一维卷积

机器人可操作度 matlab,并联机器人可操作度分析的蒙特卡罗方法

文献[78]在D-H法求串联机器人位置正解的基础上,基于卷积理论推导出了蒙特卡罗法生成的串联机器人工作空间上点的分布不均匀程度与机器人可操作度的关
weixin_39957027·2023-12-15 22:47

Audio Signal (MATLAB)代码学习——重叠相加（overlap And add)）

引言过滤，卷积都是音频信号处理的常用操作，但是直接对一整个信号进行处理，时间消耗巨大。为了解决这一问题，我们引入重叠相加的方法（Overlap-And-Add）OLA。
CCC_bi·2023-12-15 21:10

YoloV8改进策略：双动态令牌混合器（D-Mixer）的TransXNet，实现YoloV8的有效涨点

D-Mixer通过分别在均匀分割的特征片段上应用有效的全局注意力模块和输入依赖的深度卷积，使网络具有强大的归纳偏差和扩大的有效感受野。
静静AI学堂·2023-12-15 20:57

YOLOv5改进 | 2023卷积篇 | AKConv轻量级架构下的高效检测（既轻量又提点）

一、本文介绍本文给大家带来的改进内容是AKConv是一种创新的变核卷积，它旨在解决标准卷积操作中的固有缺陷（采样形状是固定的），AKConv的核心思想在于它为卷积核提供了任意数量的参数和任意采样形状，能够使用任意数量的参数
Snu77·2023-12-15 20:56

通信系统的正交调制(IQ)解调与希尔伯特变换原理

实信号的复数表示→解析信号(预包络)z(t)时域表达式：其中*为卷积；频域：Or：希尔伯特变换(HilbertTransform)(HilbertTransform)希尔伯特变换可以把一个实信号表示成其频谱仅在正频率域有值的复信号
XiaoMing_sususu·2023-12-15 20:06

MobileNet网络

介绍MobileNet网络专注于移动端或者嵌入式设备中的轻量级CNN网络，相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量（相比VGG16准确率减少了0.9%，但模型参数只有VGG
Kelly_Ai_Bai·2023-12-15 20:55

详解Keras3.0 Layers API: Convolution layers（Conv1D、Conv2D、Conv3D）

1、Conv1Dlayer通常对一维度数组（例：arr=np.array([1,2,3,4,5])）进行卷积操作keras.layers.Conv1D(filters,kernel_size,strides
缘起性空、·2023-12-15 19:12

【深度学习目标检测】四、基于深度学习的抽烟识别（python，yolov8）

Darknet-53是一个53层的卷积神经网络，用于提取图像特征。与传统的卷积神经网络相比，Darkne
justld·2023-12-15 18:06

【深度学习目标检测】七、基于深度学习的火灾烟雾识别（python，目标检测，yolov8）

Darknet-53是一个53层的卷积神经网络，用于提取图像特征。与传统的卷积神经网络相比，Darkne
justld·2023-12-15 18:06

【深度学习目标检测】六、基于深度学习的路标识别（python，目标检测，yolov8）

Darknet-53是一个53层的卷积神经网络，用于提取图像特征。与传统的卷积神经网络相比，Darkne
justld·2023-12-15 18:54

AI：89-基于卷积神经网络的遥感图像地物分类

欢迎订阅支持，正在不断更新中，本专栏最终不低于200篇文章案例~文章目录一.基于卷积神经网络的遥感图像地物分类1.背景2.卷积神经网络的工作原理2.1卷积层2.2池化层2.3
一见已难忘·2023-12-15 17:55

使用pytorch查看中间层特征矩阵以及卷积核参数

这篇是我对哔哩哔哩up主@霹雳吧啦Wz的视频的文字版学习笔记感谢他对知识的分享1和4是之前讲过的alexnet和resnet模型2是分析中间层特征矩阵的脚本3是查看卷积核参数的脚本1设置预处理方法和图像训练的时候用的预处理方法保持一致
芒果香菠菠·2023-12-15 17:36

卷积神经网络18种有效创新方法汇总，涵盖注意力机制、空间开发等7大方向

作为深度学习中非常重要的研究方向之一，卷积神经网络（CNN）的创新不仅表现在提升模型的性能上，还更进一步拓展了深度学习的应用范围。
深度之眼·2023-12-15 16:49

