图像分类(backbone) 第14页

图像分类(四) 全面解读复现GoogleNet_InceptionV1-V4

当时VGG获得了2014ILSVRC图像分类的第二名，今天来看一下第一名，也就是大名鼎鼎的Googlenet，，并且这篇论文还是后续各种神经网络模型改版的基础，

小酒馆燃着灯·2023-11-19 17:45

图像分类(五) 全面解读复现ResNet

解读Abstract—摘要翻译更深的神经网络往往更难以训练，我们在此提出一个残差学习的框架，以减轻网络的训练负担，这是个比以往的网络要深的多的网络。我们明确地将层作为输入学习残差函数，而不是学习未知的函数。我们提供了非常全面的实验数据来证明，残差网络更容易被优化，并且可以在深度增加的情况下让精度也增加。在ImageNet的数据集上我们评测了一个深度152层（是VGG的8倍）的残差网络，但依旧拥有比

小酒馆燃着灯·2023-11-19 17:45

大模型的视觉能力

这些模型已经在该领域的标准任务中显示出有希望的结果，如图像分类和对象检测，并且对图像之外的多模态和具体数据的训练可以使重大挑战（例如，3D几何和物理理解，常识推理）。我们还讨论了建模中的一些关键挑战（

嗯，这是一个好名字·2023-11-19 16:33

CV综述OCR任务---目录

CV综述OCR任务---目录图像任务OCR任务图像分类目标检测图像分割图像增强视频任务正文：OCR学习OCR参考资料:参考博客:典型应用常见挑战比赛经典OCR方法单字符识别方法序列识别方法tessernet

慕一Chambers·2023-11-19 08:39

CV综述图像超分辨率整理---目录

CV综述图像超分辨率整理---目录图像任务图像增强之SR任务视频任务之SR任务OCR任务图像分类目标检测图像分割正文：图像增强之SR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

慕一Chambers·2023-11-19 08:39

PP-OCR笔记

目录检测det数据准备数据格式训练模型微调数据选择模型选择前沿算法与模型训练超参选择预测超参选择启动训练断点训练更换Backbone训练添加新算法混合精度训练分布式训练知识蒸馏训练其他训练环境评估、预测导出

贺一诺·2023-11-19 08:36

RT-DETR优化策略：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计|ICCV2023

本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和FLOPs超越了基于CNN/Transformer的SOTA模型，支持四个版本EMO_1M,EMO_2M,EMO_5M,EMO_6M，参数量如下，相对于自带的rtdetr-l、rtdetr-x有很大提升layersparametersgradientsEMO_1M69799216289921628EMO_2M764110258

会AI的学姐·2023-11-19 04:41

RT-DETR优化改进：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023

本文改进：一种极简的神经网络模型VanillaNet，支持vanillanet_5,vanillanet_6,vanillanet_7,vanillanet_8,vanillanet_9,vanillanet_10,vanillanet_11等版本，相对于自带的rtdetr-l、rtdetr-x参数量如下：layersparametersgradientsvanillanet_5338277174

会AI的学姐·2023-11-19 04:38

035、目标检测-物体和数据集

在图像分类任务中，我们假设图像中只有一个主要物体对象，我们只关注如何识别其类别。然而，很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想得到它们在图像中的具体位置。在

Here we are——wxl·2023-11-19 00:33

图像分类(二) 全面解读复现ZFNet

网络详解前言：ZF网络是2013年提出的，网上有很多关于它的介绍和讲解，但是很多内容讲的不太好（个人感觉），于是花时间收集了一些资料，整理了一些比较好的文章，从头到尾把ZFNet说了一遍。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）。这是对Ale

小酒馆燃着灯·2023-11-18 22:42

图像分类简单介绍-转

转自|有三AI（公众号ID：yanyousan_ai）作者|言有三图像分类是计算机视觉中最基础的任务，基本上深度学习模型的发展史就是图像分类任务提升的发展历史，不过图像分类并不是那么简单，也没有被完全

