卷积groups

计算机竞赛 题目：基于深度学习的图像风格迁移 - [ 卷积神经网络 机器视觉 ]

文章目录0简介1VGG网络2风格迁移3内容损失4风格损失5主代码实现6迁移模型实现7效果展示8最后0简介优质竞赛项目系列，今天要分享的是基于深度学习卷积神经网络的花卉识别该项目较为新颖，适合作为竞赛课题方向
Mr.D学长·2023-11-19 10:06

竞赛 题目：基于机器视觉opencv的手势检测 手势识别 算法 - 深度学习 卷积神经网络 opencv python

文章目录1简介2传统机器视觉的手势检测2.1轮廓检测法2.2算法结果2.3整体代码实现2.3.1算法流程3深度学习方法做手势识别3.1经典的卷积神经网络3.2YOLO系列3.3SSD3.4实现步骤3.4.1
iuerfee·2023-11-19 10:35

竞赛 题目：基于深度学习卷积神经网络的花卉识别 - 深度学习 机器视觉

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·2023-11-19 09:58

hdfs多用户读写权限设置

只要都是supergroup组的用户都有权限进行读写2》在namenode上创建supergroup组sudogroupaddsupergroup3》在namenode上,添加用户,组设置为supergroupsudouseradd-gsupergroupprodsudous
飞有飞言·2023-11-19 09:35

[深度学习]卷积神经网络的概念,入门构建(代码实例)

#不再任何人,任何组织的身上倾注任何的感情,或许这就是能活得更开心的办法0.写在前面:卷积神经网络的部分在之前就已经有所接触,这里重新更全面地总结一下关于深度学习中卷积神经网络的部分.并且在这里对如何构建代码
ViceMusic5·2023-11-19 08:12

CV综述图像超分辨率整理---目录

任务学习SR文档：参考博客:典型应用常见挑战比赛/数据集经典SR方法插值法SRCNN:FSRCNN:VDSR首次提出了残差学习的网络结构:EPSCN:SRResNet残差模块:EDSR:SCNSR:[多尺度卷积与
慕一Chambers·2023-11-19 08:39

OpenCV快速入门：图像滤波与边缘检测

文章目录前言一、噪声种类与生成1.1椒盐噪声1.2高斯噪声1.3彩色噪声二、卷积操作2.1卷积基本原理2.2卷积操作代码实现三、线性滤波3.1均值滤波均值滤波原理均值滤波公式均值滤波代码实现3.2方框滤波方框滤波原理方框滤波公式方框滤波代码实现
92岁高龄码农·2023-11-19 06:53

立体视觉四十二章经第03章：SIFT特征提取原理及加速计算

本章目录SIFT算法来源基于LOG的特征检测构建尺度空间对平滑后的图像进行归一化拉普拉斯变换求归一化LOG极值并进行非极大值抑制基于DOG的特征检测SIFT算法流程构建尺度空间高斯滤波器一维离散高斯卷积核权重计算
文学巨犟·2023-11-19 06:40

SENET论文笔记注意力机制

SENet论文笔记注意力机制Squeeze-and-ExcitationNetworks2019Abstract传统卷积都是在特征层级上通过提高空间编码质量提高表示能力SENet注重通道关系，自适应地调整通道方向特征图权重
B1CK·2023-11-19 06:10

BN层（Batch Normalization）+LN层（Layer Normalization）高频面试题集合

BN层高频面试题BN的作用，为什么要用BN；为什么BN层一般用在线性层和卷积层后面，而不是放在非线性单元后BN计算过程，训练和测试的区别，训练是线性的吗？BN训练时为什么不用整个训练集的均值和方差？
WZZZ0725·2023-11-19 05:12

pytorch.nn.Conv1d详解

out_channels(int)–卷积产生的通道。
张文琪2023·2023-11-19 04:10

MobileNet V1（谷歌轻量化网络）

MobileNetV1主要创新点1.深度可分离卷积（Depthwiseseparableconvolutions）标准卷积（CNN）的作用是对所有输入通道用相同的卷积核得到不同通道特征，将不同通道特征组合起来使得输出特征包含每个输入的特征
老男孩li·2023-11-19 02:04

轻量级网络--MobileNet V1、V2、V3(学习记录；完善ing)

MobileNet目录前言研究背景研究成果论文结构摘要论文精读1.MobileNetArchitecture1.1卷积块特点1.2深度可分离卷积1.3两者对比2.MobileNet超参数2.1宽度超参数
Colinnnn2·2023-11-19 02:30

