关的工作，在此，总结汇总下。本文主要 阅读全文
摘要：
引子 近期接到一个文本中英互译的任务，一直以为这种翻译应该很成熟，各种商用版本很多。那么开源的一定也不少，经过网络搜索发现，近两年还真的出现了很多优秀的开源翻译项目。找到了赫尔辛基大学开源免费的多语言翻译模型，开发了1400多个多语种翻译模型。其中就包含了中译英和英译中。OK，那就让我们开始吧。 一 阅读全文
摘要：
引子 在深度学习CV领域，最初2012年突破的就是图像分类，发展这么多年，基本上已经没有什么进展了。此篇作为之前EfficientNet挽留过的总结，现在整理下，OK，让我们开始吧。 一、EfficientNet安装 1、pytorch版本网址：https://github.com/lukemela 阅读全文
摘要：
引子 最近手上接了一个活儿，基于文本语料的实体抽取任务，调研了一圈发现目前开源轮子做的比较好的也就是PaddleNLP（大模型那种巨废资源，且幻觉严重的，不予考虑）。OK，那就让我们开始吧。 一、命名实体识别概念 命名实体识别（Named EntitiesRecognition，NER）是自然语言处 阅读全文
摘要：
引子 国产AI芯片这个集合，一直想补充的完整点。故翻了翻陈年的笔记，找到当年使用瑞芯微电子出的一款芯片RV1126的使用笔记，当时拿到的是一款基于RV1126的IP摄像头，在此整理记录下。OK，让我们开始吧。 一、文档 首先拿到官方的SDK包，解压后，SDK文档目录：rv1109_1126_sdk\ 阅读全文
摘要：
引子 前文已经有一篇，华为服务器Atlas芯片的文章（https://www.cnblogs.com/nick-algorithmer/p/17943216）。熟悉AI的同学们一定知道，除了服务器端端训练推理。AI推理还有一部分是边端推理，各大芯片厂商都有推出边端推理芯片，凑巧，拿到一个一块很老的华 阅读全文