图像分类迁移学习第28页

图像分类学习笔记（二）——AlexNet

AlexNet是一个经典的卷积神经网络模型，由AlexKrizhevsky等人在2012年提出。ImageNetISVRC是计算机视觉领域里一个十分重要的比赛，AlexNet是2012年ISLVRC2012竞赛的冠军，分类准确率由传统的70%+提升到80%+。也是在那年之后，深度学习开始迅速发展。ISLVRC2012训练集：1,281,167张已标注图片验证集：50,000张已标注图片测试集：10

小乖路路通·2023-08-10 04:08

Xception 算法详解

因此，Xception模型已经被广泛地应用与图像分类、目标检测等任务中。一、理论基础1.前言在计算机视觉领域，卷

梦在黎明破晓时啊·2023-08-10 02:37

PyTorch深度学习图像分类--猫狗大战

PyTorch深度学习图像分类--猫狗大战1.背景介绍2.环境配置2.1软硬件清单2.1.1配置PyPorch2.1.2开发软件2.1.3显卡2.2数据准备3基础理论3.1PyTorch常用模块3.2torchvision3.3

Matrix_CS·2023-08-10 01:34

盘点 | 2020年「21篇」医学影像算法最佳综述

导读我们对2020年全部计算机视觉综述论文进行了分方向梳理，本文为医学影像方向，包括医学图像配准、医学图像分割、迁移学习和多模态融合等方向。

人工智能与算法学习·2023-08-09 21:52

卷积神经网络实现彩色图像分类 - P2

本文为365天深度学习训练营中的学习记录博客参考文章：365天深度学习训练营-第P2周：彩色识别原作者：K同学啊|接辅导、项目定制文章来源：K同学的学习圈子目录环境步骤环境设置包引用硬件设备数据准备数据集下载与加载数据集预览数据集准备模型设计模型训练超参数设置helper函数正式训练结果呈现总结与心得体会上周使用Pytorch构建卷积神经网络，实现了MNIST手写数字的识别，这周的目标是CIFAR

好名让狗申请了·2023-08-09 21:20

[Python从零到壹] 六十七.图像识别及经典案例篇之基于卷积神经网络的MNIST图像分类

七月太忙，还是写一篇吧！欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇

Eastmount·2023-08-09 21:48

【深度学习注意力机制系列】—— ECSKNet注意力机制（附pytorch实现）

SKNet（SelectiveKernelNetwork）是一种用于图像分类和目标检测等任务的深度神经网络架构，其核心创新是引入了选择性的多尺度卷积核（SelectiveKernel）以及一种新颖的注意力机制

卖报的大地主·2023-08-09 10:16

深度学习100例-卷积神经网络（CNN）服装图像分类 | 第3天

本文GitHubhttps://github.com/kzbkzb/Python-AI已收录一、前期工作我的环境：语言环境：Python3.6.5编译器：jupyternotebook深度学习环境：TensorFlow2.4.1数据和代码：【传送门】来自专栏：【深度学习100例】1.设置GPU如果使用的是CPU可以忽略这步importtensorflowastfgpus=tf.config.lis

K同学啊·2023-08-09 10:31

【花书笔记|PyTorch版】手动学深度学习5：线性神经模型：代码部分（下）

3.5图像分类数据集这章主要是讲对数据的一些处理和准备数据集：使用类似但更复杂的Fashion-MNIST数据集%matplotlibinlineimporttorch#torchvision：pytorch

羊老羊·2023-08-09 09:13

科大讯飞分类算法挑战赛2023的一些经验总结

引言:ResNet是hekaiming大佬的早年神作，当年直接刷榜各大图像分类任务。

cnjs1994·2023-08-09 08:07

89 | Python人工智能篇 —— 深度学习算法 Keras 实现 MNIST分类

文章目录Keras构建实际mnist图像分类案例.1.介绍2.环境搭建3.数据准备4.构建神经网络模型4.1定义模型架构4.2编译模型5.模型训练5.1定义回调函数5.2开始训练6.模型评估6.1绘制训

