林老头、
林老头、

目前深度学习开源数据集整理

Images Analysis

数据集 介绍 备注 网址
Flickr30k 图片描述 31,783 images，每张图片5个语句标注 链接
Microsoft COCO 图片描述 330,000 images,每张图片至少5个语句标注 链接
ESP Game 多标签定义图像 20,770 images，268 tags，诸如bed, light man,music 链接
IAPRTC-12 多标签定义图像 19,452 images,291 tags 链接
NUS-WIDE 多标签定义图像 269,648 images,several tags (2-5 on average) per image 链接
CUHK-PEDES 以文搜图 34,054 images，每张图片2条描述 链接
VRD 视觉关系检测 5,000 images, 100目录，37,993对关系 链接
sVG 视觉关系检测 108,000 images, 998,000对关系 链接
Visual Genome Dataset 图像属性检测 108,077 images, 5.4 M 区域块，2.8 M 属性，2.3 M 关系 链接
VQA 问答系统 1,105,904问题，11,059,040 回答 链接
Visual7W 问答系统 327,939 问答对 链接
TID2013 图像质量评价 25张参考图像，24个失真类型 链接
CSIQ 图像质量评价 30张参考图像，6个失真类型 链接
LIVE 图像质量评价 29张参考图像，5个失真类型 链接
WATERLOO 图像质量评价 4744张参考图像，20个失真类型 链接
photo .net 图像美观评价 20,278张图像，打分[0,10] 链接
DPChallenge .com 图像美观评价 16,509张图像，打分[0,10] 链接
CUHK 图像美观评价 28,410张图像，只分高质量和低质量 链接
AVA 图像美观评价 255,500张图像，打分[0,10] 链接

Image Motion & Tracking

数据集 介绍 备注 网址
CUHK03 Person re-identification(人重识别) image num:13164 person num:1360 camera num:10( 5 pairs) 链接
CUHK02 Person re-identification(人重识别) image num:7264 person num:1816 camera num:10( 5 pairs) 链接
CUHK01 Person re-identification(人重识别) image num:3884 person num:971 camera num: 2 链接
VIPeR Person re-identification(人重识别) image num:1264 person num:632 camera num:2 链接
ETH1,2,3 Person re-identification(人重识别) image num:8580 person num:83,35,28 camera num:1 链接
PRID2011 Person re-identification(人重识别) image num:24541 person num:934 camera num:2 链接
MARS Person re-identification(人重识别) image num:11910031 person num:1261 camera num:6 链接
Market1501 Person re-identification(人重识别) image num:32217 person num:1501 camera num:6 链接
Epic Fail (EF) dataset Risk Assessment(风险评估) video num:3000 链接
Street Accident (SA) dataset Risk Assessment(风险评估) video num:1733 链接
OTB-50 visual tracking(跟踪) video num:50 链接
OTB-100 visual tracking(跟踪) video num:100 链接
VOT2015 visual tracking(跟踪) video num:60 链接
ALOV300 visual tracking(跟踪) video num:314 链接
MOT visual tracking(跟踪) video num train:11 test:11 链接
THUMOS Temporal action localization(动作定位) video num:~3K activities class:20 instances:~3K 链接
ActivityNet Temporal action localization(动作定位) video num:20k activities class:200 instances:7.6K 链接
Mexaction2 Temporal action localization(动作定位) activities class:2 instances:1975 链接
FlyingChairs dataset optical flow(光流) image pairs：22k 链接
FlyingThings3D optical flow(光流) image pairs：22k 链接
KITTI benchmark suite optical flow(光流) image pairs：1600 链接
MPI Sintel optical flow(光流) image pairs：1064 链接

Video Analysis & Scene Understanding

数据集 介绍 备注 网址
UCF101 动作行为识别 13320 video,101类动作，主要是五大类：1)人-物交互；2)肢体运动；3)人-人交互；4)弹奏乐器；5)运动 链接
HMDB51 动作行为识别 7000 videos,51类，包括人脸表情动作，身体动作，人与人交互等 链接
Moments-in-Time 动作行为识别 1,000,000 videos,339类 链接
ActivityNet 1.3 动作行为识别 20,000 videos,200类 链接
Kinetics 动作行为识别 300,000 videos，400类 链接
AVA 动作行为识别 57,600 videos，80类 链接
Collective Activity Dataset 群体活动行为识别 44 videos,穿叉、行走、等待、交谈和排队 五类 链接
Choi’s New Dataset 群体活动行为识别 32 videos，聚会，谈话，分开，一起走，追逐和排队 六类 None
ActivityNet 1.3 检测动作事件的起始时间和终止时间 20,000 videos,200类动作的起始时间和终止时间 链接
THUMOS 检测动作事件的起始时间和终止时间 15,000 videos，101类动作的起始时间和终止时间 链接
MED 事件检测 32,744 videos,20个事件 链接
EventNet 事件检测 90,000 videos，500个事件 链接
Columbia Consumer Video 事件检测 9,317 videos，20个事件 链接
ADE20K 事件检测 20,210 videos，900个事件 链接
DAVIS 视频主物体分割 50 videos，分割标注 链接
FBMS 视频主物体分割 59 videos，分割标注 链接
IJB-C 视频人脸识别 11,000 videos 链接
YouTube Faces 视频人脸识别 3,425 videos，1595 人 链接
MS-Celeb-1M 视频人脸识别 1,000,000 images，21,000人 链接
MSVD 视频描述 1,970 videos 链接
MSR-VTT-10K 视频描述 10，000 videos 链接

