八度卷积第50页

深度学习基于python+TensorFlow+Django的花朵识别系统

文章目录一项目简介二、功能三、系统四.总结一项目简介花朵识别系统，基于Python实现，深度学习卷积神经网络，通过TensorFlow搭建卷积神经网络算法模型，并对数据集进行训练最后得到训练好的模型文件

雅致教育·2023-11-12 18:09

InceptionNext网络分析

作者提出InceptionNext，将大核深度卷积分解为沿通道维度的四个平行分支，即小方形核、两个正交带核和

mingqian_chu·2023-11-12 16:48

ViT：AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE 论文阅读

ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE0.AbstractTransformer在计算机视觉中的应用有限在视觉中，注意力要么与卷积网络结合使用

KrMzyc·2023-11-12 13:59

Interactive Analysis of CNN Robustness

InteractiveAnalysisofCNNRobustness----《CNN鲁棒性的交互分析》摘要虽然卷积神经网络（CNN）作为图像相关任务的最先进模型被广泛采用，但它们的预测往往对小的输入扰动高度敏感

今我来思雨霏霏_JYF·2023-11-12 12:49

Python实战 | 使用 Python 和 TensorFlow 构建卷积神经网络（CNN）进行人脸识别

专栏集锦，大佬们可以收藏以备不时之需SpringCloud实战专栏：https://blog.csdn.net/superdangbo/category_9270827.htmlPython实战专栏：https://blog.csdn.net/superdangbo/category_9271194.htmlLogback详解专栏：https://blog.csdn.net/superdangbo

Web3&Basketball·2023-11-12 12:56

概念解析 | Richardson-Lucy去卷积算法

注1:本文系“概念解析”系列之一,致力于简洁清晰地解释、辨析复杂而专业的概念。本次辨析的概念是:Richardson-Lucy去模糊算法Richardson-Lucy去模糊算法:重现图像的真实面目BlinddeconvolutionbymeansoftheRichardson–Lucyalgorithm背景介绍在图像处理中,图像获取时经常会存在模糊现象,这会严重影响图像的质量。去模糊(Deconv

R.X. NLOS·2023-11-12 11:10

Pytorch常用的函数(四)深度学习中常见的上采样方法总结

Pytorch常用的函数(四)深度学习中常见的上采样方法总结我们知道在深度学习中下采样的方式比较常用的有两种：池化步长为2的卷积而在上采样过程中常用的方式有三种：插值反池化反卷积不论是语义分割、目标检测还是三维重建等模型

undo_try·2023-11-12 11:20

时间序列预测实战(十一)用SCINet实现滚动预测功能(附代码+数据集+原理介绍）

官方论文地址官方代码地址->官方代码下载地址个人整理的代码地址->免费分享给大家创作不易请大家给文章点点赞一、本文介绍这篇文章给大家带来的是关于SCINet实现时间序列滚动预测功能的讲解，SCINet是样本卷积交换网络的缩写

Snu77·2023-11-12 11:19

Batch Normalization与Layer Normalization

batchsize,通道数，高，宽）的特征featuretensor，BatchNormalization：对C个NHW切片张量分别归一化（即对每个特征，横跨所有samplesinthebatch进行归一化）卷积用这个

笨鸟不走·2023-11-12 10:04

计算机视觉OpenCV(五)：图像金字塔与轮廓检测

.轮廓特征4.轮廓近似5.边界矩形6.外接圆7.扩展（画图）图像金字塔1.高斯金字塔(GaussianPyramid)首先将原图像作为最底层图像G0（高斯金字塔的第0层），利用高斯核（5*5）对其进行卷积

Aiolei·2023-11-12 10:00

利用卷积神经网络对CIFAR-10数据集分类

CIFAR-10该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同，总的来看训练批，每一类都有5000张图。pytho

