图像分类backbone

【图像分类】理论篇 （4）图像增强opencv实现

随机旋转随机旋转是一种图像增强技术，它通过将图像以随机角度进行旋转来增加数据的多样性，从而帮助改善模型的鲁棒性和泛化能力。这在训练深度学习模型时尤其有用，可以使模型更好地适应各种角度的输入。原图像：旋转后的图像：代码实现：importcv2importnumpyasnpdefrandom_rotate(image,max_angle):    angle=np.random.uniform(-ma
TechMasterPlus·2023-08-15 17:04

【图像分类】理论篇（3）交叉熵损失函数的理解与代码实现

理论公式计算实例图像分类实例：我们希望根据图片动物的轮廓、颜色等特征，来预测动物的类别，有三种可预测类别:猫、狗、猪。
TechMasterPlus·2023-08-15 17:03

【图像分类】理论篇（2）经典卷积神经网络 Lenet~Densenet

1、卷积运算在二维卷积运算中，卷积窗口从输入张量的左上角开始，从左到右、从上到下滑动。当卷积窗口滑动到新一个位置时，包含在该窗口中的部分张量与卷积核张量进行按元素相乘，得到的张量再求和得到一个单一的标量值，由此我们得出了这一位置的输出张量值。在如上例子中，输出张量的四个元素由二维互相关运算得到，这个输出高度为2、宽度为2，如下所示：importtorchfromtorchimportnndefCo
TechMasterPlus·2023-08-15 17:02

使用Pytorch实现对比学习SimCLR 进行自监督预训练

SimCLR已被证明在各种图像分类基准上优于最先进的无监督学习方法。并且它学习到的表示可
·2023-08-15 16:41

deeplabv3+源码之慢慢解析16 第四章network文件夹(1)backbone文件夹(b2)mobilenetv2.py--MobileNetV2类和mobilenet_v2函数

系列文章目录（更新中）`第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepl
老王小可·2023-08-15 16:09

deeplabv3+源码之慢慢解析18 第四章network文件夹(1)backbone文件夹(c2)resnet.py--ResNet类和10个不同结构的调用函数

系列文章目录（更新中）第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepla
老王小可·2023-08-15 16:09

deeplabv3+源码之慢慢解析20 第四章network文件夹(1)backbone文件夹(d2)xception.py--Xception类和xception函数

系列文章目录（更新中）第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepla
老王小可·2023-08-15 16:09

deeplabv3+源码之慢慢解析13 第四章network文件夹(1)backbone文件夹(a3)hrnetv2.py--StageModule类

系列文章目录（更新中）`第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepl
老王小可·2023-08-15 16:09

deeplabv3+源码之慢慢解析19 第四章network文件夹(1)backbone文件夹(d1)xception.py--SeparableConv2d类和Block类

系列文章目录（更新中）第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepla
老王小可·2023-08-15 16:38

deeplabv3+源码之慢慢解析12 第四章network文件夹(1)backbone文件夹(a2)hrnetv2.py--Bottleneck类和BasicBlock类

系列文章目录（更新中）`第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepl
老王小可·2023-08-15 16:38

deeplabv3+源码之慢慢解析14 第四章network文件夹(1)backbone文件夹(a4)hrnetv2.py--HRNet类

系列文章目录（更新中）`第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepl
老王小可·2023-08-15 16:38

deeplabv3+源码之慢慢解析15 第四章network文件夹(1)backbone文件夹(b1)mobilenetv2.py--2个函数和2个类

系列文章目录（更新中）`第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepl
老王小可·2023-08-15 16:08

deeplabv3+源码之慢慢解析17 第四章network文件夹(1)backbone文件夹(c1)resnet.py--2个卷积层小函数，BasicBlock类和Bottleneck类

