卷积神经网络+特征提取

论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

详细说明代表性DL架构：卷积神经网络（CNN）、U-形神经网络（U-Net）和
superace7911·2025-02-25 15:50

知识库管理中台架构：数据资产激活与企业效率跃升

基于AI驱动的语义解析技术与分布式大数据处理框架，该架构实现了非结构化数据的多模态特征提取与知识图谱映射。
Baklib-企业帮助文档·2025-02-25 04:59

Python的PyTorch+CNN深度学习技术在人脸识别项目中的应用

人脸识别技术是一种基于人脸特征进行身份识别的生物识别技术，其核心原理包括人脸检测、人脸对齐、特征提取、特征匹配、身份识别。一、应用场景安防：门禁、监控。金融：刷脸支付、身份验证。社交：自动标注、美颜。
mosquito_lover1·2025-02-25 01:07

深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet

B站视频讲解:深度学习入门篇:使用pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,西一棒槌的,在这种情况下,我会给大家更新深度学习系列的技术文章,轮椅级持续更新技术干货,别问为什么是轮椅级,因为保姆级已经过时了!前置基础知识储备:python/pytorch/神经网络基础知识概念
智算学术·2025-02-25 00:31

YOLOv12：以注意力为中心的物体检测

相比以往的YOLO模型，YOLOv12摒弃了传统基于卷积神经网络（CNN）的结构，采用了全新的方法，融合了自注意力机制和高效的网络架构优化，提供了一个高精度、低延迟的实时目标检测模型。
那雨倾城·2025-02-24 23:21

浅显介绍图像识别的算法卷积神经网络（CNN）中的激活函数

激活函数的作用激活函数在神经网络中扮演着至关重要的角色，其主要作用包括但不限于以下几点：引入非线性：如果没有激活函数或仅使用线性激活函数，无论神经网络有多少层或多复杂，整个模型仍然只能表达线性映射。这意味着它无法学习和表示数据中的复杂模式。通过使用非线性的激活函数，如ReLU（修正线性单元）、Sigmoid、Tanh等，可以赋予神经网络学习复杂函数的能力。决定神经元是否被激活：激活函数根据输入信号
cjl30804·2025-02-24 15:31

深度学习（5）-卷积神经网络

我们将深入理解卷积神经网络的原理，以及它为什么在计算机视觉任务上如此成功。我们先来看一个简单的卷积神经网络示例，它用干对MNIST数字进行分类。
yyc_audio·2025-02-24 14:26

深度学习（2)-深度学习关键网络架构

关键网络架构深度学习有4种类型的网络架构：密集连接网络、卷积神经网络、循环神经网络和Transformer。
yyc_audio·2025-02-24 14:26

生成对抗网络(GAN)：从概念到代码实践(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-23 21:19

MTCNN 人脸检测技术揭秘：原理、实现与实战(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-23 21:18

人工智能：从基础到前沿

2.2人工智能的历史2.3人工智能的分类3.机器学习3.1机器学习概述3.2监督学习3.3无监督学习3.4强化学习4.深度学习4.1深度学习概述4.2神经网络基础4.3卷积神经网络（CNN）4.4循环神经网络
顾漂亮·2025-02-23 12:15

边缘计算与联邦学习驱动医疗影像特征工程优化

该框架以卷积神经网络为核心，结合多阶段数据预处理流程（包括噪声抑制、模态对齐及标准化处理），实现跨设备医疗影像的特征表示统一化。在模型
智能计算研究中心·2025-02-23 11:40

Python中常见库 PyTorch和Pydantic 讲解

它提供了丰富的工具和库，用于构建和训练各种深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）及其变体（如LSTM、GRU）、生成对抗网络（GAN）等。
爱丫爱·2025-02-22 23:40

【特征融合】卷积神经网络中的特征融合方式有哪些？？让我们一起看看！

【特征融合】卷积神经网络中的特征融合方式总结与探索…【特征融合】卷积神经网络中的特征融合方式总结与探索…文章目录【特征融合】卷积神经网络中的特征融合方式总结与探索...前言：1.串联（Concatenation
985小水博一枚呀·2025-02-22 22:59

基于CNN-LSTM-Attention的回归预测算法（附Tensorflow框架下的代码）

基于CNN-LSTM-Attention的回归预测算法结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（Attention）三种强大的技术，通常用于时序数据的回归预测问题。
Jason_Orton·2025-02-22 20:08

Python：实现 PyTorch 中训练自定义卷积神经网络模型(CNN)并导出模型为 ONNX 格式，同时使用 ONNX Runtime 进行推理

本文将介绍如何使用PyTorch训练一个简单的卷积神经网络（CNN）模型，并将训练好的模型导出为ONNX格式，之后使用ONNXRuntime在Python中加载并进行推理。
煤炭里de黑猫·2025-02-22 16:40

基于深度学习的入侵检测系统设计与实现

基于深度学习的入侵检测系统设计与实现关键词：深度学习、入侵检测、网络安全、机器学习、神经网络、特征提取、实时分析文章目录基于深度学习的入侵检测系统设计与实现1.背景介绍1.1网络安全的重要性1.2传统入侵检测系统的局限性
AI天才研究院·2025-02-22 13:44