我是菜鸡，我不敢睡·2023-11-12 10:14

人工智能-卷积神经网络（LeNet）

而现在，我们已经掌握了卷积层的处理方法，我们可以在图像中保留空间结构。同时，用卷积层代替全连接层的另一个好处是：模型更简洁、所需的参数更少。

白云如幻·2023-11-12 09:36

人工智能-深度卷积神经网络（AlexNet）

深度卷积神经网络（AlexNet）在LeNet提出后，卷积神经网络在计算机视觉和机器学习领域中很有名气。但卷积神经网络并没有主导这些领域。

白云如幻·2023-11-12 09:36

Tensorflow中的张量操作

它被设计为一个符号式数学系统，可用于构建和训练各种人工神经网络，如深度神经网络和卷积神经网络。TensorFlow支持各种编程语言和平台，包括Python、C++、Java和移动设备。

Older司机渣渣威·2023-11-12 08:26

钟逸0822·2023-11-12 06:17

基于python+TensorFlow+Django卷积网络算法+深度学习模型+蔬菜识别系统

二、功能蔬菜识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经

雅致教育·2023-11-12 05:57

YOLOv7改进：RefConv | 即插即用重参数化重聚焦卷积替代常规卷积，无额外推理成本下涨点明显

论文地址目录1.步骤一2.步骤二我们提出了重新参数化的重聚焦卷积（RefConv）作为常规卷积层的替代品，常规卷积层

dg68668·2023-11-12 05:00

YOLOV8改进：动态蛇形卷积，多视角特征融合策略与连续性拓扑约束损失

3.涨点效果：动态蛇形卷积,实现有效涨点！论文地址精确分割拓扑管状结构;如血管和道路，是各种至关重要的现场，确保下游的准确性和效率任务。然而，许多因素使任务复

dg68668·2023-11-12 05:30

YOLOV8改进：RefConv（即插即用重参数化重聚焦卷积替代常规卷积，无额外推理成本下涨点明显）

论文地址目录1.步骤一2.步骤二3.步骤三我们提出了重新参数化的重聚焦卷积（RefConv）作为常规卷积层的替代品，

dg68668·2023-11-12 05:30

YOLOV5改进：RefConv | 即插即用重参数化重聚焦卷积替代常规卷积，无额外推理成本下涨点明显

论文地址目录1.步骤一2.步骤二3.步骤三我们提出了重新参数化的重聚焦卷积（RefConv）作为常规卷积层的替代品，

dg68668·2023-11-12 05:19

第十三章《搞懂算法:神经网络是怎么回事》笔记

常见的神经网络模型有深度神经网络、卷积神经网络、循环神经网络，以及由这些基本网络优化而形成的各种深度学习

Mamong·2023-11-12 05:39

《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记

GenericDynamicGraphConvolutionalNetworkfortrafficflowforecasting》干什么活：交通流预测（trafficflowforecasting）方法：动态图卷积网络

AncilunKiang·2023-11-12 02:06

卷积神经网络中参数量的计算原理及方法

手动计算参数量:1.卷积层参数计算方法:参数量计算公式=卷积核高度*卷积核宽度*输入层通道数*输出层通道数+bias(输出层通道数)注意:池化层没有参数(只是在已知数据区域里求个最大值)输入层通道数就是上层的卷积核数量输出层通道数等于卷积核个数

shengchao0920·2023-11-12 01:24

使用MNIST数据集训练第一个pytorch CNN手写数字识别神经网络

1、CNN卷积神经网络2、torchvision.datasets3、MINIST数据集4、神经网络的训练5、pytorch训练模型的保存CNNPyTorch提供了许多预加载的数据集（例如FashionMNIST

懒懒小道长·2023-11-12 00:21

复现Detectron2-blendmask之冰墩墩雪容融自定义数据集语义分割

光芒再现robotliang·2023-11-11 23:16

改进YOLOv8：结合ICCV2023｜动态蛇形卷积，构建不规则目标识别网络

不规则目标检测，创新提升捕捉图像特征和处理复杂图像特征:本专栏包含大量的新设计的创新想法，包含详细的代码和说明，具备有效的创新组合，可以有效应用到改进创新当中:改进YOLOv8：结合ICCV2023｜动态蛇形卷积