刘润森！·2023-08-09 08:07

《论文阅读》通过生成会话模型的迁移学习会话中的情感识别

《论文阅读》通过生成会话模型的迁移学习会话中的情感识别前言简介模型结构SourceTaskTargetTask损失函数前言你是否也对于理解论文存在困惑？

365JHWZGo·2023-08-09 08:04

开源数据集分类汇总（医学，卫星，分割，分类，人脸，农业，姿势等）

本文汇总了医学图像、卫星图像、语义分割、自动驾驶、图像分类、人脸、农业、打架识别等多个方向的数据集资源，均附有下载链接。该文章仅用于学习记录，禁止商业使用！

MrRoose·2023-08-09 07:52

【深度学习Week4】MobileNet_ShuffleNet

unsafelegacyrenegotiationdisabled解决方案：尝试了更换cryptography==36.0.2版本，以及更换下载链接的方法，都不行，最后采用了手动下载mat文件并上传到colab的方法高光谱图像分类数据集简介

跪求指点·2023-08-09 03:19

利用OpenCV dnn调用keras深度学习模块，实现图像分类

1.导入库文件#importthenecessarypackagesfromkeras.modelsimportSequentialfromkeras.layers.convolutionalimportConv2Dfromkeras.layers.convolutionalimportMaxPooling2Dfromkeras.layers.coreimportActivationfromker

mr_liyonghong·2023-08-08 12:41

计算机视觉论文总结系列（二）：图像分割篇

GoAI·2023-08-08 11:43

对迁移学习中域适应的理解和3种技术的介绍

域适应是计算机视觉的一个领域，我们的目标是在源数据集上训练一个神经网络，并确保在显著不同于源数据集的目标数据集上也有良好的准确性。为了更好地理解域适应和它的应用，让我们先看看它的一些用例。我们有很多不同用途的标准数据集，比如GTSRB用于交通标志识别，LISA和LARAdataset用于交通信号灯检测，COCO用于目标检测和分割等。然而，如果你想让神经网络很好地完成你的任务，比如识别印度道路上的交

喜欢打酱油的老鸟·2023-08-08 09:07

第56步深度学习图像识别：CNN梯度权重类激活映射（TensorFlow）

他们都是为了理解模型的决策过程，特别是对于图像分类任务，它们可以生成一种热力图，这种图可以突出显示模型在做出预测时关注的图像区域。C

Jet4505·2023-08-08 07:20

计算机视觉论文总结系列（三）：OCR篇

GoAI·2023-08-07 15:39

编织人工智能：机器学习发展历史与关键技术全解析

初期理论与算法感知机决策树2.2早期突破支持向量机神经网络初探3.21世纪初期的发展3.1集成学习方法随机森林XGBoost3.2深度学习的崛起卷积神经网络（CNN）循环神经网络（RNN）4.当代机器学习4.1迁移学习

TechLead KrisChang·2023-08-07 11:20

[迁移学习]领域泛化

一、概念相较于领域适应，领域泛化(Domaingeneralization)最显著的区别在于训练过程中不能访问测试集。领域泛化的损失函数一般可以描述为以下形式：该式分为三项：第一项表示各训练集权重的线性组合，其中π为使该项最小的系数；第二项表示域间距离，其中表示目标域和源域之间最小的距离、表示源域之间两两组合的最大距离；第三项表示理想风险(idealjointrisk)，一般情况下可以忽略。二、分

ViperL1·2023-08-07 09:31

目标检测中的IOU

在图像分类中，有一个明确的指标准确率来衡量模型分类模型的好坏。其公式为：这个公式显然不适合在在目标检测中使用。

静思心远·2023-08-06 13:10

捕捉时刻：将PDF文件中的图像提取为个性化的瑰宝（从pdf提取图像）

图像分析和处理：如果需要对PDF文件中的图像进行深入分析、处理或计算机视觉任务，例如图像识别、目标检测、图像分类等，那么可以使用该功能提取图像，然

winfredzhang·2023-08-06 12:20

迁移学习（新人必看）

2.参数难以确定，训练时间长，这就需要用迁移学习来解决什么叫迁移学习呢：比方说有一个对100w的自行车数据集，并用VGG模型训练好的网络，而此时你想训练一个1w自行车数据集（虽然对象一样，但采集的数据会不同

