YOLOX: Exceeding YOLO Series in 2021
我们将 YOLO 检测器切换到无锚方式，并采用其他高级检测技术，即解耦头和领先的标签分配策略 SimOTA，以在大型数据集上实现最先进的结果模型规模范围：对于只有 0.91M 参数和 1.08G FLOPs 的 YOLO-Nano，我们在 COCO 上获得了 25.3% 的 AP，比 NanoDet 高出 1.8% AP；对于业界使用最广泛的检测器之一 YOLOv3，我们对其进行了提升在 COCO 上达到 47.3% AP，比当前最佳实践高出 3.0% AP；对于参数量与 YOLOv4-CSP、YOLOv5-L 大致相同的 YOLOX-L，我们在 COCO 上以 68.9 FPS 的速度实现了
智能手表、智能手机和其他类似设备等移动设备的不断出现和改进，导致人们对将其用户置于放大镜和应用程序控制之下的兴趣日益浓厚且不公平。
YOLOP: You Only Look Once for Panoptic Driving Perception
全景驾驶感知系统是自动驾驶的重要组成部分。高精度、实时的感知系统可以帮助车辆在驾驶时做出合理的决策。我们提出了一个全景驾驶感知网络（YOLOP），用于同时执行交通物体检测、可驾驶区域分割和车道检测。它由一个用于特征提取的编码器和三个用于处理特定任务的解码器组成。我们的模型在具有挑战性的 BDD100K 数据集上表现非常出色，在准确性和速度方面在所有三个任务上都达到了最先进的水平。此外，我们通过烧蚀研究验证了我们的多任务学习模型用于联合训练的有效性。
labml.ai Deep Learning Paper Implementations
这是神经网络和相关算法的简单 PyTorch 实现的集合。这些实现都附有说明，网站将这些说明呈现为并排格式的注释。我们相信这些将有助于您理解这些算法更好。
根据结果，有证据表明西班牙语的数据科学存在文化偏见。 2021 年 4 月 12 日进行的咨询结果证实，在 23.771 个数据集中，只有 10 个“说”西班牙语。
不断出现并增加以“智能手表”、“智能手机”和其他类似设备形式出现的移动设备，在降低用户对应用程序的控制和使用率方面产生了积极和深远的影响。制造商对此深信不疑。
此项研究的结果提供了数据科学中英语和西班牙语之间存在的文化证据。在 2021 年 4 月 12 日查阅日期找到的 23,771 份数据中，只有 10 份是用西班牙语找到的