Robot-G·2023-11-18 21:56

图像分类系列(二) VGGNet学习详细记录

经典神经网络论文超详细解读（二）——VGGNet学习笔记（翻译＋精读）前言上一篇我们介绍了经典神经网络的开山力作——AlexNet：经典神经网络论文超详细解读（一）——AlexNet学习笔记（翻译＋精读）在文章最后提及了深度对网络结果很重要。今天我们要读的这篇VGGNet（《VeryDeepConvolutionalNetworksForLarge-ScaleImageRecognition》），

小酒馆燃着灯·2023-11-18 21:54

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

YOLOv8-Seg改进：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计 | ICCV2023

本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和FLOPs超越了基于CNN/Transformer的SOTA模型，支持四个版本EMO_1M,EMO_2M,EMO_5M,EMO_6M，参数量如下，相比较yolov8-seg各个版本如下：layersparametersgradientsGFLOPsEMO_1M5713276963

会AI的学姐·2023-11-18 19:06

YOLOv8-Seg改进：Backbone改进 |Next-ViT堆栈NCB和NTB 构建先进的CNN-Transformer混合架构

本文改进：Next-ViT堆栈NCB和NTB构建先进的CNN-Transformer混合架构，包括nextvit_small,nextvit_base,nextvit_large，相比较yolov8-seg各个版本如下：layersparametersgradientsGFLOPsnextvit_small61033841075

会AI的学姐·2023-11-18 19:06

YOLOv8-Seg改进：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023

本文改进：一种极简的神经网络模型VanillaNet，支持vanillanet_5,vanillanet_6,vanillanet_7,vanillanet_8,vanillanet_9,vanillanet_10,vanillanet_11等版本，相比较yolov8-seg各个版本如下：layersparametersgradientsGFLOPsvanillanet_521230017523

会AI的学姐·2023-11-18 19:02

PP-YOLOE: An evolved version of YOLO（2022.12）

文章目录Abstract1.Introduction2.Method2.1.ABriefReviewofPP-YOLOv22.2.ImprovementofPP-YOLOEAnchor-freeBackboneandNeckTaskAlignmentLearning

怎么全是重名·2023-11-18 18:34

Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds

1IntroductionTheframeworkdirectlyregresses3Dboundingboxesforallinstancesinapointcloud,whilesimultaneouslypredictingapoint-levelmaskforeachinstance.Itconsistsofabackbonenetworkfollowedbytwoparallelnetw

じんじん·2023-11-18 18:50

（Windows）半自动化标注-Label-Studio的安装和简单使用

半自动化标注-Label-Studio的安装和简单使用参考文献https://mp.weixin.qq.com/s/7e28NOnGJi09GqPzzVUPuALabelStudio是一款优秀的标注软件，覆盖图像分类

*Major*·2023-11-17 15:36

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

yolo改进替换VanillaNet backbone

华为诺亚提出VanillaNet--一种新视觉Backbone，极简且强大论文地址：https://arxiv.org/pdf/2305.12972.pdf代码地址：GitHub-huawei-noah

athrunsunny·2023-11-17 12:48

Datawhale AI夏令营第三期 - 脑PET图像分析和疾病预测挑战赛——Baseline修改及优化

（一）DatawhaleAI夏令营第三期-脑PET图像分析和疾病预测挑战赛——环境搭建及PyTorchBaseline跑通上期完成Baseline跑通后，这期主要是对Baseline的优化，整队图像分类问题

cs6182890·2023-11-17 03:41

【v8初体验】利用yolov8训练COCO数据集或自定义数据集

ultralytics/ultralyticsyolov8改进介绍YOLOv5目前仍然是很受到大家环境的，v8作为v5的升级之作效果的提升也非常明显，但相比YOLOv5确实没有作出较大改进，主要改进如下：Backbone

一方热衷.·2023-11-16 17:26

yolov5增加一层小目标检测层

YOLOv5headhead:[[-1,1,Conv,[512,1,1]],[-1,1,nn.Upsample,[None,2,'nearest']],[[-1,6],1,Concat,[1]],#catbackboneP4