3D Computer Vision

数据集 介绍 备注 网址
photoface database 基于光度立体视觉的二维和三维人脸识别数据库 总共7356张图像，包含1839个session和261个subjects None
NYU Depth V2 dataset 关于RGBD 图像场景理解的数据库 提供1449张深度图片和他们的密集2d点类标注 链接
SUN RGBD dataset 是上面的NYU Depth V2 dataset的超集，多了3D bounding boxes和room layouts的标注。 有10,000张RGB-D图片，有58,657个3D包围框和146,617 个2d包围框。 链接
PASCAL3D+ 新的三维物体检测和姿态估计数据集，从PASCAL VOC 演化而来，包含图像，注解，和3D CAD模型 总共12个类，平均每个类别有3000多个实例 链接
IKEA 包含典型室内场景的三维模型的数据库，例如桌子椅子等 包含大约759张图片和219个3D模型 链接
New Tsukuba Dataset 包含了很多立体物体对的数据库，用于立体物体匹配 总共1800个立体物体对，以及每立体对的立体视差图、遮挡图和不连续图 链接
Oxford RobotCar Dataset 关于户外自动驾驶的数据集。 包含在驾驶汽车过程从6个摄像头收集的2000w张图片，和当时的激光雷达，GPS和地面实况标注。 链接
Middlebury V3 包含高分辨率物体立体视差标注的数据库 包含33个类，没有明说每类有多少数据 链接
ShapeNet 包含3D模型，和3d模型的类别标注的数据集，覆盖了常用的3D数据集PASCAL 3D+。 它涵盖55个常见的对象类别，有大约51,300个3D模型 链接
MICC dataset 包含了3D人脸扫描和在不同分辨率，条件和缩放级别下的几个视频序列的数据库。 有53个人的立体人脸数据 链接
CMU MoCap Dataset 包含了3D人体关键点标注和骨架移动标注的数据集。 有6个类别和23个子类别，总共2605个数据。 链接
DTU dataset 关于3D场景的数据集。 有124个场景，每场景有49/64个位置的RGB图像和结构光标注。 链接

Analyzing Humans in Images

数据集 介绍 备注 网址
MSR-Action3D 包含深度的动作识别数据集， 有20个动作， 总共557个序列。 链接
Florence-3D 包含深度的动作识别数据集， 有9个动作，总共215个动作序列。 链接
Berkeley MHAD 包含深度的动作识别数据集， 有11个动作，产生660个动作序列。 链接
Online Action Detection 包含深度的动作识别数据集， 数据集包含59个长序列，包含10种不同的日常生活行为。 链接
ChaLearn LAP IsoGD Dataset RGB-D图像的手势识别的数据集。 包括47933个RGB-D手势视频，有249个手势标签。Training有35878视频，Validation有5784个，test有6271个 链接
MAFA dataset 关于面部遮挡问题的数据集 有30, 811张人脸和35806张有遮挡的脸组成。 链接
MSRC-12 Kinect Gesture Dataset 手势识别数据集 有4900张图片，包含12个不同手势， 链接
2013 Chalearn Gesture Challenge dataset 手势识别数据集 有11000张图片，包含20个不同手势， 链接
WIDER FACE 人脸检测数据集 有 32,203 张图片，标注了393703个人脸。 链接
FDDB 人脸检测数据集 2845张图片，标注了5171张人脸。 链接
300-VW dataset 面部表情数据集 包含114个视频和总计218,595帧。 链接
HMDB51 人类行为识别的数据集 包含51个动作，总共有6766个视频剪辑 链接
MPII Cooking Activities Dataset 人类行为识别的数据集 包含65个动作，有5609个视频 链接
UCF101 人类行为识别的数据集 包含101个动作，有13320个视频 链接
IJB-A dataset 包含视频和图片人脸识别的数据集 包含5712个图像和2085个视频 链接
YouTube celebrities 视频人脸识别的数据集 包含47位名人的1910个视频 链接
COX 视频人脸识别的数据集 包含1000个主题的4000个视频 链接
Human3.6M 人体姿态估计的数据集 360万张3D照片，11名受试者在4个视点下执行15个了不同的动作 链接
iLIDS 行人重识别的数据集 476 张图像，包含119个人 链接
VIPeR 行人重识别的数据集 632个行人图片对（由两个相机拍摄） 链接
CUHK01 行人重识别的数据集 包含971行人, 3884张图片 链接
CUHK03 行人重识别的数据集 包含1360行人, 13164张图片 链接
RWTH-PHOENIX-Weather multi-signer 2014 手语识别的数据集 包含了5672个德语手语的句子，有65,227个手语姿势和799,006帧 链接
AFLW 人类面部关键点的数据集 总共约有25k张脸，每幅图像标注了大约21个位置。 链接
CMU mocap database 动作识别的数据集 2235个数据，包含144个不同的动作。 链接
Georgia Tech (GT) database 人脸识别数据库 50个人每人15张人脸。 链接
ORL 人脸识别数据库 40个人每个人10张图。 链接

