摘要：首届“域见杯”医检AI开发者大赛精彩落幕。8月24日，由广州市科学技术局指导，金域医学和华为云共同打造的中国第三方医检行业首个开发者大赛——“域见杯”医检人工智能开发者大赛总决赛在广州举行。从全球405支参赛队伍中脱颖而出的10支战队，进行了现场答辩，角逐最终大奖。大赛精彩落幕，但业界对医检AI的探索永不止步。在总决赛现场，金域医学与华南理工大学合作建设的智能医疗大数据联合实验室宣布挂牌成立。这也是全国第三方医检领域首家人工智能联合实验室，将聚焦医检AI的“卡脖子”问题，积极促进临床医学和信息学科交叉领域科技成果转化应用，推动医检AI人才建设和产业发展。广州市政协副主席、广州市科学技术局
文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。本人水平有限，文章如有问题，欢迎及时指出。如果看完文章有所收获，一定要先点赞后收藏。毕竟，赠人玫瑰，手有余香。一，ScaledYOLOv4摘要1，介绍2，相关工作2.1，模型缩放3，模型缩放原则3.1，模型缩放的常规原则3.2，为低端设备缩放的tiny模型3.3，为高端设备缩放的Large模型4，Scaled-YOLOv44.1，CSP-izedYOLOv44.2，YOLOv4-tiny4.3，YOLOv4-large5，实验总结Reference参考资料一，ScaledYOLOv4ScaledYOLOv4
文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。本人水平有限，文章如有问题，欢迎及时指出。如果看完文章有所收获，一定要先点赞后收藏。毕竟，赠人玫瑰，手有余香。一，ScaledYOLOv4摘要1，介绍2，相关工作2.1，模型缩放3，模型缩放原则3.1，模型缩放的常规原则3.2，为低端设备缩放的tiny模型3.3，为高端设备缩放的Large模型4，Scaled-YOLOv44.1，CSP-izedYOLOv44.2，YOLOv4-tiny4.3，YOLOv4-large5，实验总结Reference参考资料一，ScaledYOLOv4ScaledYOLOv4
文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。本人水平有限，文章如有问题，欢迎及时指出。如果看完文章有所收获，一定要先点赞后收藏。毕竟，赠人玫瑰，手有余香。一，YOLOv1Abstract1.Introduction2.UnifiedDetectron2.1.NetworkDesign2.2Training2.4.Inferences4.1ComparisontoOtherReal-TimeSystems5，代码实现思考二，YOLOv2摘要YOLOv2的改进1，中心坐标位置预测的改进2，1个gird只能对应一个目标的改进3，backbone的改进4，多
文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。本人水平有限，文章如有问题，欢迎及时指出。如果看完文章有所收获，一定要先点赞后收藏。毕竟，赠人玫瑰，手有余香。一，YOLOv1Abstract1.Introduction2.UnifiedDetectron2.1.NetworkDesign2.2Training2.4.Inferences4.1ComparisontoOtherReal-TimeSystems5，代码实现思考二，YOLOv2摘要YOLOv2的改进1，中心坐标位置预测的改进2，1个gird只能对应一个目标的改进3，backbone的改进4，多
本系列Netty源码解析文章基于4.1.56.Final版本大家第一眼看到这幅流程图，是不是脑瓜子嗡嗡的呢？大家先不要惊慌，问题不大，本文笔者的目的就是要让大家清晰的理解这幅流程图，从而深刻的理解NettyReactor的启动全流程，包括其中涉及到的各种代码设计实现细节。在上篇文章《聊聊Netty那些事儿之Reactor在Netty中的实现(创建篇)》中我们详细介绍了Netty服务端核心引擎组件主从Reactor组模型NioEventLoopGroup以及Reactor模型NioEventLoop的创建过程。最终我们得到了nettyReactor模型的运行骨架如下：现在Netty服务端程序的骨
本系列Netty源码解析文章基于4.1.56.Final版本大家第一眼看到这幅流程图，是不是脑瓜子嗡嗡的呢？大家先不要惊慌，问题不大，本文笔者的目的就是要让大家清晰的理解这幅流程图，从而深刻的理解NettyReactor的启动全流程，包括其中涉及到的各种代码设计实现细节。在上篇文章《聊聊Netty那些事儿之Reactor在Netty中的实现(创建篇)》中我们详细介绍了Netty服务端核心引擎组件主从Reactor组模型NioEventLoopGroup以及Reactor模型NioEventLoop的创建过程。最终我们得到了nettyReactor模型的运行骨架如下：现在Netty服务端程序的骨
一，理论基础-相机与图像1.1，单目相机介绍1.2，针孔相机模型1.3，坐标系间的欧式变换1.4，世界坐标与像素坐标的转换1.5，三维旋转：欧拉角、旋转矩阵之间的转换二，单目3D目标检测概述2.1，3D目标检测算法介绍2.2，单目3D目标检测算法概述2.3，无人驾驶中的3D目标检测任务2.4，无人驾驶中的3D目标检测的难点三，主流单目3D检测算法3.1，Deep3Dbox算法介绍3.2，DeepMANTA算法介绍3.3，GS3D算法介绍3.4，M3D-RPN算法介绍四，总结参考资料一，理论基础-相机与图像相机将三维世界中的坐标点（单位为米）映射到二维图像平面（单位为像素）的过程能够用一个几何模
一，理论基础-相机与图像1.1，单目相机介绍1.2，针孔相机模型1.3，坐标系间的欧式变换1.4，世界坐标与像素坐标的转换1.5，三维旋转：欧拉角、旋转矩阵之间的转换二，单目3D目标检测概述2.1，3D目标检测算法介绍2.2，单目3D目标检测算法概述2.3，无人驾驶中的3D目标检测任务2.4，无人驾驶中的3D目标检测的难点三，主流单目3D检测算法3.1，Deep3Dbox算法介绍3.2，DeepMANTA算法介绍3.3，GS3D算法介绍3.4，M3D-RPN算法介绍四，总结参考资料一，理论基础-相机与图像相机将三维世界中的坐标点（单位为米）映射到二维图像平面（单位为像素）的过程能够用一个几何模
简单来说，ChatGPT是自然语言处理（NLP）和强化学习（RL）的一次成功结合，考虑到读者可能只熟悉其中一个方向或者两个方向都不太熟悉，本文会将ChatGPT涉及到的所有知识点尽可能通俗易懂的方式展现出来，有基础的同学可以选择性跳过一些内容。GPT的进化史本节的主要目的是介绍自然语言处理中语言模型的一些基础知识，理解语言模型到底在做什么。GPT所谓的GPT(GenerativePre-trainedTransformer)，其实是GenerativePreTrainingofalanguagemodel（语言模型）。那什么是语言模型呢？可以简单地把语言模型理解为“给定一些字或者词，预测下一个