系列文章目录（更新中）第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepla
老王小可·2023-08-15 16:08

deeplabv3+源码之慢慢解析11 第四章network文件夹(1)backbone文件夹(a1)hrnetv2.py--4个函数和可执行代码

系列文章目录（更新中）`第一章deeplabv3+源码之慢慢解析根目录(1)main.py–get_argparser函数第一章deeplabv3+源码之慢慢解析根目录(2)main.py–get_dataset函数第一章deeplabv3+源码之慢慢解析根目录(3)main.py–validate函数第一章deeplabv3+源码之慢慢解析根目录(4)main.py–main函数第一章deepl
老王小可·2023-08-15 16:07

目标检测mAP

目标检测与图像分类不同，目标检测不仅要对检测出来的目标框正确分类，同时，还需要考虑目标框与target是否贴合。
小小小绿叶·2023-08-15 05:04

YOLO V3详解(二)：输出介绍

实现补充生成网格生成先验框的宽高总结系列文章YOLOV3详解(一)：网络结构介绍YOLOV3详解(二)：输出介绍YOLOV3详解(三)：损失介绍YOLOV3详解(四)：进行目标检测DarkNet53:YOLOv3中的Backbone0
sjx_alo·2023-08-15 01:24

训练自己的图像分类模型部署在手机设备

这里使用aidlux在手机上使用摄像头作为输入，利用aidlux提供的接口载入模型，实时推理使用代码模版，将模型替换为自己的，看看演示效果，我的手机比较卡，版本太老，所以效果差点，你也可以使用比较新的设备来运行
合格的程序员·2023-08-14 23:18

《零基础实践深度学习》(第2版)学习笔记，（五）深度学习与计算机视觉

文章目录1.计算机视觉概述2.图像分类3.目标检测1.计算机视觉概述图像分类目标检测2.图像分类3.目标检测
智驾·2023-08-14 13:07

YOLOv8目标检测算法

YOLOv8目标检测算法相较于前几代YOLO系列算法具有如下的几点优势：更友好的安装/运行方式速度更快、准确率更高新的backbone，将YOLOv5中的C3更换为C2FYOLO系列第一次尝试使用anchor-free
BestSongC·2023-08-14 10:05

深度学习---自有图像数据集划分

如需转载，请注明：来源于深度学习—自有图像数据集划分|老五笔记要对自有图像数据集进行图像分类，首选需要将自有图像数据集划分为train和val(或者test）数据集。
dataat·2023-08-14 05:37

YOLOv5白皮书-第Y6周：模型改进

本周任务：模型改进注：对yolov5l.yaml文件中的backbone模块和head模块进行改进。
陆小吉1212·2023-08-14 00:34

Transformer（二）（VIT,TNT）（基于视觉CV）

目录1.视觉中的Attention2.VIT框架（图像分类，不需要decoder）2.1整体框架2.2.CNN和Transformer遇到的问题2.3.1CNN2.3.2Transformer2.3.3
笑傲江湖2023·2023-08-13 19:52

CNNs和视觉Transformer：分析与比较

探索视觉Transformer和卷积神经网络（CNNs）在图像分类任务中的有效性。图像分类是计算机视觉中的关键任务，在工业、医学影像和农业等各个领域得到广泛应用。
小北的北·2023-08-13 10:46

基于python+MobileNetV2算法模型实现一个图像识别分类系统

一、目录算法模型介绍模型使用训练模型评估项目扩展二、算法模型介绍图像识别是计算机视觉领域的重要研究方向，它在人脸识别、物体检测、图像分类等领域有着广泛的应用。
　子午·2023-08-13 07:50

《AI夏令营（第二期） - CV实践赛事》- Datawhale

type=peasant-identity&ch=ymfk4uU时间规划三环节赛题解读（What）赛题本质：这是一个图像分类问题，需要根据图像序列中的农民特征，对农民进行身份识别。
拾-光·2023-08-13 05:10

计算机竞赛 opencv python 深度学习垃圾图像分类系统

0前言优质竞赛项目系列，今天要分享的是opencvpython深度学习垃圾分类系统学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分这是一个较为新颖的竞赛课题方向，学长非常推荐！更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate课题简介如今，垃圾分类已成为社会热点话题。其实在2019年4月26日，我国住房和
Mr.D学长·2023-08-13 03:23

