人工智能（第2版）

AI+智慧小区大数据平台建设方案 人工智能+智慧小区大数据平台建设方案.pptx

AI+智慧小区大数据平台建设方案 人工智能+智慧小区大数据平台建设方案

人工智能+金融科技(AI+FinTech).pptx

人工智能+金融科技 （AI+FinTech) 2017年2月 人工智能+金融科技(AI+FinTech)全文共24页，当前为第1页。 人工智能+金融科技的主流应用 投资银行和卖方研究尝试自动报告生成 公募、私募基金在通过人工智能辅助量化交易...

AI+智慧医疗整体解决方案 人工智能+智慧医疗整体解决方案.ppt

AI+智慧医疗整体解决方案 人工智能+智慧医疗整体解决方案

AI人工智能+智慧校园综合解决方案 AI+智慧校园综合解决方案.pptx

AI人工智能+智慧校园综合解决方案 AI+智慧校园综合解决方案

AI+人工智能+python+tensorflow

AI+人工智能+python+tensorflow 人脸识别 代码地址https://github.com/boyliwensheng/understand_facenet

2020年中国AI+零售行业发展研究报告.pdf

《2020年中国AI+零售行业发展研究报告》对中国AI+零售行业整体市场和细分赛道进行分析，详细梳理了AI+零售行业目前六大应用场景（精准营销、商品识别分析、消费者识别分析、智能化运营、无人零售、智能客服）及AI...

腾讯研究院：《“人工智能+制造”产业发展研究报告》

概念、趋势与互联网赋能机会 1.人工智能+制造的概念 2.互联网助力人工智能+制造 3.人工智能+制造现状 4.人工智能+制造政策借鉴 5.人工智能+制造的影响 6.人工智能+制造的对策建议

AI人工智能+智慧校园大数据建设行动方案.pptx

AI人工智能+智慧校园大数据建设行动方案

AI智能+区块链+物联网+大数据可视化平台架构整体解决方案.pptx

AI智能+区块链+物联网+大数据可视化平台架构整体解决方案

AI人工智能+区块链+物联网+大数据可视化平台建设综合解决方案.ppt

智慧方案

2021年人工智能+安防行业研究分析报告.pdf

2021年人工智能+安防行业研究分析报告

AI人工智能+智慧小区建设和运营整体解决方案.pptx

AI人工智能+智慧小区建设和运营整体解决方案

人工智能+金融科技AI+FinTech.pptx

人工智能+金融科技AI+FinTech.pptx

AI+智慧地产大数据平台建设方案 人工智能+智慧地产大数据平台建设方案.pptx

AI+智慧地产大数据平台建设方案 人工智能+智慧地产大数据平台建设方案

AI人工智能+智慧校园整体解决方案.ppt

AI+智慧医疗整体解决方案 人工智能+智慧医疗整体解决方案

AI+智慧社区大数据平台建设方案 人工智能+智慧社区大数据平台建设方案.pptx

AI+智慧社区大数据平台建设方案 人工智能+智慧社区大数据平台建设方案

AI人工智能行业建设和应用方案汇总共46份.zip

AI+人工智能客服整体解决方案.pptx AI+智慧餐饮解决方案.pptx AI+智能公交异常行为识别解决方案.pptx AI+智能安防监控整体解决方案.pptx AI+行业大数据解决方案.pptx AI+行业的大数据解决方案.pptx AI+通信解决方案....

MAX SUM {a1,a2,…,an}，求该序列形如ai+ai+1,…,+aj的子段和的最大值

给定由n整数(可能为负数)组成的序列 {a1,a2,…,an}，求该序列形如ai+ai+1,…,+aj的子段和的最大值。当所有的整数均为负数时定义其最大子段和为0。 Input 输入包含多组测试数据。第一行为一个整数C，表示有C组...

YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数

本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。

YOLOV5 + 双目相机实现三维测距（新版本）

YOLOV5 + 双目相机实现三维测距（新版本）

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期

使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895

行人跌倒数据集（VOC格式）

行人跌倒数据集（VOC格式）

Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip

本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许多疾病的早期病理变化。然而，由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性，使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管，不仅工作量巨大，极为耗时，而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页：https://space.bilibili.com/161240964 C站主页：https://blog.csdn.net/ECHOSON

Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）

这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现

全新的SOTA模型YOLOv9

当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息，以计算目标函数，从而获得可靠的梯度信息以更新网络权重。此外，我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络（GELAN）。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示，GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型，它可以获取完整信息，使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果，比较结果如图1所示。

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境：https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看：https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者，感谢大家的支持！

Deep Learning Tuning Playbook（中译版）

由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》，来自他们自己训练神经网络的实验结果以及工程师的一些实践建议，目前在Github上已有1.5k星。此版本为中文翻译版，提供给大家免费下载，因为本人知识水平有限，翻译过程中可能有误，随时欢迎大家指出错误，我会随时更正。