图像处理-机器学习

基于机器学习的多模态影像分类研究

多模态影像，机器学习，分类，深度学习，计算机视觉1.背景介绍随着计算机视觉技术的飞速发展，多模态影像分类在各个领域得到了广泛应用，例如医疗诊断、自动驾驶、人脸识别等。
AI智能应用·2025-06-11 15:00

划界与分类的艺术：支持向量机（SVM）的深度解析

划界与分类的艺术：支持向量机（SVM）的深度解析1.引言支持向量机（SupportVectorMachine,SVM）是机器学习中的经典算法，以其强大的分类和回归能力在众多领域得到了广泛应用。
忘梓.·2025-06-11 14:29

Python 训练营打卡 Day 45

TensorBoard简单来说，TensorBoard是TensorFlow自带的一个「可视化工具」，就像给机器学习模型训练过程装了一个「监控屏幕」。
2401_86382089·2025-06-11 13:23

《昇思25天学习打卡营第17天|K近邻算法实现红酒聚类》

2、K近邻算法原理介绍K近邻算法（K-Nearest-Neighbor,KNN）是一种用于分类和回归的非参数统计方法，最初由Cover和Hart于1968年提出(Cover等人,1967)，是机器学习最基础的算法之一
2301_82117638·2025-06-11 13:53

昇思25天学习打卡营第17天|K近邻算法实现红酒聚类

K近邻算法原理介绍K近邻算法（K-Nearest-Neighbor,KNN）是一种用于分类和回归的非参数统计方法，最初由Cover和Hart于1968年提出(Cover等人,1967)，是机器学习最基础的算法之一
shen-727·2025-06-11 13:51

昇思25天学习打卡营第17天 | K近邻算法实现红酒聚类

内容介绍：K近邻算法（K-Nearest-Neighbor,KNN）是一种用于分类和回归的非参数统计方法，是机器学习最基础的算法之一。
神奇的布欧·2025-06-11 13:50

入门机器学习需要的统计基础

很多人都说：“学机器学习一定要有数学基础”，但问题是——从哪开始学？学到什么程度才够？其实真的没那么难。
·2025-06-11 13:50

threejs 源码解析_threejs海面模拟

记笔记：TNM084，是LinköpingUniversity的图像处理课程，github上有20有关多个项目，容易学习。以下是对原作者笔记的翻译。
weixin_39875675·2025-06-11 13:20

模型评估与模型参数选择：机器学习实践的关键步骤

在机器学习的海洋中，构建一个模型仅仅是冰山一角。真正的挑战在于如何确保这个模型能够准确地预测未知数据，并且拥有最优的性能表现。这就涉及到了两个至关重要的环节：模型评估和模型参数选择。
沐秋子·2025-06-11 12:13

大数据分层架构全细节图文解读

业务需求从简单报表演变为实时监控、智能分析、机器学习等多样场景。
北漂老男人·2025-06-11 12:12

【保姆级教程】2025年AI产品经理终极学习指南：从零基础到精通，收藏我这一篇就够了！

AI产品经理的学习路线第一阶段：基础知识积累了解AI基本概念学习人工智能的基本定义和发展历程；掌握常见AI技术如机器学习、深度学习、自然语言处理、计算机视觉等的基础原理。
AGI大模型老王·2025-06-11 12:08

BERT 模型微调与传统机器学习的对比

BERT微调与传统机器学习的区别和联系：传统机器学习流程传统机器学习处理文本分类通常包含以下步骤：特征工程：手动设计特征（如TF-IDF、词袋模型）模型训练：使用分类器（如SVM、随机森林、逻辑回归）特征和模型调优
MYH516·2025-06-11 11:05

传统机器学习与大模型 + Prompt 的对比示例

下面两段代码分别展示了传统机器学习和大模型+Prompt在文本分类任务上的实现方式，帮助你直观感受两者的差异。
MYH516·2025-06-11 11:05

在 Azure 机器学习中注册 MLflow 模型

了解如何在Azure机器学习中记录和注册MLflow模型。学习目标在本模块中，你将了解如何：使用MLflow记录模型。了解MLmodel格式。在Azure机器学习中注册MLflow模型。
A_nanda·2025-06-11 10:27