Application

数据集 介绍 备注 网址
DogCentric Activity Dataset 第一视角的狗和人之间的相互行为的数据集（视频） 总共有10类，具体数据量没有明说，y是动作类别 链接
JPL First-Person Interaction Dataset 第一视角观察动作的数据集 57个视频，8个大类，y是动作类别 链接
NUS-WIDE 关于图像文本匹配的数据集 269,648个图像和对应的标签 链接
LabelMe Dataset 关于图像文本匹配的数据集 3825个图像和对应标签 链接
Pascal Dataset 关于图像文本匹配的数据集 5011张训练图像和4952张测试图像 None
ICDAR 2015 关于文本检测的数据集 1500张训练，1000张测试，y为四边形的四个顶点。 链接
COCO-Text 关于文本检测的数据集 63686张图片，其中43686张被选为训练集，剩下的2万用于测试。 链接
MSRA-TD500 关于文本检测的数据集 300个训练，200个测试图像 链接
Microsoft 7-Scenes Dataset 室内人体运动的数据集 有7种不同室内环境，每包含500-1000张图像视频序列。 链接
Oxford RobotCar 户外自动驾驶数据集 包含图像，激光扫描结果和GPS数据。 链接

Low- & Mid-Level Vision

数据集 介绍 备注 网址
Deep Video Deblurring for Hand-held Cameras video/image deblurring(图像去模糊) video num:71 video time: 3-5s blurry and sharp pair image num:6708 链接
GOPRO dataset video/image deblurring(图像去模糊) blurry and sharp pair image num:3214 train num:2103 test num:1111 链接
BSD68 image restoration(图像修复)/高斯降噪 image num:68 链接
BSD100 “image restoration(图像修复)super resolution超分辨率重建” image num:100 链接
Set5 “image restoration(图像修复)super resolution超分辨率重建” image num:5 链接
Set14 “image restoration(图像修复)super resolution超分辨率重建” image num:14 链接
Urban100 “image restoration(图像修复)super resolution超分辨率重建” image num:100 链接
NYU v2 dataset “image restoration(图像修复)depth super resolution深度超分辨率重建” image num:1449 链接
Middlebury dataset “image restoration(图像修复)depth super resolution深度超分辨率重建” image pair num: 33 链接
alpha matting benchmark Natural image matting(抠图) “train num:27,test num:8” 链接
real image benchmark Natural image matting(抠图) “train num:49300,test num:1000” 链接
MSRA10K/MSRA-B Image saliency detection(显著性区域检测) image num(MSRA10K):10000 image num(MSRA-B):5000 链接
ECSSD Image saliency detection(显著性区域检测) image num:1000 链接
DUT-OMRON Image saliency detection(显著性区域检测) image num:5168 链接
PASCAL-S Image saliency detection(显著性区域检测) image num:850 链接
HKU-IS Image saliency detection(显著性区域检测) image num:4447 链接
SOD Image saliency detection(显著性区域检测) image num:300 链接
Describable Textures Dataset texture synthesis(纹理合成) image num:5640 category num:47 split train:val:test = 1:1:1 链接
CVPPP leaf segmentation Instance segmentation(样例分割) image num: 161 train num: 128 test num: 33 链接
KITTI car segmentation Instance segmentation(样例分割) image num: 3976 train num: 3712 test num: 144 val:120 链接
Cityscapes Instance segmentation(样例分割) image num: 5000 train num: 2975 test num: 1525 val:500 链接
SYMMAX Symmetry Detection(对称性检测) image num: train:200 test:100 链接
WHSYMMAX Symmetry Detection(对称性检测) image num: train:228 test:100 object num: 1 链接
SK506 Symmetry Detection(对称性检测) image num: train:300 test:206 object num: 16 链接
Sym-PASCAL Symmetry Detection(对称性检测) image num: train:648 test:787 object num: 14 链接
Color Checker Dataset Color constancy(颜色恒定) image num: 568 链接
NUS 8-Camera Dataset Color constancy(颜色恒定) image num: 1736 链接

Text

数据集 介绍 备注 网址
Stanford Sentiment Treebank 文本情感分析 11855个句子划分为239231个短语，每个短语有个概率值，越小越负面，越大越正面 链接
IMDB 文本情感分析 100,000句子，正面负面两类 链接
Yelp 文本情感分析 无 链接
Multi-Domain Sentiment Dataset(Amazon product) 文本情感分析 100,000+句子，正面负面2类或强正面、弱正面、中立、弱负面、强负面5类 链接
SemEval 文本情感分析 20,632句子，三类（正面、负面、中立） 链接
Sentiment140(STS) 文本情感分析 1,600,000句子,三类（正面、负面、中立） 链接