【深度学习目标检测】五、基于深度学习的安全帽识别（python，目标检测）

深度学习目标检测方法则是利用深度神经网络模型进行目标检测，主要有以下几种：R-CNN系列：包括R-CNN、FastR-CNN、FasterR-CNN等，通过候选区域法生成候选目标区域，然后使用卷积神经网络提取特征
justld·2023-12-15 16:15

【改进YOLOv8】融合感受野注意力卷积RFCBAMConv的杂草分割系统

1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义随着计算机视觉技术的不断发展，图像分割成为了一个重要的研究领域。图像分割可以将图像中的不同对象或区域进行有效的分离，对于许多应用领域具有重要的意义，如医学图像分析、自动驾驶、智能监控等。其中，杂草分割是农业领域中的一个重要应用，可以帮助农民准确地识
xuehaikj·2023-12-15 16:14

如何通过球面投影(Spherical Projection)将点云转换为距离图像(Range Images)

点云转换为距离图像后，通常会被输入给一个2维卷积神经网络去实现目标检测、语义分割等任务。
AI松子666·2023-12-15 15:25

CPGNet点云语义分割简介

该方法通过将LiDAR点云分别投影到鸟瞰视图bird`s-eyeview(BEV)和距离视图rangeview(RV)，然后在两个视图上应用2D全卷积网络提取语义特征，接
AI松子666·2023-12-15 15:25

【改进YOLOv8】矿物尺寸图像分析系统：融合位置感知循环卷积(ParC)改进YOLOv8

1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义随着科技的不断发展，计算机视觉技术在各个领域中得到了广泛的应用。其中，物体检测是计算机视觉领域中的一个重要研究方向。物体检测的目标是在图像或视频中准确地识别和定位出物体的位置。这项技术在许多领域中都有着重要的应用，如智能交通系统、安防监控、无人驾驶
xuehaishijue·2023-12-15 14:45

【改进YOLOv8】融合Context_Grided_Network(CGNet)的晶粒大小分布统计系统

随着深度学习的发展，基于卷积神经网络（CNN）的目标检测算法取得了显著的进
xuehaishijue·2023-12-15 14:15

OpenCV-Python16:图像平滑操作

目录图像平滑基础本文目标2D卷积图像模糊（图像平滑）平均模糊高斯模糊中值模糊双边滤波图像平滑基础在尽量保留图像原有信息的情况下，过滤掉图像内部的噪声，这一过程称为对图像的平滑处理，所得的图像称为平滑图像
图灵追慕者·2023-12-15 13:54

MATLAB （n,k,m）卷积码原理及仿真代码（你值得拥有）

卷积码原理介绍1.基本概念首先卷积码是一种纠错码，让我们先从大格局出发，去认识卷积码。
小小低头哥·2023-12-15 10:54

MATLAB 仿真实现任意（n,k,m）卷积码译码

MATLAB仿真实现任意（n,k,m）卷积码译码  上一节已经给大家展示了如何在MATLAB中进行任意的（n,k,m）卷积码的编码仿真操作，并给了具体函数。
小小低头哥·2023-12-15 10:23

图像融合——现有比较火的网络

这些网络可以基于不同的架构设计，下面是一些常用于图像融合任务的深度学习网络类型：卷积神经网络（CNNs）：常用于图像相关任务，因为它们可以有效地处理像素数据并提取空间特征。
Keep forward upup·2023-12-15 08:28

GCN（图卷积）学习笔记

  CNN在图像上可以非常有效的提取特征，但是CNN处理的图像中像素点是排列成一个很整齐的矩阵，无法直接应用于图结构中，因为图中每个节点的邻接节点的数目可能都是不同的，那就无法用一个相同尺寸的卷积核进行卷积运算
图学习的小张·2023-12-15 05:32

Deep Learning on Graphs: A Survey 详细学习笔记(2)------GCNs

图卷积的定义要了解GCN，首先要搞清楚什么是图卷积。卷积的操作想必对机器学习有所了解的读者再熟悉不过了，但是图卷积又是什么。这个部分笔者结合了论文和网上一些大神写的见解做了个总体的汇总。
纯木桨·2023-12-15 05:22

信号处理（1）——为什么要求包络谱

文章目录前言一、信号的幅值调制和包络二、程序总结前言在信号处理中，通过求解信号的包络谱会获得信号中隐含的信息，毕竟对于系统来说，各种信号之间存在一个非常复杂的关系（调制（卷积）），如果仅仅通过FFt变换
heavy_truck·2023-12-15 01:30