Python | opencv实现视频抽帧，截取视频图片积攒训练集

在机器学习和计算机视觉领域，训练集的构建往往需要大量图像数据。视频作为动态图像的集合，通过抽帧技术可以快速生成成百上千张图片。
猫行迹·2025-06-11 05:51

机器学习专栏（36）：逻辑回归与Softmax回归全解析（附完整代码与可视化）

目录一、逻辑回归：概率世界的"温度计"1.1核心原理：从线性到概率的魔法转换1.2Sigmoid函数：概率转换的核心引擎1.3实战案例：鸢尾花二分类二、模型训练：损失函数的艺术2.1对数损失函数解析2.2正则化实战技巧三、Softmax回归：多分类的终极武器3.1数学原理深度解析3.2多分类实战技巧四、工业级应用指南4.1特征工程黄金法则4.2模型评估矩阵4.3超参数调优模板五、避坑指南：常见误区
Sonal_Lynn·2025-06-11 04:46

在WPF项目中集成Python：Python.NET深度实战指南

随着Python在数据分析、机器学习、自动化等领域的广泛应用，越来越多的.NET开发者希望在WPF桌面应用中调用Python代码，实现两者优势互补。
·2025-06-11 03:39

机器学习中常见搜索算法

机器学习中的搜索算法主要用于优化模型参数、特征选择、超参数调优或近似最近邻搜索等任务。
·2025-06-11 01:50

基于simulink的图像处理的智能家居入侵检测系统

Simulink模型第二步：构建图像采集模块第三步：实现图像预处理第四步：设计背景建模与差分第五步：实现特征提取与入侵检测第六步：设计响应机制第七步：搭建用户界面（可选）第八步：运行仿真并分析结果注意事项基于图像处理的智能家居入侵检测系统利用摄像头捕捉图像
xiaoheshang_123·2025-06-11 00:17

NLP-文本表示

文本表示（TextRepresentation）是自然语言处理（NLP）中的一个关键步骤，它将文本数据转换为机器学习模型可以理解的格式。
Carrie_Lei·2025-06-10 21:25

Github 2024-06-21 开源项目日报 Top10

开发语言项目数量TypeScript项目3Python项目3Java项目2非开发语言项目2JavaScript项目1Rust项目1Dart项目1HTML项目1Vue项目1C++项目1TensorFlow:机器学习的开源平台创建周期
老孙正经胡说·2025-06-10 19:05

AI与.NET技术实操系列（二）：开始使用ML.NET

引言在当今技术飞速发展的时代，机器学习（MachineLearning,ML）已成为推动创新和变革的核心力量。从智能推荐系统到自动化决策工具，ML的应用无处不在，深刻影响着我们的生活和工作方式。
dotNET跨平台·2025-06-10 19:32

vscode 相关设置

类似的AI代码补全插件:Tabnine、TONGYILingma、FiddenCodeJupyter：支持在VSCode中直接运行和编辑JupyterNotebooks，适合数据科学和机器学习开发者。
ttkqwe·2025-06-10 17:53

python训练营打卡第31天

文件的规范拆分和写法知识点回顾规范的文件命名规范的文件夹管理机器学习项目的拆分编码格式和类型注解作业：尝试针对之前的心脏病项目，准备拆分的项目文件，思考下哪些部分可以未来复用。
·2025-06-10 16:16

pycuda

它提供了与CUDAC类似的接口，可以方便地利用GPU的并行计算能力进行科学计算、机器学习、深度学习等领域的计算任务。
贾亚飞·2025-06-10 15:35

【特征工程】机器学习的特征构造和筛选

调研论文中，看到datafun的一篇agent文章“智能不够，知识来凑”——知识驱动的金融决策智能体，里面提到了自动因子挖掘，感觉可以用来做机器学习的“特征工程”。
·2025-06-10 15:34

