人工智能

正在走向自律

当AI Agent遇上CRM：客户关系管理的智能化变革（29/30）在当今竞争激烈的商业环境中，客户关系管理（CRM）系统已成为企业运营的核心枢纽。它如同企业的 “客户中枢神经”，全方位记录客户信息、跟踪销售流程、分析市场动态，为企业提供了与客户互动的关键平台，助力企业精准把握客户需求，从而提升销售业绩与客户满意度。

滴滴哒哒答答

《自动驾驶与机器人中的SLAM技术》ch8：基于预积分和图优化的紧耦合 LIO 系统和组合导航一样，也可以通过预积分 IMU 因子加上雷达残差来实现基于预积分和图优化的紧耦合 LIO 系统。一些现代的 Lidar SLAM 系统也采用了这种方式。相比滤波器方法来说，预积分因子可以更方便地整合到现有的优化框架中，从开发到实现都更为便捷。

从零开始学习人工智能

傅里叶变换在语音识别中的关键作用在语音识别中，傅里叶变换起着至关重要的作用，主要体现在以下几个方面：一、时域到频域的转换语音信号的特点

从零开始：使用 Brain.js 创建你的第一个神经网络（一）无论你是零基础的新手，还是已经有一定编程经验的开发者，这个系列都将为你提供一个系统、全面的学习路径。我们将从最基础的概念开始，逐步深入到实际应用和高级技巧，最终让你能够自信地构建和训练自己的神经网络模型。

深度学习：大模型Decoding+MindSpore NLP分布式推理详解假设用户输入为：“从前，有一只小猫，它喜欢……”我们的目标是让模型生成一段完整的故事。例如："从前，有一只小猫，它喜欢……" 可能被分词为：

数据可视化：让数据讲故事的艺术在信息爆炸的时代，数据已经成为企业决策、科研探索、市场分析等诸多领域的重要依据。然而，面对庞杂的数据，我们很难直接从中提炼出关键信息。因此，数据可视化应运而生，它通过直观的图形方式，将抽象的数据形象化，使人们能够更高效地理解和分析数据。在这其中，数据可视化叙事（Visual Data Storytelling）更是进一步提升了数据的价值，它不仅展示数据，还能通过可视化的方式讲述数据背后的故事。

解读CVPR2024-3DGS论文分享|DNGaussian: Optimizing Sparse-View 3D Gaussian Radiance Fields with .....DNGaussian: Optimizing Sparse-View 3D Gaussian Radiance Fields with Global-Local Depth Normalization

SIBR详细介绍：基于图像的渲染系统及3DGS实例展示【3DGS实验复现】SIBR（System for Image-Based Rendering）是一个专为基于图像的渲染（Image-Based Rendering，简称 IBR）开发的系统。与传统的 3D 渲染不同，SIBR 依赖于从多个视角拍摄的2D图像数据，重建或合成出三维场景或物体的渲染效果。它广泛应用于计算机图形学、虚拟现实（VR）、游戏开发等领域，能够生成高质量的逼真渲染图像，而不依赖完整的三维几何模型。

【自动驾驶BEV感知之Transformer】欢迎大家关注我的B站：偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)

取个名字真难呐

Conv2d中groups=2时手动计算及pytorch源码验证

那年一路北

PyTorch 基础数据集：从理论到实践的深度学习基石深度学习作为当今人工智能领域的核心技术，在图像识别、自然语言处理、语音识别等众多领域取得了令人瞩目的成果。而在深度学习的体系中，数据扮演着举足轻重的角色，它是模型训练的基础，如同建筑的基石，决定了模型的性能和泛化能力。PyTorch 作为当下最流行的深度学习框架之一，为开发者提供了丰富且强大的工具来处理数据集。本文将深入探讨 PyTorch 中的基础数据集，从深度学习中数据的重要性出发，详细介绍常见的数据集，深入解析数据集的读取与加载机制，数据集是完成完成训练和测试的前提，一个良好的数据集选择对一个实验的

51c自动驾驶~合集48我自己的原文哦~ https://blog.51cto.com/whaosoft/13133866考虑轨迹预测的统一决策控制框架

hdrnet,Deep Bilateral Learning for Real-Time Image Enhancement解读论文、代码和ppt地址：Deep Bilateral Learning for Real-Time Image Enhancement

企业分类相似度筛选实战：基于规则与向量方法的对比分析在当下RAG（检索增强生成）技术应用不断发展的背景下，掌握文本相似算法不仅能够助力信息检索，还可用于评估生成式LLM的效果。

Coovally AI模型快速验证

目标检测新视野 | YOLO、SSD与Faster R-CNN三大目标检测模型深度对比分析目录引言YOLO系列网络结构多尺度检测损失函数关键特性SSD锚框设计损失函数关键特性Faster R-CNN

OPI4A，目标检测，口罩检测，mnn，YoloX记得之前，使用了bubbling导师复现的python版yolox，训练了自建的口罩数据集，得到了h5文件，又转换成pb文件，再使用阿里巴巴的MNN，使用它的MNNConvert，转换成mnn文件

《探索烟雾目标检测开源项目：技术与应用的深度剖析》在现代社会，火灾犹如高悬的达摩克利斯之剑，时刻威胁着人们的生命财产安全。烟雾，作为火灾发生的重要征兆，其及时、准确的检测对于火灾预防和控制起着举足轻重的作用。烟雾目标检测技术犹如敏锐的 “电子哨兵”，能够在火灾初期捕捉到烟雾的踪迹，为人员疏散、消防救援争取宝贵时间，从而有效降低火灾造成的损失。

GOSIM 全球开源创新汇

可部署于所有设备上的开源加速 Stable-Diffusion.cpp：让 AI 图像生成更快、更高效！在 AI 生成图像领域，Stable Diffusion 已经成为一个里程碑式的工具，凭借其强大的图像生成能力，被广泛应用于艺术创作、商业设计等领域。然而，生成高质量图像的过程常常需要付出大量的时间和内存，这对于硬件资源有限的设备来说是一大挑战。

深度学习常见术语解释正例与负例：在分类任务中，通常将目标类别称为正例（positive），非目标类别称为负例（negative）。