轻量化网络--MobileNet V1

文章目录depth-wiseseparableconvolutions普通卷积depthwiseconconvolutionspointwiseconvolutions网络结构进一步分析网络训练方式两个重要的超参数
新兴AI民工·2023-11-19 02:54

XCP之A2L文件简介

PROJECT：HEADER：MODULE：MOD_PARMOD_COMMON：RECORD_LAYOUT：CHARACTERISTIC：AXIS_PTS：MEASUREMENT：COMPU_METHOD：GROUPS
PlutoZuo·2023-11-19 02:41

【佳学基因检测】在LARAVEL中如何使用和设置路由组

Laravel中，路由组（RouteGroups）是一种用于组织和管理路由的方法。通过使用路由组，您可以将相关的路由组合在一起，以便更好地管理和维护您的应用程序的路由。
genedecoders·2023-11-19 02:09

学习总结自己的方法论

但该负责人反复强调的就是团队从上到下执行三板斧，并且不断卷积资源调动资源，最后完成各种项目与挑战。“三板斧”就是华为内部的一种方法论，经过反复验证行之有效的方法。
二钊频道·2023-11-19 02:36

036、目标检测-锚框

之——对边缘框的简化目录之——对边缘框的简化杂谈正文1.锚框操作2.IoU交并比3.锚框标号4.非极大值抑制5.实现拓展杂谈边缘框这样一个指定roi区域的操作对卷积神经网络实际上是很不友好的，这可能会对网络感受野提出一些特定的要求
Here we are——wxl·2023-11-19 00:33

简单的一个两层的一维卷积网络

以下是一个两层的一维卷积神经网络的示例代码：importtensorflowastf#输入层input_shape=(batch_size,input_length,input_channels)inputs
鱼鱼鱼鱼鱼鱼舒欣·2023-11-18 23:32

2.4 SPP网络结构的原理和代码解析

一，原理在这里借鉴YOLOv5中的SPP/SPPF结构详解_tt丫的博客-CSDN博客的文章，该文章的原理解释很清楚，具体原理如下：1、SPP的应用的背景在卷积神经网络中我们经常看到固定输入的设计，但是如果我们输入的不能是固定尺寸的该怎么办呢
YANQ662·2023-11-18 23:31

图像分类(二) 全面解读复现ZFNet

ZFNet简介1.1为什么起名ZFnetworkILSVRC2013获胜者是来自MatthewZeiler和RobFergus的卷积网络。它被称为ZFNet（Zeiler＆FergusNet的简称）。
小酒馆燃着灯·2023-11-18 22:42

2014年 VGGNet

目录研究背景研究成果摘要1.介绍2卷积神经网络的设置2.1架构2.2设置2.3讨论使用3*3卷积核的优点：1*1卷积核的作用3分类框架3.1训练3.2测试3.3实现细节4分类实验4.1单一尺寸测试数据评估结论
哈哈拉拉hxl·2023-11-18 21:07

Python中的数据增强技术

为什么需要图像增强图像增强在深度学习卷积神经网络(CNN)背景下至关重要
uncle_ll·2023-11-18 20:23

opencv(5): 滤波器

滤波的作用：一幅图像通过滤波器得到另一幅图像；其中滤波器又称为卷积核，滤波的过程称为卷积。锐化：边缘变清晰低通滤波（Low-passFiltering）：目标：去除图像中的高频成分，保留低频成分。
RessCris·2023-11-18 20:20

基于tensorflow2.0的深度学习 三

基于卷积神经网络的深度计算机视觉卷积神经网络(CNNs)起源于对大脑视觉皮层的研究，广泛应用于图像搜索服务、自动驾驶汽车、自动视频分类系统等。
点西西·2023-11-18 20:14

TensorFlow2.0笔记（五）——用CNN实现离散数据的分类（以图像分类为例）

北大MOOC——TF2.0笔记以下是我的听课笔记，供以后回忆（大多内容来自ppt）一.用CNN实现离散数据的分类（以图像分类为例）1.卷积过程实际项目中的图片多是高分辨率彩色图,参数比灰度图的还要多，待优化的参数过多容易导致模型过拟合
kww_·2023-11-18 20:37