一休哥※·2023-11-11 21:09

【读点论文】结构化剪枝

结构化剪枝在一个神经网络模型中，通常包含卷积层、汇合层、全连接层、非线形层等基本结构，通过这些基本结构的堆叠，最终形成我们所常用的深度神经网络。

羞儿·2023-11-11 20:46

YOLOv8-Seg改进：分割注意力系列篇 | 高效的通道先验卷积注意力（CPCA） | 中科院 2023.6

本文改进：高效的通道先验卷积注意力（CPCA）方法，支持注意力权重在通道和空间维度上的动态分布；CPCA小目标分割检测&复杂场景首选，实现涨点YOLOv8-seg创新专栏：http://t.csdnimg.cn

会AI的学姐·2023-11-11 19:09

YOLOv8-Seg改进：分割注意力系列篇 | 新型的多尺度卷积注意力（MSCA）模块

本文改进：新型的多尺度卷积注意力（MSCA）模块，实现创新，MSCA包含三个部分：深度卷积聚合局部信息，多分支深度条卷积捕获多尺度上下文，以及1×1卷积建模不同通道之间的关系。

会AI的学姐·2023-11-11 19:39

深度学习 python opencv 火焰检测识别火灾检测计算机竞赛

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1

Mr.D学长·2023-11-11 18:24

深度学习 python opencv 火焰检测识别计算机竞赛

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1

Mr.D学长·2023-11-11 18:24

深度学习 python opencv 动物识别与检测计算机竞赛

文章目录0前言1深度学习实现动物识别与检测2卷积神经网络2.1卷积层2.2池化层2.3激活函数2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络3YOLOV53.1网络架构图3.2

Mr.D学长·2023-11-11 18:54

深度学习 python opencv 实现人脸年龄性别识别计算机竞赛

文章目录0前言1项目课题介绍2关键技术2.1卷积神经网络2.2卷积层2.3池化层2.4激活函数：2.5全连接层3使用tensorflow中keras模块实现卷积神经网络4Keras介绍4.1Keras深度学习模型

Mr.D学长·2023-11-11 18:16

机器学习笔记（三）

枯鱼过河泣·2023-11-11 17:50

飞桨图像分类

文章目录一、图像分类数学知识前置1.矩阵加法运算1、理论2、代码实现2.矩阵和数乘法运算1、理论2、代码实现3.矩阵乘法运算1、理论2、代码实现4.算子5.卷积6.求导法则7.反向传播8.MNIST9.

扬志九洲·2023-11-11 13:11

时序预测 | MATLAB实现WOA-CNN-BiGRU-Attention时间序列预测（SE注意力机制）

WOA-CNN-BiGRU-Attention时间序列预测（SE注意力机制）预测效果基本描述模型描述程序设计参考资料预测效果基本描述1.MATLAB实现WOA-CNN-BiGRU-Attention时间序列预测（SE注意力机制）,鲸鱼优化卷积双向门控循环单元注意力时间

机器学习之心·2023-11-11 12:30

backbone：从AlexNet到...（持续补充ing）

文章目录Introduction（前言知识）代码参考卷积、池化输出退化1*1卷积减少或增加通道数自然的减少计算量解决了什么问题，达到了什么样的效果AlexNet整体结构如下VGGNet网络结构如下，D、

怎么全是重名·2023-11-11 12:25

时序预测 | MATLAB实现WOA-CNN-GRU-Attention时间序列预测（SE注意力机制）

WOA-CNN-GRU-Attention时间序列预测（SE注意力机制）预测效果基本描述模型描述程序设计参考资料预测效果基本描述1.MATLAB实现WOA-CNN-GRU-Attention时间序列预测（SE注意力机制）,鲸鱼优化卷积门控循环单元注意力时间序列预测