笑傲江湖2023·2023-08-06 10:00

LIME（可解释性分析方法）

对于图像分类任务：如下图所示，可以标记出，分类结果对应的特征。并且可以表示出那些特征具有正向贡献，那些特征具有负向贡献。

笑傲江湖2023·2023-08-06 10:58

论文阅读——ResNeSt: Split-Attention Networks

一、摘要尽管图像分类任务持续取得进步，诸如物体检测和语义分割等下游应用在选择骨干网络时仍然大量采用resnet及其变体，因为resnet简单且模块化的结构。

吃远·2023-08-06 05:13

Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy

探索机器遗忘的足迹：综合调研与分类摘要1引言2机器遗忘的概要3技术与方法A数据删除数据投毒数据子采样数据混洗B数据扰动数据匿名化差分隐私反向数据生成（IDG）C模型更新技术正则化迁移学习模型修剪蒸馏模型反演

UnknownBody·2023-08-05 22:36

【技术博客】对抗性域适应

域适应简介域适应是迁移学习中最常见的问题之一，域不同但任务相同，且源域数据有标签，目标域数据没有标签或者很少数据有标签。

MomodelAI·2023-08-05 09:59

pytorch实战-图像分类（二）（模型训练及验证）（基于迁移学习（理解+代码））

目录1.迁移学习概念2.数据预处理3.训练模型（基于迁移学习）3.1选择网络，这里用resnet3.2如果用GPU训练，需要加入以下代码3.3卷积层冻结模块3.4加载resnet152模3.5解释initialize_model

笑傲江湖2023·2023-08-05 06:28

迁移学习：使用Restnet预训练模型构建高效的水果识别模型

目录引言1迁移学习1.1什么是迁移学习1.2迁移学习能解决什么问题1.3迁移学习面临的三个问题1.3.1何时迁移1.3.2何处迁移1.3.3如何迁移1.4迁移学习的分类1.4.1按照学习方式的划分1.4.2

智慧医疗探索者·2023-08-05 06:27

论文阅读--基于迁移学习和机器学习的UAV图像中水稻幼苗检测

Title:RiceSeedlingDetectioninUAVImagesUsingTransferLearningandMachineLearningAbstract:Tomeetdemandforagricultureproducts,researchershaverecentlyfocusedonprecisionagriculturetoincreasecropproductionwit

追忆苔上雪·2023-08-05 06:25

深度学习实战46-基于CNN的遥感卫星地图智能分类，模型训练与预测

随着遥感技术和卫星图像获取能力的快速发展，卫星图像分类任务成为了计算机视觉研究中一个重要的挑战。为了促进这一领域的研究进展，EuroSAT数据集应运而生。

微学AI·2023-08-05 01:19

使用pytorch，冻结resnet50前几层进行迁移学习

在PyTorch中，冻结ResNet50模型的前几层可以通过以下步骤进行：importtorchimporttorchvision.modelsasmodels#加载预训练的ResNet50模型model=models.resnet50(pretrained=True)#冻结需要保持不变的层，通常是前几个卷积层forname,paraminmodel.named_parameters():if'c

githubcurry·2023-08-05 00:58

Pytorch迁移学习使用MobileNet v3网络模型进行猫狗预测二分类

目录1.MobileNet1.1MobileNetv11.1.1深度可分离卷积1.1.2宽度和分辨率调整1.2MobileNetv21.2.1倒残差模块1.3MobileNetv31.3.1MobieNetV3Block1.3.2MobileNetV3-Large网络结构1.3.3MobileNetV3预测猫狗二分类问题送书活动1.MobileNet1.1MobileNetv1MobileNetv

山河亦问安·2023-08-04 17:30

一步一步教你如何使用MMSelfSup框架【1】

基于自监督学习获得的训练模型，我们可以提升各类下游视觉任务(图像分类，物体检测，语义分割等)的性能。MMSelfSupMMSe

lzl2040·2023-08-04 14:34

python与深度学习(十五):CNN和宝可梦模型

菜yuan~·2023-08-04 09:17

LoVT：医学图像与报告的局部表征联合学习

GitHub-philip-mueller/lovt:LocalizedrepresentationlearningfromVisionandText(LoVT)摘要摘要对比学习已被证明对未标记数据的预训练图像模型是有效的，在医学图像分类等任务中也有很好的结果