直播美颜SDK的底层技术解析：图像处理与深度学习的结合

一、直播美颜SDK的基本概述图像处理是直播美颜SDK的核心技术之一，它主要负责对图像进行预处理、特征提取以及美颜效果的实时合成。在直播美颜SDK中，图像处理技术包含多个关键步骤
美狐美颜sdk·2025-02-22 11:29

适用于复杂背景的YOLOv8改进：基于DCN的特征提取能力提升研究

文章目录1.YOLOv8的性能瓶颈与改进需求1.1YOLOv8的优势与局限性1.2可变形卷积（DCN）的优势2.DCN在YOLOv8中的应用2.1DCN的演变与YOLOv8的结合2.2将DCN嵌入YOLOv8的结构中2.2.1DCNv1在YOLOv8中的应用2.2.2DCNv2与DCNv3的优化2.3实验与性能对比3.结果与分析3.1数据集与实验设置实验设置：3.2实验结果3.2.1COCO数据集
向哆哆·2025-02-22 10:20

深度学习-123-综述之AI人工智能与DL深度学习简史1956到2024

1940-1960年代)1.3多层感知器MLP(1960年代)1.4反向传播(1970-1980年代)1.5第二次黑暗时代(1990-2000年代)1.6深度学习的复兴(21世纪末至今)1.6.1CNN卷积神经网络
皮皮冰燃·2025-02-22 04:07

计算机视觉之图像处理-----SIFT、SURF、FAST、ORB 特征提取算法深度解析

SIFT、SURF、FAST、ORB特征提取算法深度解析前言在图像处理领域亦或是计算机视觉中，首先我们需要先理解几个名词：什么是尺度不变？
三年呀·2025-02-22 01:27

深度学习模型的全面解析：技术进展、应用场景与未来趋势

这些模型可以根据其结构和应用场景被分为不同的类别，包括但不限于卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）、生成对抗网络（GAN）和Transformer模型等。
阿尔法星球·2025-02-21 22:03

基于深度学习的入侵检测系统设计与实现

基于深度学习的入侵检测系统设计与实现文章关键词:深度学习，入侵检测，网络安全，神经网络，特征提取，系统设计文章摘要:随着互联网的快速发展和网络攻击技术的不断演进，网络安全形势日益严峻。
AI天才研究院·2025-02-21 19:39

UNet：UNet的损失函数与优化器_2024-07-24_07-32-39.Tex

UNet：UNet的损失函数与优化器UNet简介UNet的架构UNet是一种广泛应用于图像分割任务的卷积神经网络架构，由OlafRonneberger、PhilippFischer和ThomasBrox
chenjj4003·2025-02-21 16:46

Vision Transformer图像分类实现

与传统的卷积神经网络(CNN)不同，ViT将图像分割成多个小块（patches），并将这些小块视为序列输入到Transformer中。
reset2021·2025-02-21 16:13

图像检测分析难题？三维天地引入YOLO目标检测技术带来全新解决方案！

然而,传统的图像处理方法面临着诸多挑战,如庞大的数据量、复杂的特征提取、漫长的模型训练周期以及复杂的公式计算等。这些问题不仅限制了检测的效率,还对结果的准确性产生了负面影响。
资讯分享周·2025-02-21 08:02

Vision Transformer（ViT）：用 Transformer 颠覆图像识别

VisionTransformer（ViT）：用Transformer颠覆图像识别在计算机视觉领域，卷积神经网络（CNN）长期以来一直是图像识别任务的主流架构。
金外飞176·2025-02-20 19:36

图像识别与应用

图像识别作为人工智能领域的重要分支，近年来取得了显著进展，其中卷积神经网络（CNN）功不可没。
狂踹瘸子那条好脚·2025-02-20 13:10

基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用

专题一：深度学习发展与机器学习深度学习的历史发展过程机器学习，深度学习等任务的基本处理流程梯度下降算法讲解不同初始化，学习率对梯度下降算法的实例分析从机器学习到深度学习算法专题二深度卷积网络、卷积神经网络
xiao5kou4chang6kai4·2025-02-20 11:20

卷积神经网络之AlexNet经典神经网络，实现手写数字0~9识别

由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。
知识鱼丸·2025-02-20 08:24

DeepSeek接入大数据能做什么

DeepSeek接入大数据领域的技术路径多模态数据处理能力支持文本/图像/视频/传感器数据的统一处理自主研发的MoE（MixtureofExperts）架构可并行处理异构数据超大规模特征工程基于千亿参数模型的自动特征提取支持非结构化数据的深度语义解析实时计算优化自研分布
PersistDZ·2025-02-19 22:59

自然语言处理NLP 01语言转换&语言模型

目录语言转化方式1.数据预处理（DataPreprocessing）(1)文本清理(2)分词(3)语言特殊处理2.特征提取（FeatureExtraction）(1)词袋模型（BagofWords,BoW
伊一大数据&人工智能学习日志·2025-02-19 22:56