你可能感兴趣的:(DeepLearning)

  • 深度学习和机器学习的差异 The god of big data 教程深度学习机器学习人工智能
    一、技术架构的本质差异传统机器学习（MachineLearning）建立在统计学和数学优化基础之上，其核心技术是通过人工设计的特征工程（FeatureEngineering）构建模型。以支持向量机（SVM）为例，算法通过核函数将数据映射到高维空间，但特征提取完全依赖工程师的领域知识。这种"人工特征+浅层模型"的结构在面对复杂非线性关系时容易遭遇性能瓶颈。深度学习（DeepLearning）作为机器
  • 【OpenAI官方课程】第一课：GPT-Prompt 的构建原则指南 euffylee ChatGPTPrompt官方课程gptprompt人工智能
    欢迎来到ChatGPT开发人员提示工程课程（ChatGPTPromptEngineeringforDevelopers）！本课程将教您如何通过OpenAIAPI有效地利用大型语言模型（LLM）来创建强大的应用程序。本课程由OpenAI的IsaFulford和DeepLearning.AI的AndrewNg主讲，深入了解LLM的运作方式，提供即时工程的最佳实践，并演示LLMAPI在各种应用程序中的使
  • 深入探索Deeplearning4j（DL4J）：Java深度学习的全面指南 软件职业规划 java深度学习开发语言
    一、DL4J框架概述Deeplearning4j（DL4J）是一个开源的深度学习框架，专为Java和Scala设计，运行在Java虚拟机（JVM）上。它由Skymind公司开发并维护，旨在将深度学习技术应用于大规模商业应用。DL4J支持多种深度学习模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。自2014年首次发布以来，DL4J已经成为Java深度学习领域的
  • Python 在 AI 领域的应用：从零构建你的第一个 AI 模型 嵌入式Jerry Pythonpython人工智能开发语言嵌入式硬件windowsubuntu
    引言人工智能（AI）已经成为现代科技的核心，而Python是AI领域最受欢迎的编程语言之一。其强大的库和框架，如TensorFlow、PyTorch、scikit-learn，使AI开发变得更加简单高效。本文将带你深入理解Python在AI中的应用，并通过机器学习（MachineLearning）和深度学习（DeepLearning）的实际示例，讲解如何构建一个AI模型。1.Python为什么适合
  • 人工智能与深度学习的应用案例：从技术原理到实践创新 accurater 人工智能深度学习科技
    第一章引言人工智能（AI）作为21世纪最具变革性的技术之一，正通过深度学习（DeepLearning）等核心技术推动各行业的智能化进程。从计算机视觉到自然语言处理，从医疗诊断到工业制造，深度学习通过模拟人脑神经网络的层次化学习机制，实现了对复杂数据的高效分析与决策。本文结合前沿技术框架与行业应用案例，探讨深度学习的核心原理及其在多个领域的实践路径，并附代码实例以增强技术理解。第二章深度学习的技术基
  • 人工智能与深度学习的应用案例解析及代码实现 accurater 人工智能深度学习科技机器人
    引言人工智能（AI）与深度学习（DeepLearning）作为21世纪最具变革性的技术之一，已渗透到医疗、金融、交通、制造等各个领域。深度学习通过多层神经网络模拟人类认知过程，显著提升了复杂任务的自动化水平。本文将从技术原理、核心应用案例及代码实现三个维度，系统解析其实际应用，并探讨未来挑战与发展方向。一、深度学习技术概述1.1核心技术框架深度学习基于深度神经网络（DNN），其核心在于通过多层非线
  • pandas学习笔记—DataFrame查询 风之小西 pandas学习笔记
    1、列查询importpandasaspd#创建测试dfdf_book=pd.DataFrame(data=[['论语',5,5],['三体',10,6],['资治通鉴',8,9],['DEEPLEARNING',3,5],['黄帝内经',7,10]],columns=['书名','数量','单价'],index=['a','b','c','d','e'])#用列名直接访问，单列会返回series
  • 成为LLM大师的必读书籍：这几本大模型书籍，详细到让你一篇文章就收藏足够 AGI大模型老王 产品经理大模型教程学习大模型人工智能LLM大模型书籍
    以下是几本关于大模型和人工智能领域的经典书籍，它们各自具有独特的特点和适用人群：《深度学习》（DeepLearning）作者：伊恩·古德费洛（IanGoodfellow）、约书亚·本吉奥（YoshuaBengio）、亚伦·库维尔（AaronCourville）简介：《深度学习》是深度学习领域的经典之作，全面介绍了深度学习的基础知识、主要模型及其应用。书中详细讲解了神经网络、卷积神经网络、循环神经网
  • 深度学习现状与未来发展趋势分析报告（深度学习还是主流吗？） 与光同尘 大道至简 深度学习人工智能
    此博客分析深度学习当前的主流应用领域、其受关注度的变化趋势、可能的技术替代或补充方案、产业界和学术界的不同发展方向，以及影响其受关注度变化的核心因素。报告将包括结构化分析（背景、现状、挑战、未来趋势）、数据驱动（市场趋势、论文发表量等数据支持）以及行业案例分析，以展示某些行业如何逐步减少对深度学习的依赖。背景深度学习的概念与发展历程：深度学习（DeepLearning）是机器学习中的一类方法，源于
  • 一文讲清楚自我学习和深度学习 平凡而伟大(心之所向) 人工智能人工智能深度学习机器学习
    自我学习（Self-Learning）和深度学习（DeepLearning）是两个不同的概念，但它们在某些应用场景中可以有交集。下面我们将分别介绍这两个概念，并探讨如何将它们结合起来用于自我学习系统。自我学习（Self-Learning）自我学习是指个体或系统通过自主探索、实践和反思来获取知识和技能的过程。它强调的是无需外部直接指导的学习方式，通常包括以下几个方面：自主性：学习者根据自己的兴趣、需
  • 大语言模型生成式AI学习笔记——1. 1.1 大语言模型及生成式AI项目生命周期简介——课程简介 预见未来to50 机器学习深度学习（ML/DL)人工智能语言模型学习
    GenerativeAIwithLargeLanguageModelsbyDeepLearning.AI&AmazonWebServicesAboutthisCourseInGenerativeAIwithLargeLanguageModels(LLMs),you’lllearnthefundamentalsofhowgenerativeAIworks,andhowtodeployitinreal
