卷积神经网络专题第5页

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

【笔试题汇总】华为春招笔试题解 2024-4-17

paoxiaomo，一个现役ACMer，之后将会持续更新算法笔记系列以及笔试题题解系列本文章面向想打ICPC/蓝桥杯/天梯赛等程序设计竞赛，以及各个大厂笔试的选手感谢大家的订阅➕和喜欢有什么想看的算法专题可以私信博主

PXM的算法星球·2025-02-24 20:06

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

平面点排序（结构体专题)

(1)题目描述平面上有n个点，坐标均为整数。请按与坐标原点（0,0）距离的远近将所有点排序输出。可以自己写排序函数，也可以用qsort库函数排序。输入描述输入有两行，第一行是整数n（1#include#include//定义数组记录点到（0.0）的距离;structpoint{inta[2];}poi[10];//一个包含10个point结构体的数组voidjh(int*x,int*y)//函数:

Moring.·2025-02-23 22:27

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

双指针专题4：区间最大和

描述给定n个正整数组成的数列a1,a2，⋅⋅⋅，an和一个整数m。求出这个数列中的一个子区间[i,j]，也就是在这个数列中连续的数字使得这个子区间的和在不超过m的情况下最大。如果有多个区间符合要求，请输出最靠前的那一个区间。输入描述输入共两行。第一行，两个整数n,m;第二行，n个整数a输出描述一行，三个整数，表示符合题意的区间的左端点、右端点和累加和。解释一个样例：mx=-1,l1=-1,r1=-

williamzhou_2013·2025-02-23 18:31

排列组合(深搜专题复习)

有n种物品，并且知道每种物品的数量。要求从中选出m件物品的排列数。例如有两种物品A,B，并且数量都是1，从中选2件物品，则排列有"AB","BA"两种。Input每组输入数据有两行，第一行是二个数n,m(1#include#include#include#include#include#include#include#include#includeconstintmaxn=1e5+5;typede

weixin_30267697·2025-02-23 18:30

蓝桥杯专题之递归+dfs+bfs篇

题目列表：2013年：第39级台阶2014年：李白打酒，地宫取宝2015年：牌型种数2016年：方格填数，剪邮票2018年：全球变暖2019年：迷宫2020年：走方格，七段码2022年模拟赛：2021变1的最短操作数2022年第一次模拟赛：15级台阶2022年国赛：扩散1.第39级台阶小明刚刚看完电影《第39级台阶》，离开电影院的时候，他数了数礼堂前的台阶数，恰好是39级!站在台阶前，他突然又想着

胃口很大的一条小蛇仔·2025-02-23 18:59

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

先进制造aps专题三十用免费生产排程软件isuperaps进行长期生产计划制定

isuperaps是生产排产软件，同时也可以用来制定长期生产计划通过isuperaps制定长期生产计划，一个指导原则就是大bom,单工序，大bom的意思是bom中只包含主要的半成品和原料，单工序的意思是半成品/产品生产以工厂或车间为基本生产单位只设计一个工序1多工厂场景比如工厂1生产半成品a,需要原材料m1,工厂2生产半成品2，需要原材料m2,工厂3组装成品，那么就可以建立以工厂为生产单位的大bo

lijianhua_9712·2025-02-23 07:12

【系统架构设计师】专题：基于构件的软件工程考点

数据知道·2025-02-23 01:22

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

零食行业研究系列报告

零食行业板块投资探讨专题-拥抱极致性价比与下沉时代系列：从下游折扣业态看零食投资(盐津铺子002847／三只松鼠300783)2024-2025年零食坚果_干货商机指南报告零食行业深度报告(系列一)：万亿零食赛道全图谱

seed2016·2025-02-22 13:50

【重识云原生】第四章云网络4.3.7.3节——BGP协议实现原理

《重识云原生系列》专题索引：第一章——不谋全局不足以谋一域第二章计算第1节——计算虚拟化技术总述第二章计算第2节——主流虚拟化技术之VMareESXi第二章计算第3节——主流虚拟化技术之Xen第二章计算第

江中散人·2025-02-22 09:16

分布式消息中间件（十三）——RocketMQ延时消息

作者简介：大家好，我是码炫码哥，前中兴通讯、美团架构师，现任某互联网公司CTO，兼职码炫课堂主讲源码系列专题代表作：《jdk源码&多线程&高并发》，《深入tomcat源码解析》，《深入netty源码解析

码炫课堂-码哥·2025-02-22 07:58

国科大《人工智能原理与算法》2021年期末试题+2024经验（2025指南）

声明：本专题几乎每次作业都有两份答案作为参考，后附两次考试原题+备期末考指南。仅做参考交流使用。

MatsumotoChrikk·2025-02-22 05:44

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

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

ssd训练自己的数据集

(该专题以操作为主）SSD是一种非常优秀的one-stage目标检测方法，one-stage算法就是目标检测和分类是同时完成的，其主要思路是利用CNN提取特征后，均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比

reset2021·2025-02-21 17:22

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

人工智能专业毕业设计题目精选：推荐合集

HaiLang_IT·2025-02-21 02:58

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

探索AI音乐创作的未来：八款顶尖AI音乐生成工具（本期介绍国外-国内另外专题介绍）

探索AI音乐创作的未来：八款顶尖AI音乐生成工具（本期介绍国外-国内另外专题介绍）在科技飞速发展的今天，人工智能（AI）已经渗透到我们生活的方方面面，其中音乐创作也不例外。