【PyTorch】现代卷积神经网络

文章目录1.理论介绍1.1.深度卷积神经网络（AlexNet）1.1.1.概述1.1.2.模型设计1.2.使用块的网络（VGG）1.3.网络中的网络（NiN）1.4.含并行连结的网络（GoogLeNet
盛世隐者·2023-12-14 23:10

AI：100-基于卷积神经网络的农作物生长状态监测

欢迎订阅支持，正在不断更新中，本专栏最终不低于200篇文章案例~一.基于卷积神经网络的农作物生长状态监测人工智能技术在农业领域的应用日益受到关注，其中基于卷积神经网络（Con
一见已难忘·2023-12-14 22:54

番茄病虫害检测系统：融合感受野注意力卷积（RFAConv)改进YOLOv8

1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义番茄是全球重要的蔬菜作物之一，具有广泛的经济和营养价值。然而，番茄病虫害的严重威胁导致了产量和质量的损失。因此，开发一种高效准确的番茄病虫害检测系统对于农业生产的可持续发展至关重要。传统的番茄病虫害检测方法主要依赖于人工目视观察，这种方法存在着效率
xuehai996·2023-12-14 21:36

用 C 写一个卷积神经网络

用C写一个卷积神经网络深度学习领域最近发展很快，前一段时间读transformer论文《AttentionIsAllYouNeed》时，被一些神经网络和深度学习的概念搞得云里雾里，其实也根本没读懂。
zerok775·2023-12-14 21:37

【改进YOLOV8】融合动态蛇形卷积＆DCNV2的草莓分级分割分割系统

1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义随着计算机视觉技术的不断发展，图像分割成为了一个重要的研究领域。图像分割可以将图像中的不同对象或区域进行分离，从而更好地理解图像内容。在农业领域，图像分割技术可以应用于农作物的生长监测、病虫害检测和果实分级等方面。其中，草莓分级分割系统是一个具有重
xuehaikj·2023-12-14 20:44

白鼠轨迹检测追踪系统：融合在线卷积重参数化OREPA改进YOLOv8

1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义近年来，随着计算机视觉和深度学习的快速发展，目标检测和跟踪成为了计算机视觉领域的热门研究方向。在实际应用中，目标检测和跟踪系统在许多领域都具有重要的应用价值，例如智能监控、自动驾驶、人机交互等。其中，白鼠轨迹检测追踪系统在生物医学研究中具有重要的意
xuehaikj·2023-12-14 20:44

ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders

1.关于稀疏卷积的解释：https://zhuanlan.zhihu.com/p/3823658892.答案：在深度学习领域，尤其是计算机视觉任务中，遮蔽图像建模（MaskedImageModeling
橙黄橘绿时_Eden·2023-12-14 19:48

论文阅读——Deformable ConvNets v2

arxiv.org/pdf/1811.11168.pdf代码：https://github.com/chengdazhi/Deformable-Convolution-V2-PyTorch1.介绍可变形卷积能够很好地学习到发生形变的物体
Sciws·2023-12-14 18:35

【PyTorch】卷积神经网络

文章目录1.理论介绍1.1.从全连接层到卷积层1.1.1.背景1.1.2.从全连接层推导出卷积层1.2.卷积层1.2.1.图像卷积1.2.2.填充和步幅1.2.3.多通道1.3.池化层（又称汇聚层）1.3.1
盛世隐者·2023-12-14 17:49

时间序列预测实战(二十四)PyTorch实现RNN进行多元和单元预测（附代码+数据集+完整解析）

一、本文介绍本篇文章给大家带来的是利用我个人编写的架构进行RNN时间序列卷积进行时间序列建模（专门为了时间序列领域新人编写的架构，简单且不同于市面上大家用GPT写的代码），包括结果可视化、支持单元预测、
Snu77·2023-12-14 17:32

3.PyTorch——常用神经网络层

__version__'2.1.1'3.1图像相关层图像相关层主要包括卷积层（Conv）、池化层（Pool）等，这些层在实际使用中可分为一维(1D)、二维(2D)、三维
沉住气CD·2023-12-14 16:25

基于YOLOv8的PCB缺陷检测实现附完整代码

此外，我们提出了一种基于参考的方法来检查并训练了一个端到端的卷积神经网络来对这些缺陷进行分类。
强盛小灵通专卖员·2023-12-14 16:53

CNN 卷积神经网络之 DenseNet 网络的分类统一项目(包含自定义数据集的获取)