  • 机器学习与深度学习资料 JasonDing1354 【MachineLearning】
    《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLearning.《DeepLearninginNeuralNetworks:AnOverview》介绍:这是瑞士人工智能实验室JurgenSchmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以
  • 深度学习的前沿与挑战：从基础到最新进展 Jason_Orton 深度学习人工智能数据挖掘机器学习
    目录引言什么是深度学习？深度学习的工作原理深度学习的关键技术1.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉2.自然语言处理（NLP）3.语音识别与合成4.推荐系统5.医学影像分析深度学习面临的挑战结语引言深度学习（DeepLearning）近年来成为人工智能领域的核心技术之
  • 深度学习：从神经网络到智能应用 Jason_Orton 深度学习神经网络人工智能机器学习
    目录引言一.什么是深度学习？二.深度学习的基本原理1.神经网络的组成2.激活函数3.反向传播（Backpropagation）三.深度学习的常见模型四.深度学习的应用场景五.深度学习的挑战与未来结语引言深度学习（DeepLearning）作为机器学习的一个分支，近年来在人工智能领域取得了革命性的进展。无论是语音识别、图像识别，还是自动驾驶、自然语言处理，深度学习都在推动着技术的发展和行业的变革。那
  • 书籍-《在AWS上构建可扩展的深度学习Pipeline》 深度学习机器学习人工智能
    书籍：BuildingScalableDeepLearningPipelinesonAWS:Develop,Train,andDeployDeepLearningModels作者：AbdelazizTestas出版：Apress编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《在AWS上构建可扩展的深度学习Pipeline》01书籍介绍本书是您在亚马逊网络服务（AWS）上创建强大且端到端深度学
  • 终于明白了！人工智能、机器学习、深度学习、集成学习及大模型的定义与联系 大模型玩家 人工智能机器学习深度学习产品经理算法学习方法集成学习
    在当今快速发展的科技领域，人工智能（ArtificialIntelligence,AI）、机器学习（MachineLearning,ML）、深度学习（DeepLearning,DL）、集成学习（EnsembleLearning）以及大模型（LargeModels）等概念频繁出现在人们的视野中。它们不仅推动了科技的进步，也深刻影响了社会生活的方方面面。本文将对这些概念进行全面解析，并探讨它们之间的联
  • 深度学习与搜索引擎优化的结合：DeepSeek的创新与探索 m0_74825634 面试学习路线阿里巴巴深度学习搜索引擎人工智能
    目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek的深度学习架构4.1?查询解析与语义理解4.2?搜索排名与相关性排序4.3?个性化推荐与用户行为分析5、总结引言随着人工智能（AI）技术的迅速发展，深度学习（DeepLearning）
  • 深度学习模型：原理、架构与应用 一ge科研小菜菜 工具深度学习
    深度学习（DeepLearning）是机器学习中的一个分支，基于人工神经网络的发展，尤其是多层神经网络的研究，使其在语音识别、图像处理、自然语言处理等领域取得了显著进展。深度学习的核心是通过大量数据的训练，学习到数据的内在结构和模式，并且具备自动从复杂的输入中提取特征的能力。本文将从深度学习的基本原理、常见模型、训练技巧、应用领域及其面临的挑战等方面进行详细探讨，帮助理解深度学习模型如何在现代科技
  • 深度学习在医疗影像分析中的革命性应用 Echo_Wish 人工智能前沿技术深度学习人工智能
    深度学习在医疗影像分析中的革命性应用引言医疗影像分析是现代医学中不可或缺的一部分，特别是在疾病诊断和治疗过程中发挥了至关重要的作用。随着深度学习技术的发展，医疗影像分析的效率和准确性得到了显著提升。本文将探讨如何利用深度学习技术，特别是Python编程语言，来优化医疗影像分析，展示具体的代码实例，并举例说明其实际应用效果。深度学习与医疗影像分析深度学习（DeepLearning）是一种基于人工神经
  • 论文代码阅读及部分复现：Revisiting Deep Learning Models for Tabular Data thorn_r 论文阅读深度学习人工智能
    论文地址：https://arxiv.org/pdf/2106.11959.pdf项目地址：GitHub-yandex-research/rtdl-revisiting-models:(NeurIPS2021)RevisitingDeepLearningModelsforTabularData相关数据：https://www.dropbox.com/s/o53umyg6mn3zhxy/2024年2
  • 快速搭建GRU循环神经网络预测模型 智汇未来 rnn深度学习gru人工智能神经网络matlab算法
    首先，我需要使用GRU神经网络进行预测。GRU是GatedRecurrentUnit的缩写，是一种常用的循环神经网络结构，适用于序列数据的预测任务。但是，我需要确保MATLAB支持GRU网络的创建和训练。让我想想，MATLAB的DeepLearningToolbox提供了设计和训练神经网络的功能，包括GRU层。等等，我需要确认一下如何在MATLAB中创建包含GRU层的网络。好的，那我就开始写代码吧
  • pytorch 人脸修复_修复pytorch数据加载器 weixin_26729375 人工智能pythonjava人脸识别
    pytorch人脸修复黑客数据科学工作流程(Hackingdatascienceworkflows)Icameacrossaninterestingproblemrecently.AteammateandIwereworkingonaseriesofDeepLearningexperimentsthatinvolvedanimagedatasetthatspannedhundredsofgigab