深度学习------tensorflow2.0，keras实现卷积神经网络（LeNet-5、AlexNet-8、VGGNet-16）

1.LeNet-5卷积神经网络实现mnist数据集方法一：fromtensorflow.kerasimportlayers,models,metrics,optimizers,activations,losses
小飞龙程序员·2023-11-18 20:32

拉式变换，卷积与传递函数

前言这里主要想记录一下自己对拉式变换，卷积，以及传递函数的理解。之前上学时在某一门课上曾经想通过，但是后面又想不通了，今天重新学习了一下终于又想通了，所以记录下，方便以后能够找到。
Clouds_Above·2023-11-18 19:43

YOLOv8改进 | ODConv附修改后的C2f、Bottleneck模块代码

论文地址点击即可跳转阅读代码地址：文末提供复制粘贴的代码块一、本文介绍这篇文章给大家带来的是发表于2022年ICLR的ODConv(Omni-DimensionalDynamicConvolution)中文名字全维度动态卷积
Snu77·2023-11-18 18:00

YOLOv8改进 | 如何在网络结构中添加注意力机制、C2f、卷积、Neck、检测头

一、本文介绍本篇文章的内容是在大家得到一个改进版本的C2f一个新的注意力机制、或者一个新的卷积模块、或者是检测头的时候如何替换我们YOLOv8模型中的原有的模块，从而用你的模块去进行训练模型或者检测。
Snu77·2023-11-18 18:55

时间序列预测 | Matlab基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)时间序列预测，单列数据输入

文章目录效果一览文章概述部分源码参考资料效果一览文章概述时间序列预测|Matlab基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)时间序列预测，单列数据输入评价指标包括
前程算法屋·2023-11-18 17:17

多维时序预测 | Matlab基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)多变量时间序列预测，多列变量输入

文章目录效果一览文章概述部分源码参考资料效果一览文章概述多维时序预测|Matlab基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)多变量时间序列预测，多列变量输入评价指标包括
前程算法屋·2023-11-18 17:17

多维时序预测 | Matlab基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)多变量时间序列预测

文章目录效果一览文章概述部分源码参考资料效果一览文章概述多维时序预测|Matlab基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)多变量时间序列预测评价指标包括
前程算法屋·2023-11-18 17:17

时间序列预测 | Matlab基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)时间序列预测，单列数据输入模型

文章目录效果一览文章概述部分源码参考资料效果一览文章概述时间序列预测|Matlab基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)时间序列预测，单列数据输入模型评价指标包括
前程算法屋·2023-11-18 17:16

多维时序预测 | Matlab基于斑马优化卷积神经网络结合长短期记忆网络融合注意力机制的多变量时间序列预测，ZOA-CNN-LSTM-Attention多变量时间序列超前24步回归预测算法

文章目录效果一览文章概述部分源码参考资料效果一览文章概述多维时序预测|Matlab基于斑马优化卷积神经网络结合长短期记忆网络融合注意力机制的多变量时间序列预测，ZOA-CNN-LSTM-Attention
前程算法屋·2023-11-18 17:46

多元回归预测 | Matlab基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)回归预测，多变量输入模型

文章目录效果一览文章概述部分源码参考资料效果一览文章概述多元回归预测|Matlab基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)回归预测，多变量输入模型评价指标包括
前程算法屋·2023-11-18 17:46

多元回归预测 | Matlab基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)回归预测，多变量输入模型

文章目录效果一览文章概述部分源码参考资料效果一览文章概述多元回归预测|Matlab基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)回归预测，多变量输入模型评价指标包括
前程算法屋·2023-11-18 17:46

时序预测 | Python实现ConvLSTM卷积长短期记忆神经网络股票价格预测（Conv1D-LSTM）

时序预测|Python实现ConvLSTM卷积长短期记忆神经网络股票价格预测（Conv1D-LSTM）目录时序预测|Python实现ConvLSTM卷积长短期记忆神经网络股票价格预测（Conv1D-LSTM
机器学习之心·2023-11-18 17:44

win10：安装docker和测试安装redis

简介：docker是Linux系统的容器技术，依赖于Linux内核的NameSpace和Cgroups。
玩转测试开发·2023-11-17 18:46

深度学习YOLO安检管制物品识别与检测 - python opencv 计算机竞赛

文章目录0前言1课题背景2实现效果3卷积神经网络4Yolov55模型训练6实现效果7最后0前言优质竞赛项目系列，今天要分享的是**基于深度学习YOLO安检管制误判识别与检测**该项目较为新颖，适合作为竞赛课题方向
Mr.D学长·2023-11-17 14:40

centos 等保三级_linux-centos7 基于等保3的系统安全体系

sshd配置配置文件：/etc/ssh/sshd_configNote：更改ssh相关配置后需要重启sshd服务systemctlrestartsshdssh访问控制AllowUsersAllowGroupsDenyUsersDenyGroups
weixin_39595302·2023-11-17 14:08

