PyTorch深度学习实战 |SegNet
CamVid_11是面向自动驾驶的语义分割数据集，含700+张精准标注图像，划分为训练/验证/测试集。涵盖道路、车辆、行人等11类场景目标（含背景共12类），支持SegNet等模型训练与评估。
人工智能|大白话DETR 模型
DETR（检测变换器）是首个端到端目标检测模型，摒弃锚框与NMS后处理。它以CNN提取特征，经Transformer编码器-解码器处理，配合100个可学习目标查询（OQ），通过二分图匹配实现预测框与真实框的一对一最优分配，直接输出类别与坐标。（239字）
人工智能|YOLOv5必须了解的知识
本文详解YOLOv5网络结构（Input/Backbone/Neck/Head）及train.py核心实现：包括模型加载（预训练权重适配）、yaml配置解析、数据集读取与增强、标签格式说明、多尺度特征融合机制，以及推理阶段预处理、NMS过滤与结果可视化全流程。
人工智能|大白话Meshed-Memory Transformer
M2Transformer是一种图像描述生成模型，由三部分构成：骨干编码器（Faster R-CNN）提取区域特征；记忆增强编码器（Transformer）对特征进行语义细化；网格解码器（Transformer）将增强特征转化为自然语言描述。结构清晰、层次分明，兼顾准确性与可解释性。（239字）
人工智能|大白话YOLOv3,YOLOv4
YOLOv3采用全卷积+残差连接+多尺度融合架构，含Darknet-53骨干网、FPN颈部与三尺度检测头，支持任意32倍数输入（如416×416），输出13×13、26×26、52×52特征图，兼顾大中小目标检测。
人工智能|手算Swin Transformer模型
Swin Transformer是一种高效视觉Transformer，通过移位窗口注意力（Shifted Window）替代全局自注意力，结合分层下采样与局部窗口计算，显著降低计算复杂度，同时保持强大建模能力。其核心包括Patch划分、线性嵌入、W-MSA/SW-MSA交替模块及Patch Merging，构成多尺度特征金字塔，已成为目标检测、分割等任务的主流骨干网络。（239字）
人工智能|大白话YOLOv2
YOLOv2采用轻量高效的Darknet-19骨干网络（仅19层卷积），全用1×1和3×3小卷积核，配BatchNorm与LeakyReLU；引入Anchor Boxes、Passthrough层融合多尺度特征，并支持多尺寸输入，显著提升精度与小目标检测能力。（238字）
人工智能|YOLOv1的损失函数和非极大值抑制
YOLOv1将图像划分为7×7网格，每格预测2个边界框（共98个），含中心点、宽高、置信度及20类概率。损失函数由坐标（加权5）、置信度（含/不含物体分权重）和分类三部分构成，均采用带平衡系数的均方误差，并以IoU为核心匹配与评估依据。（239字）
人工智能 |手算CLIP模型
本文详解CLIP模型原理：突破传统CNN需重新训练的局限，通过4亿图文对联合训练文本与图像编码器，实现零样本迁移。利用对比学习对齐多模态特征，支持图文检索、零样本分类等应用，让AI像人一样理解未见过的概念。（239字）