  • 基于对比增强的超声视频的域知识为乳腺癌诊断提供了深度学习 Philo` 医学图像分割论文阅读深度学习人工智能论文阅读图像处理pytorch机器学习
    DomainKnowledgePoweredDeepLearningforBreastCancerDiagnosisBasedonContrast-EnhancedUltrasoundVideos期刊分析摘要引言相关工作乳腺癌中的CAD基于乳房CEU的CAD方法整体框架原始C3D骨干领域知识指导的时间注意模块(DKG-TMA)域知识引导的通道注意模块数据集和实验乳腺-对比增强超声数据集实验设置实验
  • Apache MXNet 深度学习框架教程 娄妃元Kacey
    ApacheMXNet深度学习框架教程mxnetLightweight,Portable,FlexibleDistributed/MobileDeepLearningwithDynamic,Mutation-awareDataflowDepScheduler;forPython,R,Julia,Scala,Go,Javascriptandmore项目地址:https://gitcode.com/g
  • 深度可分离卷积_主干网络系列(6) - Xception: 使用深度可分离卷积的深度学习 weixin_39630106 深度可分离卷积
    论文地址：Xception:DeepLearningwithDepthwiseSeparableConvolutions工程代码：Github链接0.摘要该论文对Inception模块做了新的解释，认为Inception模块是常规卷积神经网络到深度可分离卷积神经网络的过渡手段，基于这种思想，深度可分离卷积可以看作一个具有最大数量tower的Inception模块(tower是指Inception模
  • 深度学习与搜索引擎优化的结合：DeepSeek的创新与探索 云边有个稻草人 热门文章深度学习搜索引擎人工智能DeepSeek
    目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek的深度学习架构4.1查询解析与语义理解4.2搜索排名与相关性排序4.3个性化推荐与用户行为分析5、总结引言随着人工智能（AI）技术的迅速发展，深度学习（DeepLearning）和自然
  • 深度学习框架PyTorch原理与实践 AI天才研究院 AI实战大数据人工智能语言模型JavaPython架构设计
    作者：禅与计算机程序设计艺术文章目录1.简介2.背景介绍3.基本概念和术语3.1PyTorch简介3.2PyTorch的特点1）自动求导机制2）GPU加速3）模型部署4）数据管道5）代码阅读友好4.核心算法原理4.1神经网络结构4.2神经网络层4.3激活函数5.实际案例——MNIST手写数字识别数据准备模型定义训练测试整体代码1.简介Deeplearning(DL)hasbeenanincreas
  • 斯坦福吴恩达-深度学习和机器学习全套视频+课件！ Alexquyun 人工智能机器学习深度学习python
    这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解），想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门的技能之一，本课程将帮你掌握深度学习。”学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。DeepLearningSpecialization对卷积神经网络(CNN
  • AI 大模型创业：如何利用商业优势？ AI天才研究院 大数据AI人工智能ChatGPTjavapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
    第1章：AI大模型概述1.1AI大模型的概念与演进AI大模型（Large-scaleArtificialIntelligenceModels）是指通过大规模数据训练得到的复杂神经网络模型。这些模型通常具有数十亿甚至千亿个参数，能够实现从自然语言处理到计算机视觉、语音识别等广泛领域的任务。AI大模型的概念起源于20世纪80年代，当时研究人员提出了深度学习（DeepLearning）这一概念。深度学习
  • Apache TVM：开源深度学习编译器栈的领跑者 计攀建Eliza
    ApacheTVM：开源深度学习编译器栈的领跑者tvmOpendeeplearningcompilerstackforcpu,gpuandspecializedaccelerators项目地址:https://gitcode.com/gh_mirrors/tv/tvm项目介绍ApacheTVM是一个专为深度学习系统设计的编译器栈。它旨在弥合生产力导向的深度学习框架与性能和效率导向的硬件后端之间的差
  • LeetCode[Math] - #66 Plus One Cwind javaLeetCode题解AlgorithmMath
    原题链接：#66 Plus One   要求： 给定一个用数字数组表示的非负整数，如num1 = {1, 2, 3, 9}, num2 = {9, 9}等，给这个数加上1。 注意： 1. 数字的较高位存在数组的头上，即num1表示数字1239 2. 每一位（数组中的每个元素）的取值范围为0~9   难度：简单   分析： 题目比较简单，只须从数组
  • JQuery中$.ajax()方法参数详解 AILIKES JavaScriptjsonpjqueryAjaxjson
    url: 要求为String类型的参数，（默认为当前页地址）发送请求的地址。 type: 要求为String类型的参数，请求方式（post或get）默认为get。注意其他http请求方法，例如put和    delete也可以使用，但仅部分浏览器支持。 timeout: 要求为Number类型的参数，设置请求超时时间（毫秒）。此设置将覆盖$.ajaxSetup()方法的全局
  • JConsole & JVisualVM远程监视Webphere服务器JVM Kai_Ge JVisualVMJConsoleWebphere
        JConsole是JDK里自带的一个工具，可以监测Java程序运行时所有对象的申请、释放等动作，将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。 　　使用JConsole工具来分析WAS的JVM问题，需要进行相关的配置。 　　首先我们看WAS服务器端的配置. 　　1、登录was控制台https://10.4.119.18