Scabbards_·2023-08-04 03:56

二十一章：PUZZLE-CAM:通过匹配局部和全局特征来改进定位

WSSS的主要局限性在于从使用图像分类器的CAM生成伪标签的过程主要集中在对象的最具区分性的部分。

Joney Feng·2023-08-03 05:43

Yolo知识整理，摘自网络

采用滑动窗口的目标检测算法思路非常简单，它将检测问题转化为了图像分类问题。

miniminiming·2023-08-03 04:55

计算机视觉（六）图像分类

文章目录常见的CNNAlexnet1乘1的卷积VGG网络Googlenet（InceptionV1、V2、V3）全局平均池化总结Resnet、ResnextResNet残差网络ResNeXt网络应用案例VGGResnet常见的CNNAlexnetDNN深度学习革命的开始沿着窗口进行归一化。1乘1的卷积VGG网络层数变多了。五层→五组Googlenet（InceptionV1、V2、V3）全局平均池

_企鹅_·2023-08-02 20:51

一篇关于预测“未来”的教程：运行在 Intel AIxBoard™ 开发板上的 TDengine

英特尔数字化开发套件AIxBoard是一款AI架构的人工智能嵌入式开发板，体积小巧功能强大，可以在时序数据预测、图像分类、目标检测分割和语音处理等应用中并行运行多个神经网络。

涛思数据（TDengine）·2023-08-02 00:24

【图像分类】CNN+Transformer结合系列.3

介绍两篇图像分类的论文：ResMLP（arXiv2305），MetaFormer（CVPR2022），两者都与Transformer有关系，前者基于transformer结构的特点设计ResMLP，后者认为宏观架构才是

m0_61899108·2023-08-01 17:21

Resnet与Pytorch花图像分类

1、介绍1.1数据集介绍flower_data├──train│└──1-102（102个文件夹）│└──XXX.jpg（每个文件夹含若干张图像）├──valid│└──1-102（102个文件夹）└─────└──XXX.jpg（每个文件夹含若干张图像）cat_to_name.json：每一类花朵的"名称-编号"对应关系1.2任务介绍实现102种花朵的分类任务，即通过训练train数据集后，从v

几两春秋梦_·2023-08-01 16:39

CNN、数据预处理、模型保存

目录CNN代码读取数据搭建CNN训练网络模型数据增强迁移学习图像识别策略数据读取定义数据预处理操作冻结resnet18的函数把模型输出层改成自己的设置哪些层需要训练设置优化器和损失函数训练开始训练再训练所有层关机了

醋酸洋红就是我·2023-08-01 11:51

Pytorch使用VGG16模型进行预测猫狗二分类

1.2Pytorch使用VGG16进行猫狗二分类实战1.2.1数据集准备1.2.2构建VGG网络1.2.3训练和评估模型1.VGG161.1VGG16介绍深度学习已经在计算机视觉领域取得了巨大的成功，特别是在图像分类任务中

山河亦问安·2023-08-01 11:12

Datawhale•AI夏令营CV笔记1

对于本次的脑PET图像分类任务，我充满了热情和渴望学习。然而，在探索过程中，我也意识到了自己的一些错误理解和局限性。希望能够得到大家的反馈和建议。

某小从余雨叚噫·2023-08-01 10:49

Python中常用图像处理工具

图像处理中的常见任务包括显示图像，基本操作（如剪切、翻转、旋转等），图像分类和特征提取、图像恢复、和图像识别。尤其在人工智能技术日臻成熟的现在，图像处理技术成为Python开发工程师必备的技能之一。

酒酿小小丸子·2023-08-01 05:14

机器视觉

机器视觉导论图像分类线性分类器K折交叉验证全连接神经网络多层感知器（全连接神经网络）激活函数SOFTMAX和交叉熵计算图与反向传播再谈激活函数Adam算法Xavier初始化（应用于sigmoid函数）HE

王梦辰今天背单词了吗·2023-08-01 03:18

python与深度学习(十一):CNN和猫狗大战

菜yuan~·2023-07-31 13:55

Pytorch(三)

一、经典网络架构图像分类模型数据预处理部分:数据增强数据预处理DataLoader模块直接读取batch数据网络模块设置:加载预训练模型，torchvision中有很多经典网络架构，可以直接调用注意别人训练好的任务跟咱们的并不完全一样

几两春秋梦_·2023-07-31 11:58

推荐频道

图像分类迁移学习