机器学习之心·2023-11-11 12:54

CRNN论文笔记

前期知识储备：概率论：了解基本的概率论知识，掌握条件概率的概念和公式CNN：了解卷积神经网络CNN的结构，掌握CNN的基本工作原理LSTM：了解长短时记忆网络LSTM的结构，掌握LSTM的基本工作原理CTC

在学习的王哈哈·2023-11-11 12:15

【深度学习基础】人工智能、机器学习、深度学习以及卷积神经网络概念和联系

原创文，转载请注明出处文章目录组成卷积运算什么是物体检测？机器学习？深度学习？卷积神经网络？物体检测1.人类学习2.机器学习3.深度学习4.卷积神经网络组成一个简单的卷积

嵌小超·2023-11-11 11:09

感受野(Receptive Field)理解和计算

@[Toc](感受野(ReceptiveFiled)的理解和计算)感受野定义在卷积神经网络中，感受野(ReceptiveFiled)是经过神经网络后生成的指特征图上的某个像素点所对应输入图像的区域。

Code_LiShi·2023-11-11 11:08

实战-----基于 PyTorch 的 GNN 搭建

目录1.图的表示2.图卷积网络（GCN）的搭建3.图注意力网络（GAT）的搭建4.PyG基础：图数据的操作1.torch_geometric的安装2.图数据的属性3.基准图数据库及基本操作4.图数据的可视化

海阔＆天空742·2023-11-11 11:06

MATLAB算法实战应用案例精讲-【人工智能】图神经网络（最终篇）

目录前言算法原理算法思想1、图卷积网络（GraphConvolutionNetworks，GCN）

林聪木·2023-11-11 11:04

【GNN】一文读懂图卷积GCN

阅读大概需要14分钟跟随小博主，每天进步一丢丢“本文的内容包括图卷积的基础知识以及相关辅助理解的知识点，相信同学们看完后一定能平滑上手理解GCN！”作者：苘郁蓁来源：知乎专栏郁蓁的机器学习笔记。

zenRRan·2023-11-11 11:33

定义无向加权图，并使用Pytorch_geometric实现图卷积

首先定义无向边并定义边的权重importtorchimporttorch.nnasnnfromtorch_geometric.nnimportGCNConvimporttorch.nn.functionalasFfromtorch_geometric.dataimportDataa=torch.LongTensor([0,0,1,1,2,2,3,4])b=torch.LongTensor([0,1

huihui12a·2023-11-11 11:59

神经网络开篇

而由于毕业设计选题的缘故——“卷积神经网络“课题，我现在需要阅读一份英文的文档，都是我不认识的人写的，名字叫《Neuralnetworksanddeeplearning》，中文意思就是神经网络和深度学习

猪头劲·2023-11-11 10:47

循环神经网络、注意力机制、Seq2Seq、Transformer与卷积神经网络（打卡2）

一、过拟合和欠拟合接下来，我们将探究模型训练中经常出现的两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。正

机器小白猫·2023-11-11 10:12

keras复现ResNet_18

错误地方是论文中的卷积核大小都是（3,3）。

qq_36346625·2023-11-11 10:58

低通卷积滤波器matlab程序,matlab自带函数-盲卷积-加噪-卷积-滤波-小结

可以模拟图像降质过程和用一些经典方法盲解卷积复原的过程。

weixin_39941859·2023-11-11 09:42

时间序列预测(1) — 时间序列预测研究综述

2时间序列预测的应用场景与分类3时间序列数据的特性4时序预测评价指标5基于深度学习的时间序列预测方法5.1卷积神经网络5.2循环神经网络5.3Transformer类模型1什么是时间序列预测?

几度春风里·2023-11-11 09:36

推荐频道

八度卷积