吴恩达机器学习入门笔记（Week 1）

吴恩达机器学习Week1学习资源及工具机器学习分类专业术语（Terminology）线性回归模型(Linearregression)代价函数（costfunction）学习资源及工具1、课程资源：B站大学
冒冒喵·2025-06-10 14:58

机器学习与深度学习16-概率论和统计学01

目录前文回顾1.什么是概率论和统计学2.概率的基本概念3.什么是概率密度函数和累积分布函数4.均值、中位数与众数前文回顾上一篇文章地址：链接1.什么是概率论和统计学概率论和统计学是数学中重要的分支，用于研究随机事件和数据的分布、关联性以及不确定性。概率论是研究随机事件发生的可能性和规律的数学学科。它提供了一套工具和方法来描述和分析随机变量、随机过程以及他们之间的关系。概率论包括概率分布、随机变量、
my_q·2025-06-10 14:27

2025年智能制造、结构健康监测与数字孪生国际学术会议（ICSSD 2025）

智能制造依托工业互联网、智能传感与AI算法，实现生产流程的柔性化与决策自动化，广泛赋能高端装备制造、新能源汽车等产业；结构健康监测通过光纤传感器、无线传感网络与机器学习，实时捕捉桥梁、风电设备等大型结构的应力应变与损伤信号
鸭鸭鸭进京赶烤·2025-06-10 13:56

机器学习中分类自变量的类别过多该怎么处理？

在机器学习的世界里，数据是模型的灵魂。而当面对一个拥有过多类别的分类自变量时，你是否感到过无从下手？这不仅会带来维度灾难，还会使模型训练变得复杂且低效。
cda2024·2025-06-10 11:11

【PaaS与AI融合】MLOps平台的架构设计

智能资源调度三、关键技术实现细节1.持续集成流水线2.异构资源管理3.安全治理体系四、行业实践与未来演进典型案例分析发展趋势展望五、架构设计建议一、技术背景与发展趋势随着AI技术从实验室走向规模化生产，传统机器学习模型开发面临版本混乱
沐风—云端行者·2025-06-10 10:09

制定数字化转型策略时需要考虑的关键技术趋势

1.人工智能（AI）与机器学习（ML）人工智能和机器学习正成为企业数字化转型的核心推动力。通过自动化流程、优化决策支持系统以及增强客户体验，AI和M
·2025-06-10 10:35

随机森林可以如何优化

随机森林是一种常用的机器学习方法，它可以通过以下几种方法来优化：增加决策树的数量：随机森林的性能取决于决策树的数量，因此增加决策树的数量可以提高模型的精度。
andriy_mulyar·2025-06-10 07:14

Python机器学习小项目实战：随机森林模型优化，提升信用卡欺诈检测效能

1.引言在之前的博客中，我们已经成功地使用随机森林算法构建了一个信用卡欺诈检测模型。随机森林算法凭借其良好的性能和易于使用的特点，在各种实际应用中都取得了良好的效果。然而，仅仅构建一个模型是不够的。为了提高模型在实际场景中的泛化能力和检测精度，我们需要对其进行优化。模型优化是指通过调整模型的参数、选择合适的特征或使用更高级的算法来提高模型的性能。在信用卡欺诈检测中，模型优化可以帮助我们更准确地识别
码上研习·2025-06-10 07:13

Python实现逻辑回归模型：处理分类问题的经典方案

在机器学习领域，逻辑回归（LogisticRegression）虽名为“回归”，实则是解决分类问题的经典算法。
·2025-06-10 07:10

利用Python构建随机森林模型及其性能优化

在机器学习的众多算法中，随机森林（RandomForest）凭借其出色的稳定性、强大的抗噪声能力以及良好的解释性，成为数据挖掘和预测分析的常用工具。
缑宇澄·2025-06-10 06:09