  • 自定义annotation 120153216 annotation
    Java annotation 自定义注释@interface的用法 一、什么是注释      说起注释，得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说，元数据是描述数据的。就象数据表中的字段一样，每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据，也就是说注释是描述java源
  • CentOS 5/6.X 使用 EPEL YUM源 2002wmj centos
    CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
  • 在SQLSERVER中查找缺失和无用的索引SQL 357029540 SQL Server
    --缺失的索引 SELECT  avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,          last_user_seek ,    
  • Spring3 MVC 笔记（二） —json+rest优化 7454103 Spring3 MVC
    接上次的 spring mvc 注解的一些详细信息！                          其实也是一些个人的学习笔记  呵呵！
  • 替换“\”的时候报错Unexpected internal error near index 1 \ ^ adminjun java“\替换”
    发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...   在拆分字符串时遇到通过 \ 来拆分，可是用所以想通过转义 \\ 来拆分的时候会报异常   public class Main {          /*
  • POJ 1035 Spell checker(哈希表) aijuans 暴力求解--哈希表
    /* 题意：输入字典，然后输入单词，判断字典中是否出现过该单词，或者是否进行删除、添加、替换操作，如果是，则输出对应的字典中的单词 要求按照输入时候的排名输出 题解：建立两个哈希表。一个存储字典和输入字典中单词的排名，一个进行最后输出的判重 */ #include <iostream> //#define using namespace std; const int HASH =
  • 通过原型实现javascript Array的去重、最大值和最小值 ayaoxinchao JavaScriptarrayprototype
    用原型函数（prototype）可以定义一些很方便的自定义函数，实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。 实现代码如下：   <script type="text/javascript"> Array.prototype.unique = function() { var a = {}; var le
  • UIWebView实现https双向认证请求 bewithme UIWebViewhttpsObjective-C
              什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求 中有讲述，不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求，网上有些文章中有涉及到此内容，但都只言片语，没有讲完全，更没有完整的代码，让人困扰不已。但是此知
  • NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存) bijian1013 redis数据库NoSQL
    3.事务处理         Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行，而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时，这个连接会进入一个事务上下文，该连接后续的命令不会立即执行，而是先放到一个队列中，当执行exec命令时，redis会顺序的执行队列中
  • 各数据库分页sql备忘 bingyingao oraclesql分页
    ORACLE 下面这个效率很低 SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20; 下面这个效率很高 SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
  • 【Scala七】Scala核心一：函数 bit1129 scala
    1. 如果函数体只有一行代码，则可以不用写{},比如 def print(x: Int) = println(x) 一行上的多条语句用分号隔开，则只有第一句属于方法体，例如   def printWithValue(x: Int) : String= println(x); "ABC"   上面的代码报错，因为，printWithValue的方法
  • 了解GHC的factorial编译过程 bookjovi haskell
    GHC相对其他主流语言的编译器或解释器还是比较复杂的，一部分原因是haskell本身的设计就不易于实现compiler，如lazy特性，static typed，类型推导等。 关于GHC的内部实现有篇文章说的挺好，这里，文中在RTS一节中详细说了haskell的concurrent实现，里面提到了green thread，如果熟悉Go语言的话就会发现，ghc的concurrent实现和Go有点类
  • Java-Collections Framework学习与总结-LinkedHashMap BrokenDreams LinkedHashMap
            前面总结了java.util.HashMap，了解了其内部由散列表实现，每个桶内是一个单向链表。那有没有双向链表的实现呢？双向链表的实现会具备什么特性呢？来看一下HashMap的一个子类——java.util.LinkedHashMap。       
  • 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory bylijinnan abstract
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ package design.pattern; /* * Abstract Factory Pattern * 抽象工厂模式的目的是： * 通过在抽象工厂里面定义一组产品接口，方便地切换“产品簇” * 这些接口是相关或者相依赖的