非鱼nll·2023-11-16 13:09

车道线检测：LSTR论文解析

Introduction3.RelatedWork4.Method4.1车道形状模型（LaneShapeModel）曲线的重新参数化4.2匈牙利拟合损失（HungarianFittingLoss）4.3网络结构4.3.1Backbone4.3.2Encoder4.3

AIRV_Gao·2023-11-16 11:34

用照片预测人的年龄【图像回归】

在图像分类任务中，卷积神经网络(CNN)是非常强大的神经网络架构。然而，鲜为人知的是，它们同样能够执行图像回归任务。

新缸中之脑·2023-11-16 10:12

【图像分类】【深度学习】【Pytorch版本】 GoogLeNet(InceptionV3)模型算法详解

【图像分类】【深度学习】【Pytorch版本】GoogLeNet(InceptionV3)模型算法详解文章目录【图像分类】【深度学习】【Pytorch版本】GoogLeNet(InceptionV3)模型算法详解前言

牙牙要健康·2023-11-16 02:58

【基于Ubuntu下Yolov5的目标识别】保姆级教程 | 虚拟机安装 - Ubuntu安装 - 环境配置(Anaconda/Pytorch/Vscode/Yolov5) |全过程图文by.Akaxi

【YOLOV5算法原理】1.输入端2.Backbone3.Neck4.输出端二．

Akaxi-1·2023-11-16 00:40

RT-DETR算法优化改进：Backbone改进 | EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023

本文独家改进：EMO助力RT-DETR，替换backbone，面向移动端的轻量化网络模型——EMO：反向残差移动块（iRMB），通过堆叠不同层级的iRMB。

AI小怪兽·2023-11-15 22:13

PP-YOLO: An Effective and Efficient Implementation of Object Detector（2020.8）

Abstract1.Introduction先介绍了一堆前人的work自己的workexpect2.RelatedWork先介绍别人的work与我们的区别3.Method3.1.ArchitectureBackboneDetectionNeckDetectionHead3.2

怎么全是重名·2023-11-14 22:12

毕业设计选题 -- 人工智能与大数据专业毕设选题机器学习方向

目录前言毕设选题目标检测与图像分类方向自然语言处理与文本生成方向时间序列分析与预测方向选题迷茫选题的重要性更多选题指导最后前言大四是整个大学期间最忙碌的时光,一边要忙着准备考研,考公,考教资或者实习为毕业后面临的就业升学做准备

Krin_IT·2023-11-14 17:27

Caffe 深度学习框架及AlexNet结构

Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe实现的图像分类模型AlexNet，并演示了CIFAR-10在caffe

zoeyunjj·2023-11-14 17:43

评论：AlexNet和CaffeNet有何区别？

AlexNet是2012年ILSVRC（ImageNet大规模视觉识别竞赛）的获胜者，这是一项图像分类竞赛。

无水先生·2023-11-14 16:24

回顾 — SFA：简化快速 AlexNet（模糊分类）

模糊图像的样本一、说明在本文回顾了基于深度学习的模糊图像分类（SFA）。

无水先生·2023-11-14 16:11

深度学习算法部署方介绍（笔记）（文章是抄别人的）

这种方式适用于模型参数不需要改变的情况，例如图像分类、语音识别等场景。常见的离线部署方式有TensorFlowLite、ONNX、TensorRT等。2、在线部署

饿了就干饭·2023-11-14 10:54

【PIE-Engine Studio学习笔记09】图像分类—监督分类之样本绘制

目录前言操作步骤导入研究区域和影像样本点绘制SVM分类结束语前言之前跟大家介绍过，通过其他软件绘制样本，然后导入到PIE-Enginestudio平台上作为监督分类的训练样本，这次跟大家分享，直接在平台上进行样本的绘制。操作步骤导入研究区域和影像代码如下（示例）：//1、获取采样区域范围vargeometry=pie.FeatureCollection("NGCC/CHINA_CITY_BOUND