PaddleClas--部署并训练自定义数据集

https://github.com/PaddlePaddle/PaddleClas(尝鲜版)分类模型PaddleClas图像分类基础知识训练集（traindataset）：用来训练模型，使模型能够识别不同类型的特征
奋力奔跑的小蜗牛·2023-08-13 03:36

RCNN系列算法优化策略与工业质检案例

服务器端模型优化策略2.移动端模型优化策略三、工业应用：铝压铸件质检总结前言首先回顾以下FasterR-CNNFasterR-CNN的过程：首先对数据进行数据处理，包括水平翻转缩放等得到实际网络需要的输入，然后进入backbone
荪荪·2023-08-13 03:29

面向计算机视觉的深度学习 | iBooker·ApacheCN

——《原则》，生活原则2.3.c在线阅读ApacheCN面试求职交流群724187166ApacheCN学习资源目录面向计算机视觉的深度学习零、前言一、入门二、图像分类三、图像检索四、对象检测五、语义分割六
布客飞龙·2023-08-13 00:03

CNN经典网络模型之GoogleNet论文解读

1.2辅助分类器结构1.3GoogleNet网络结构图1.GoogleNetGoogleNet，也被称为Inception-v1，是由Google团队在2014年提出的一种深度卷积神经网络架构，专门用于图像分类和特征提取任务
山河亦问安·2023-08-12 20:46

基于rsesnet网络架构的图像分类模型

数据预处理部分：数据增强：torchvision中transforms模块自带功能，比较实用数据预处理：torchvision中transforms也帮我们实现好了，直接调用即可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，调用起来十分方便，并且可以用人家训练好的权重参数来继续训练，也就是所谓的迁移学习需要注意的是别人训练好
coding_ksy·2023-08-12 19:10

前端流程图之JointJS（五）

今天完成的功能包括：移动画布/缩放画布完成和require.js的集成按照Backbone风格进行了代码重构解决了鼠标事件坐标位置的转化，使得弹出菜单能够在正确的位置显示效果图和昨天类似，今天就不再重复了
敬亭阁主·2023-08-12 16:27

95个优秀深度学习公共数据集分享，涵盖目标检测、自动驾驶、图像分类等12个大方向【附下载】

近年来，随着人工智能的快速发展，我们对数据集的需求越来越多，一方面，数据集可以帮助我们做练习实践，另一方面，这些数据集同样也能帮助更多研究机构进行更深入的数据挖掘。对于人工智能领域的同学来说，数据集是实验的必要条件，当我们准备跑算法的时候，首先要解决的问题就是数据集。由于我们大多数人是没有自己的数据集的，所以公共数据集就成了最好的选择，但如何搜索、找到适合的数据集？仍然是困扰很多人的问题。这次我就
深度之眼·2023-08-12 15:07

【面试复盘】知乎暑期实习算法实习生（LLM方向）面经

来源：投稿作者：LSC编辑：学姐1.自我介绍2.介绍操作系统的进程和线程，以及它们的区别3.C++深拷贝和浅拷贝的区别4.Python的列表和元组的区别5.Python的列表和元组是否可以做字典的键6.图像分类的流程
深度之眼·2023-08-12 15:34

YOLOv4 随笔

13x13用于检测大目标26x26用于检测中目标52x52用于检测小目标在head部分决定我们网络是用于检测还是分类YOLOv4的优化点在现在的目标检测的结构，现在按这些位置来说明一下YOLOv4改动backbone
zidea·2023-08-11 22:04

Yolov5 优化，包括Yolov8 c2f模块

目录各种技巧实战测试decoupleheadyolo中添加：Yolov5/Yolov7加入Yolov8c2f模块，小目标涨点1）加入backbone2)加入head各种技巧实战测试基于Yolov5的道路缺陷识别
AI视觉网奇·2023-08-11 20:59