  • 压暗面部高光 cherishLC PS
    方法一、压暗高光&重新着色 当皮肤很油又使用闪光灯时，很容易在面部形成高光区域。 下面讲一下我今天处理高光区域的心得： 皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道（Lab模式的L通道）决定，色彩则由a、b通道确定。 处理思路为在保持高光区域纹理的情况下，对高光区域着色。具体步骤为：降低高光区域的整体的亮度，再进行着色。 如果想简化步骤，可以只进行着色（参看下面的步骤1
  • Java VisualVM监控远程JVM crabdave visualvm
    Java VisualVM监控远程JVM    JDK1.6开始自带的VisualVM就是不错的监控工具. 这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面   通过JMX连接远程机器, 需要经过下面的配置: 1. 修改远程机器JDK配置文件 (我这里远程机器是linux).    
  • Saiku去掉登录模块 daizj saiku登录olapBI
    1、修改applicationContext-saiku-webapp.xml <security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />  <security:intercept-url pattern=&qu
  • 浅析 Flex中的Focus dsjt htmlFlexFlash
    关键字：focus、 setFocus、 IFocusManager、KeyboardEvent 焦点、设置焦点、获得焦点、键盘事件 一、无焦点的困扰——组件监听不到键盘事件 原因：只有获得焦点的组件（确切说是InteractiveObject）才能监听到键盘事件的目标阶段；键盘事件（flash.events.KeyboardEvent）参与冒泡阶段，所以焦点组件的父项（以及它爸
  • Yii全局函数使用 dcj3sjt126com yii
    由于YII致力于完美的整合第三方库，它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如，Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数，使得代码看起来更加简洁易用。(原文地址) 我们可以保存在globals.php在protected目录下。然后，在入口脚本index.php的，我们包括在
  • 设计模式之单例模式二（解决无序写入的问题） come_for_dream 单例模式volatile乱序执行双重检验锁
                    在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题，但是因为由于JVM为了使得处理器内部的运算单元能充分利用，处理器可能会对输入代码进行乱序执行（Out Of Order Execute）优化，处理器会在计算之后将乱序执行的结果进行重组，保证该
  • 程序员从初级到高级的蜕变 gcq511120594 框架工作PHPandroidhtml5
    软件开发是一个奇怪的行业，市场远远供不应求。这是一个已经存在多年的问题，而且随着时间的流逝，愈演愈烈。 我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题，当然这些方法常常不管用，于是，唯一能做的就是不断地尝试，逐个看看是否奏效”。 现在我们把淫浸代码时间超过3年的开发人员称为
  • Reverse Linked List hcx2013 list
    Reverse a singly linked list.   /** * Definition for singly-linked list. * public class ListNode { * int val; * ListNode next; * ListNode(int x) { val = x; } * } */ p
  • Spring4.1新特性——数据库集成测试 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • C# Ajax上传图片同时生成微缩图(附Demo) liyonghui160com
        1.Ajax无刷新上传图片,详情请阅我的这篇文章。（jquery + c# ashx）         2.C#位图处理  System.Drawing。         3.最新demo支持IE7,IE8,Fir
  • Java list三种遍历方法性能比较 pda158 java
    从c/c++语言转向java开发，学习java语言list遍历的三种方法，顺便测试各种遍历方法的性能，测试方法为在ArrayList中插入1千万条记录，然后遍历ArrayList，发现了一个奇怪的现象，测试代码例如以下： package com.hisense.tiger.list; import java.util.ArrayList; import java.util.Iterator;
  • 300个涵盖IT各方面的免费资源（上）——商业与市场篇 shoothao seo商业与市场IT资源免费资源
    A.网站模板+logo+服务器主机+发票生成 HTML5 UP:响应式的HTML5和CSS3网站模板。 Bootswatch:免费的Bootstrap主题。 Templated:收集了845个免费的CSS和HTML5网站模板。 Wordpress.org|Wordpress.com:可免费创建你的新网站。 Strikingly:关注领域中免费无限的移动优
  • localStorage、sessionStorage uule localStorage
    W3School 例子   HTML5 提供了两种在客户端存储数据的新方法： localStorage - 没有时间限制的数据存储 sessionStorage - 针对一个 session 的数据存储   之前，这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储，因为它们由每个对服务器的请求来传递，这使得 cookie 速度很慢而且效率也不
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他