GeoLearning·2023-11-14 04:01

深度学习细粒度分类综述

https://blog.csdn.net/xys430381_1/article/details/89640699#_2一．概述1.什么是图像细粒度分类细粒度图像分类问题是对大类下的子类进行识别。

沙小菜·2023-11-14 00:09

深度学习之基于Pytorch服装图像分类识别系统

文章目录一项目简介系统组成1.数据集准备2.数据预处理3.模型构建4.模型训练5.模型评估PyTorch的优势二、功能三、系统四.总结一项目简介深度学习在计算机视觉领域的应用日益广泛，其中基于PyTorch的服装图像分类系统是一个备受关注的领域

雅致教育·2023-11-13 22:38

DeepFool: a simple and accurate method to fool deep neural networks

asimpleandaccuratemethodtofooldeepneuralnetworks----《DeepFool：一种简单而准确的欺骗深度神经网络的方法》摘要最先进的深度神经网络已经在许多图像分类任务上取得了令人印象深刻的结果

今我来思雨霏霏_JYF·2023-11-13 21:54

RT-DETR算法优化改进：Backbone改进 | HGBlock完美结合PPHGNetV2 RepConv

本文独家改进：PPHGNetV2助力RT-DETRHGBlock与PPHGNetV2RepConv完美结合推荐指数：五星HGBlock_PPHGNetV2|亲测在多个数据集能够实现涨点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ult

AI小怪兽·2023-11-13 20:00

RT-DETR算法优化改进：PPHGNetV2 Backbone改进 | RepConv、GhostConv优化HGBlock

本文内容：1）RT-DETR原理介绍；2）RepConv、GhostConv优化HGBlockRT-DETR改进创新专栏：http://t.csdnimg.cn/vuQTz学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；RT-DETR模型创新优化，涨点技巧分享，科研小助手；1.RT-DETR介绍论文：https://arxiv.org/pdf/2304.08069.pdf摘要：RT-DE

会AI的学姐·2023-11-13 19:15

yolo系列面试题

Backbone：第一层卷积由原本的6×6卷积改为3×3卷积；参考YOLOv7ELAN设计思想将C3模块换成了C2f模块，并配合调整了模块的深度。

GeekPlusA·2023-11-13 18:45

数字图像基础（二进制图像、灰度图像、RGB图像、索引图像和多帧图像）

1、图像的分类根据图像的属性不同，图像分类的方法也不同。

平平无奇的小女子~·2023-11-13 07:17

RT-DTER 引入用于低分辨率图像和小物体的新 CNN 模块 SPD-Conv

论文地址：https://arxiv.org/pdf/2208.03641v1.pdf代码地址：https://github.com/labsaint/spd-conv卷积神经网络(CNN)在图像分类、

迪菲赫尔曼·2023-11-13 07:47

使用 Azure 机器学习实现图像分类

图像分类是计算机视觉领域中一个重要的任务。随着深度学习的发展，利用深度神经网络对图像进行分类已经成为一种主流方法。

嵌入式杂谈·2023-11-13 05:42

YOLOv5网络结构图

网络结构图（简易版和详细版）此图是博主的老师，杜老师的图网络框架介绍前言：YOLOv5是一种基于轻量级卷积神经网络（CNN）的目标检测算法，整体可以分为三个部分，backbone，neck，head。

clmm_·2023-11-13 05:28

论文阅读：PVT v2: Improved Baselines with Pyramid Vision Transformer

链接：https://arxiv.org/pdf/2106.13797.pdfPVTv2是在PVTv1基础上，所以先介绍PVTv1PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions0

shiyueyueya·2023-11-12 19:11

深度学习基于python+TensorFlow+Django的花朵识别系统

二、功能本项目的图像分类识别系统是基于Python语言和TensorFlow深度

雅致教育·2023-11-12 18:09

推荐频道

图像分类(backbone)