Mask RCNN网络结构以及整体流程的详细解读

文章目录1、概述2、Backbone3、RPN网络3.1、anchor的生成3.2、anchor的标注/分配3.3、分类预测和bbox回归3.4、NMS生成最终的anchor4、ROIHead4.1、ROIAlign4.2
masterleoo·2023-08-11 19:56

FCOS:简洁的anchor-free目标检测器

如语义分割)可以统一在FCN框架anchor-free,proposalfree,避免了训练阶段关于anchor或者proposal的iou计算.更重要的是,避免了一切与anchor有关的超参数简单的Backbone
寒夏凉秋·2023-08-11 15:13

【超分引导的低分图像知识蒸馏】

Super-resolutionguidedknowledgedistillationforlow-resolutionimageclassification（超分辨率引导的低分辨率图像分类知识蒸馏）随着深度卷积神经网络的发展
小郭同学要努力·2023-08-11 14:33

竞赛项目 深度学习疲劳驾驶检测 opencv python

1课题背景2实现目标3当前市面上疲劳驾驶检测的方法4相关数据集5基于头部姿态的驾驶疲劳检测5.1如何确定疲劳状态5.2算法步骤5.3打瞌睡判断6基于CNN与SVM的疲劳检测方法6.1网络结构6.2疲劳图像分类训练
Mr.D学长·2023-08-11 14:20

计算机竞赛 opencv python 深度学习垃圾图像分类系统

0前言优质竞赛项目系列，今天要分享的是opencvpython深度学习垃圾分类系统学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分这是一个较为新颖的竞赛课题方向，学长非常推荐！更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate课题简介如今，垃圾分类已成为社会热点话题。其实在2019年4月26日，我国住房和
Mr.D学长·2023-08-11 05:52

机器学习笔记 - 使用CLIP在没有数据的情况下创建图像分类器

这种方法称为零样本图像分类，它可以对原始CLIP模型训练期间未明确看到的类别图像进行分类。一、CLIP理论背景CLIP（对比语言-图像预训练）模型由OpenAI开发，是一种多模态视觉和语言模型。
坐望云起·2023-08-11 02:31

【图像分类】CNN + Transformer 结合系列.4

介绍两篇利用Transformer做图像分类的论文：CoAtNet（NeurIPS2021），ConvMixer（ICLR2022）。
m0_61899108·2023-08-10 10:29

计算机视觉的应用9-视觉领域中的61个经典数据集【大集合】的应用与实战

在计算机视觉领域中，数据集是非常重要的资源，它们可以用于训练和评估图像分类、目标检测、语义分割和其他计算机视觉任务的算法模型。
微学AI·2023-08-10 08:11

【深度学习注意力机制系列】—— SKNet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·2023-08-10 07:49

opencv基础49-图像轮廓02-矩特征cv2.moments()-＞（形状分析、物体检测、图像识别、匹配）

矩特征可以用于识别图像中的对象、检测形状以及进行图像分类等任务。矩特征通过计算图像像素的高阶矩来提取特征。这些矩可以表示图像的中心、尺度、旋转和形状等属性。
玩转AI·2023-08-10 06:50

【人工智能】卷积神经网络

用CNN实现离散数据的分类(以图像分类为例子)感受野感受野(ReceptiveField)：卷积神经网络各输出特征图中的每个像素点，在原始输入图片上映射区域的大小全零填充目的：希望卷积计算保持输入特征图的尺寸不变卷积输出特征图维度的计算公式使用全零填充
萌狼蓝天·2023-08-10 06:07

计算机视觉应用方向

计算机视觉可以大致有以下几个方向（更详细的可以参考paperswithcode）：图像分类目标检测图像分割图像生成风格迁移超分辨率1.图像分类图像分类是是视觉识别中的一项基本任务，目的是分辨整个图像并将其分类
header-files·2023-08-10 05:56

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
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他