卷积神经网络（CNN）服装图像分类

卷积神经网络（CNN）服装图像分类##1.设置GPUimporttensorflowastfgpus=tf.config.list_physical_devices("GPU")ifgpus:gpu0=
普通研究者·2023-11-17 13:44

深度学习实战02-卷积神经网络（CNN）实现服装图像分类

活动地址：CSDN21天学习挑战赛参考文章：https://mtyjkh.blog.csdn.net/article/details/116992196一、前期准备1.设置GPU如果没有则可不设置，则可以直接使用CPU。importtensorflowastf#gpus=tf.config.list_pysical_devices("GPU")#ifgpus:#gpu0=gpus[0]#如果有多个
Lvcx·2023-11-17 13:43

卷积神经网络（CNN）衣服图像分类的实现

文章目录前期工作1.设置GPU（如果使用的是CPU可以忽略这步）我的环境：2.导入数据3.归一化4.调整图片格式5.可视化二、构建CNN网络模型三、编译模型四、训练模型五、预测六、模型评估前期工作1.设置GPU（如果使用的是CPU可以忽略这步）我的环境：语言环境：Python3.6.5编译器：jupyternotebook深度学习环境：TensorFlow2.4.1importtensorflow
NoteLoopy·2023-11-17 13:39

mybatis-plus 多数据源配置详解 包含pom,yml,config等配置

pom4.0.0org.springframework.bootspring-boot-starter-parent2.1.4.RELEASEcom.cqyxothers0.0.1-SNAPSHOTmaven-alihttp://maven.aliyun.com/nexus/content/groups
浮生若梦l·2023-11-17 12:24

YOLOV5/YOLOV7/YOLOV8改进：InceptionNeXt: 当 Inception 遇上 ConvNeXt

1.论文介绍回顾深度学习的历史，卷积神经网络(CNN)无疑是计算机视觉中最受欢迎的模型。2012年，AlexNet在ImageNet竞赛中获胜，开启了CNN在深度学习特别是计算机视觉领域的新时代。
dg68668·2023-11-17 11:21

RT-DETR算法优化改进：一种新的partial卷积（PConv） |CVPR2023 FasterNet | 卷积变体大作战

本文改进：提出了一种新的partialconvolution（PConv），通过同时减少冗余计算和内存访问可以更有效地提取空间特征。1）放入NeckRepC3后面；RT-DETR魔术师专栏介绍：https://blog.csdn.net/m0_63774211/category_12497375.html✨✨✨魔改创新RT-DETR引入前沿顶会创新，助力RT-DETR基于ultralytics优化
AI小怪兽·2023-11-17 11:13

卷积神经网络（CNN）多种图片分类的实现

文章目录前期工作1.设置GPU（如果使用的是CPU可以忽略这步）我的环境：2.导入数据3.归一化4.可视化二、构建CNN网络模型三、编译模型四、训练模型五、预测六、模型评估前期工作1.设置GPU（如果使用的是CPU可以忽略这步）我的环境：语言环境：Python3.6.5编译器：jupyternotebook深度学习环境：TensorFlow2.4.1importtensorflowastfgpus
NoteLoopy·2023-11-17 08:36

【Deep Learning】 GCN

前言关于图卷积神经网络（GCN）的学习文章非常多，但是大部分，都从GCN的公式开始介绍，这对于一个初入门的学习者非常不友好。下面是我在学习过程中参考的几个链接，这是我认为写的非常不错的几篇文章。
pangpd·2023-11-17 07:39

卷积核矩阵矩阵分解闭式解: Convolutional neural networks with low-rank regularization

@inproceedings{tai2015convolutional,author={ChengTaiandTongXiaoandXiaogangWangandWeinanE},editor={YoshuaBengioandYannLeCun},title={Convolutionalneuralnetworkswithlow-rankregularization},booktitle={4th
氵文大师·2023-11-17 07:10
上一页 49 50 51 52 53 54 55 56 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他