DenseNet网络介绍本章实现的项目是DenseNet网络对花数据集的五分类，下载链接：基于迁移学习的DenseNet图像分类项目DenseNet网络是在ResNet网络上的改进，大概的网络结构如下：1.1卷积的简单介绍图像识别任务主要利用神经网络对图像进行特征提取
听风吹等浪起·2023-12-14 15:00

【机器学习】多模态机器学习

在多模态机器学习中，常用的方法包括神经网络、卷积神经网络、循环神经网络等。这些方法可以同时处理多种数据类型，并将它们融合到一个统一的模型中进行训练和预测。例如，在图像识别任务中
Bosenya12·2023-12-14 14:35

数字信号处理_第3个编程实例（Matlab求解卷积，系统响应及信号相关运算）

配套的讲解视频详见数字信号处理7-1_卷积的Matlab实现_哔哩哔哩_bilibili，数字信号处理7-2_利用Matlab求解系统响应_哔哩哔哩_bilibili，数字信号处理7-3_相关运算的Matlab
YoungHIT·2023-12-07 00:44

VSCode之C++ & CUDA入门：reduce的N+1重境界

背景Reduce是几乎所有多线程技术的基础和关键，同样也是诸如深度学习等领域的核心，简单如卷积运算，复杂如梯度聚合、分布式训练等，了解CUDA实现reduce，以及优化reduce是理解CUDA软硬件连接点的很好切入点
qq_37172182·2023-12-07 00:23

YOLOv8改进 | 2023 | Deformable-LKA可变形大核注意力（涨点幅度超高）

Deformable-LKA结合了大卷积核的广阔感受野和可变形卷积的灵活性，有效地处理复杂的视觉信息。这一机制通过动态调整卷积核的形状和大小来适应不同的图像特征，提高了模型对目标形状和尺寸的适应性。
Snu77·2023-12-06 22:32

【23-24 秋学期】NNDL 作业8 卷积 导数 反向传播

习题5-2证明宽卷积具有交换性，即公式(5.13)．图像X和卷积核W的宽卷积定义如下：要证明：当图像X和卷积核W有固定长度时,他们的宽卷积具有满足交换性，如下：设二维图像为：，也就是：对应卷积核为：，也就是
今天也是元气满满的一天呢·2023-12-06 21:48

深度学习好文记录，反复学习

机器学习，深度学习一些好文_一只菜得不行的鸟的博客-CSDN博客卷积神经网络学习路线（五）|卷积神经网络参数设置，提高泛化能力？
Codiplay·2023-12-06 20:18

软著项目推荐 深度学习花卉识别 - python 机器视觉 opencv

文章目录0前言1项目背景2花卉识别的基本原理3算法实现3.1预处理3.2特征提取和选择3.3分类器设计和决策3.4卷积神经网络基本原理4算法实现4.1花卉图像数据4.2模块组成5项目执行结果6最后0前言优质竞赛项目系列
iuerfee·2023-12-06 19:00

U-Net网络模型改进（添加通道与空间注意力机制）---亲测有效，指标提升

U-Net网络模型（注意力改进版本）这一段时间做项目用到了U-Net网络模型，但是原始的U-Net网络还有很大的改良空间，在卷积下采样的过程中加入了通道注意力和空间注意力。
普通研究者·2023-12-06 18:02

DCGAN生成网络模型

它结合了卷积神经网络（CNN）和生成对抗网络的概念，旨在生成具有高质量的逼真图像。
普通研究者·2023-12-06 18:02

2018 ICLR | GRAPH ATTENTION NETWORKS

pdf/1710.109032018ICLR|GRAPHATTENTIONNETWORKS摘要作者提出了图注意网络(GATs)，一种基于图结构数据的新型神经网络架构，利用隐藏的自我注意层来解决先前基于图卷积或其近似方法的缺点
发呆的比目鱼·2023-12-06 18:21

GRAPH ATTENTION NETWORKS图注意力网络 论文翻译

GraphAttentionNetwork论文详解ABSTRACT我们提出了图注意网络(GATs)，这是一种新型的基于图结构数据的神经网络结构，利用屏蔽的自注意层maskedself-attentionallayers来解决基于图卷积或其近似的现有方法的缺点
ysh9888·2023-12-06 18:50
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他