带娃的IT创业者·2025-02-20 18:56

“网约车霸主“地位面临挑战专题报告

原文链接：tecdat.cn/?p=36528原文出处：拓端数据部落公众号广汽埃安新能源汽车，在中国车市竞争加剧的浪潮中，坚定立场，誓不言退。近期，集团虽遭遇“反内卷”讨论及裁员传言的风暴，但埃安迅速且明确地澄清，所谓的“20%人员效率提升”并非裁员举措，而是优化调整，并承诺对受影响的应届毕业生履行合同赔偿，彰显企业责任感。同时，埃安宣布泰国与长沙新厂的投产及扩招蓝图，力证其持续稳健发展的决心与实

拓端研究室·2025-02-20 18:24

计算机程序制作的小作品,义乌市中小学生电脑作品制作比赛201203

1、浙江省义乌市教育研修院关于举办2012年义乌市中小学生电脑作品制作比赛暨首届青少年网络道德建设专题创作活动的通知各中小学：为进一步推进和加强中小学信息技术教育，普及信息技术知识，培养学生创新精神和实践能力

东南前哨·2025-02-20 15:32

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

深度学习中较为常见的神经网络模型AlexNet，AlexNet是一个采用GPU训练的深层CNN，本质是种LeNet变体。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。先看原理：AlexNet网络特点采用ReLU激活函数，使训练速度提升6倍采用dropout层，防止模型过拟合通过平移和翻转的方式对数据进行增强采用LRN局部响应归一化，限制数据大小，防止梯度消失和爆炸。但后续证明批

知识鱼丸·2025-02-20 08:24

刷题计划day28 动规（二）【不同路径】【不同路径 II】【整数拆分】【不同的二叉搜索树】

⚡刷题计划day28动规（二）继续，下一期是背包专题，可以点个免费的赞哦~往期可看专栏，关注不迷路，您的支持是我的最大动力~目录题目一：62.不同路径法一：动态规划法二：动态规划空间优化题目二：63.不同路径

哈哈哈的懒羊羊·2025-02-20 06:10

刷题day27 动态规划（一）【斐波那契数】【爬楼梯】【使用最小花费爬楼梯】

⚡刷题计划day27动态规划（一）开始，第三期后是背包专题，可以点个免费的赞哦~往期可看专栏，关注不迷路，您的支持是我的最大动力~目录什么是动态规划动态规划的解题步骤题目一：509.斐波那契数题目二：70

哈哈哈的懒羊羊·2025-02-20 06:40

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

·2025-02-19 20:45

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

【C++】双指针算法专题

目录前言对撞指针快慢指针习题练习1.移动零.-力扣（LeetCode）算法思路算法流程代码实现2.复写零.-力扣（LeetCode）算法思路算法流程代码实现3.快乐数.-力扣（LeetCode）算法思路算法流程代码实现4.盛水最多的容器.-力扣（LeetCode）算法思路代码实现5.有效三角形的个数.-力扣（LeetCode）算法思路代码实现6.和为S的两个数.-力扣（LeetCode）算法思路代

啊QQQQQ·2025-02-19 03:32

Dest1ny漏洞库：用友 U8-CRM 系统 ajaxgetborrowdata.php 存在 SQL 注入漏洞

大家好，今天是Dest1ny漏洞库的专题！！会时不时发送新的漏洞资讯！！大家多多关注，多多点赞！！！

Dest1ny（信息安全业务随时dd）·2025-02-19 00:54

2025 民营企业座谈会重要讲话：为民营经济发展注入强劲动力

专题课程Flotherm

莱歌数字·2025-02-19 00:52

JavaScript系列（75）--代理模式专题

JavaScript代理模式专题JavaScript的Proxy提供了强大的对象代理能力，能够拦截和自定义对象的基本操作。本文将深入探讨Proxy的各种模式、应用场景和最佳实践。

ᅟᅠ ‌‍‎‏ 一进制·2025-02-18 23:15

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

【LeetCode系列】【字符串专题】

目录专题四：字符串专题LeetCode38报数1、分析2、代码LeetCode49字母异位词分组1、分析2、代码LeetCode151翻转字符串里的单词1、分析2、代码LeetCode165比较版本号1

烊萌·2025-02-18 12:41

七.工控之工控机专题

1.防止工控机突然断电导致数据丢失防止工控机突然断电问题后，数据无法及时保存在磁盘问题，可以有如下2种举措：安装UPS电源。添加磁盘阵列功能。2.CPU选择Intel的E系列CPU是服务器专用，主打超长时间稳定运行，多线程任务处理，而Intel的I系列CPU是桌面级的，主打游戏娱乐、办公设计。这个是完全不同的两个产品线，没有好坏之分，服务器就E，普通电脑就I。因此在工业领域，尤其是一些对电脑、系统

小何的Blog·2025-02-18 06:44

推荐频道

卷积神经网络专题