第3章 开源大模型框架概览3.3 模型转换框架与工具3.3.1 ONNX：跨框架模型转换

https://aurigait.com/blog/onnx-onnx-runtime-and-tensortrt/1.背景介绍1.背景介绍开源大模型框架已经成为机器学习和深度学习领域的重要组成部分。
AI天才研究院·2025-06-10 05:28

大语言模型原理基础与前沿 专家混合

2.核心概念与联系大语言模型是一种利用机器学习和自然语言处理技术构建的模型，它可以理解和生成人类语言。这些模型通常使用大量的文本数据进行训练，并利用深度学习技术来学习语言的结构和语义。深
AI智能应用·2025-06-10 05:57

python网络爬虫网页前端编程基础、Socket库、使用Socket进行TCP编程、认识HTTP协议、熟悉Cookie等。_python的socket库

学习Python门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。
软件开发Java·2025-06-10 04:53

ubuntu20.04安装python_Ubuntu 20.04下安装部署最新的Python 3.9

它是一种通用语言，用于构建各种各样的应用程序，从简单的脚本到复杂的机器学习算法。由于其简单且易于学习的语法，Python是初学者和有经验的开发人员的热门选择。Pyth
weixin_39652646·2025-06-10 01:30

自然语言处理之语言模型：Word2Vec：Word2Vec模型的训练与优化

自然语言处理之语言模型：Word2Vec：Word2Vec模型的训练与优化自然语言处理基础文本预处理文本预处理是自然语言处理（NLP）中至关重要的第一步，它包括多个子步骤，旨在将原始文本转换为适合机器学习模型的格式
·2025-06-09 23:18

【OpenCV】cv::exp函数详解

cv::exp是OpenCV中用于对矩阵中的每个元素进行自然指数运算（即ex）的函数，常用于图像增强、概率计算或机器学习中的激活函数（如Softmax）。
浩瀚之水_csdn·2025-06-09 23:16

什么是知识蒸馏？如何做模型蒸馏？结合案例说明

核心概念：在机器学习中，“蒸馏”指的是知识蒸馏。
·2025-06-09 22:39

利用深度学习助力科学文献真实性评估——scite的探索与实践

为了让科学研究更加可靠，他们选择利用机器学习技术来
t0_54program·2025-06-09 19:53

医学影像基础与实践：基于传统算法的CT影像探索

在医学影像领域，人们往往容易将目光聚焦于人工智能（AI）技术，然而，理解和掌握基础的图像处理算法同样至关重要。这不仅有助于我们深入了解医学影像的本质，还能在不依赖深度学习的情况下，明确其应用边界。
t0_54program·2025-06-09 19:53

利用机器学习构建肺炎诊断模型与绘制热力图

接下来，我们就一同看看如何构建一个机器学习管道，通过胸部X光图像来分类患者是否患有肺炎，并绘制模型用于决策
t0_54program·2025-06-09 19:53

机器学习算法种类繁多以下是主要算法的详细描述、使用场景、经典案例、开源框架，以及学习和应用到实际场景的建议

机器学习算法种类繁多，根据任务类型主要分为监督学习、无监督学习、半监督学习和强化学习四大类。以下是对主要算法的详细描述、使用场景、经典案例、开源框架，以及学习和应用到实际场景的建议。
zhxup606·2025-06-09 19:21

七天速成数字图像处理之五（图像分割）

图像分割（ImageSegmentation）是数字图像处理中最核心、最具挑战性的任务之一，其目标是将图像划分为具有一致特征的区域，从而实现对图像中目标或结构的提取、理解与分析。
ZzzZ31415926·2025-06-09 18:46

【TVM 教程】如何使用 TVM Pass Infra

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。
·2025-06-09 17:23

Opencv图像通道操作: 分离和合并

Opencv图像通道操作:分离和合并在计算机视觉领域，图像处理是十分重要的一部分。如何在图像处理中实现通道的分离和合并是一项基础技能。
完美代码·2025-06-09 16:58
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他