从代码到专利：如何用自注意力机制实现高效序列转换？——深度解析Google的Transformer架构

在传统的序列转换任务（如机器翻译、语音识别等）中，循环神经网络（RNN）和卷积神经网络（CNN）是常用的模型架构。然而，这些模型存在以下问题：
CodePatentMaster·2025-02-19 21:53

【TVM教程】为 x86 CPU 自动调优卷积网络

更多TVM中文文档可访问→https://tvm.hyper.ai/作者：YaoWang,EddieYan本文介绍如何为x86CPU调优卷积神经网络。
·2025-02-19 20:45

YOLOv11算法与改进版YOLOv11算法对比：性能提升与优化

如何生成可参考右边的帮助文档文章目录YOLOv11算法与改进版YOLOv11算法对比：性能提升与优化前言一、YOLOv11算法概述二、训练步骤2.验证数据的数据代码2.改进版YOLOv11算法的创新a.改进的特征提取网络
m0_54717829·2025-02-19 16:17

遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）

一：深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习，深度学习等任务的基本处理流程4.卷积神经网络的基本原理5
岁月如歌，青春不败·2025-02-19 15:05

用deepseek学大模型08-卷积神经网络(CNN)

yuanbao.tencent.com从入门到精通卷积神经网络(CNN),着重介绍的目标函数，损失函数，梯度下降标量和矩阵形式的数学推导，pytorch真实能跑的代码案例以及模型,数据，预测结果的可视化展示
wyg_031113·2025-02-19 07:30

基于图像处理的裂缝检测与特征提取

本文将详细介绍一段用于裂缝检测与特征提取的Python代码，重点讲解其实现的核心算法与关键步骤，分析其应用场
机器懒得学习·2025-02-19 07:00

基于 Spring Cloud + Sentinel 的全面流量治理方案

一、精准评估系统最大负载1.流量建模历史日志分析流量特征提取业务场景拆解流量模型构建容量预测模型实施方法：使用ELK分析6个月Nginx日志，提取分时/分业务QPS曲线构建典型场景模型：日常流量（正态分布
power-辰南·2025-02-18 18:40

深度学习下的图像分割

基于学习的图像分割算法主要依赖于深度神经网络，经典的深度神经网络分为如下几种：2.1卷积神经网络CNN：卷积神经网络是图像处理领域应用最为广泛的网络，其权值共享，局部连接等特性
人工智能大讲堂·2025-02-18 14:01

计算机视觉中图像的基础认知

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络一、图像/视频的基本属性在计算机视觉中
全栈你个大西瓜·2025-02-17 15:38

【深度学习】计算机视觉（CV）-图像分类-ResNet（Residual Network，残差网络）

ResNet（ResidualNetwork，残差网络）是一种深度卷积神经网络（CNN）架构，由何恺明（KaimingHe）等人在2015年提出，最初用于ImageNet竞赛，并在分类任务上取得了冠军。
IT古董·2025-02-17 14:57

使用多模态大语言模型进行深度学习的图像、文本和语音数据增强

在过去的五年里，研究方向已从传统的机器学习（ML）和深度学习（DL）方法转向利用大语言模型（LLMs），包括多模态方法，用于数据增强，以提高泛化能力，并在训练深度卷积神经网络时防止过拟合。
数行天下·2025-02-17 12:42

ASR技术与Whisper引擎

特征提取：通过编码将声音转变为数字信号，提取有效的声学特征。梅尔频率倒谱系数MFCC是最经典的语音特征。声学模型：声学模型通过处理编码得到的向量，将相
Catformon·2025-02-17 01:38

YOLOv8中Bottleneck模块详解

1.Bottleneck模块介绍Bottleneck模块在YOLOv8中的作用是进行特征提取和增强，是网络中的核心构建模块之一。
王了了哇·2025-02-16 07:22

机器学习 网络安全

步骤下面是实现机器学习网络安全的流程，简单概括如下：步骤描述1.数据采集从网络安全日志或其他数据源中采集数据2.数据预处理对数据进行清洗、归一化和特征提取等操作3.模型选择选择适合网络安全场景的机器学习模型
网络安全Max·2025-02-16 06:15

【人工智能在制造业的具体应用案例-质量控制】

接下来，数据处理部分可能需要特征提取，比如从图像中
局外人_Jia·2025-02-16 05:13

Transformer

1.TransformerTransformer是一种新的、基于attention机制来实现的特征提取器，可用于代替CNN和RNN来提取序列的特征。
AI专题精讲·2025-02-15 18:18

《深度Q网络优化：突破高维连续状态空间的束缚》

深度Q网络基础回顾深度Q网络结合了深度学习强大的特征提取能力与Q学习的决策优化思想。在传统强化学习中，Q学习通过Q表记录每个状态-动作对
·2025-02-15 18:22

点云从入门到精通技术详解100篇-基于 CBCT 与口内扫描数据的牙齿点云配准

目录前言国内外研究现状传统牙齿配准点云配准2牙齿数据的深度学习点云配准基础2.1牙齿数据获取方法2.1.1口腔印模2.1.2辐射成像2.1.3口内扫描2.2深度学习网络2.2.1全连接神经网络2.2.2卷积神经网络
格图素书·2025-02-15 12:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他