图像深度学习

SeisMoLLM: Advancing Seismic Monitoring via Cross-modal Transfer with Pre-trained Large Language

UnknownBody·2025-03-11 12:29

如何通过深度学习优化操作系统中的故障诊断与恢复机制

如何通过深度学习优化操作系统中的故障诊断与恢复机制（副标题：智能监控、自适应诊断与自动恢复——操作系统故障自愈的新方向）摘要随着现代操作系统在多核、高并发和分布式环境中的广泛应用，系统故障及其恢复问题日益成为影响系统稳定性和业务连续性的关键挑战

金枝玉叶9·2025-03-11 11:21

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发引言在HarmonyNext生态系统中，图像处理是一个重要且具有挑战性的领域。

·2025-03-11 11:49

HarmonyNext实战案例：基于ArkTS的高性能图像处理应用开发

HarmonyNext实战案例：基于ArkTS的高性能图像处理应用开发引言在HarmonyNext生态系统中，ArkTS作为新一代的编程语言，为开发者提供了强大的工具来构建高性能、跨平台的应用。

·2025-03-11 11:49

成功案例丨开发时间从1小时缩短到3分钟：如何利用历史数据训练AI模型，预测设计性能？

在其首个AI驱动项目——摩托车把手设计优化中，Hero采用了PhysicsAI™几何深度学习解决方案，利用历史数据训练AI模型并预测设计性能。A

Altair澳汰尔·2025-03-11 11:45

PyTorch实现CNN：CIFAR-10图像分类实战教程

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-03-11 11:44

关于两次项目的学习感悟

经过这两次项目，我学到了以下几点：1.模块化与结构化思维：代码展示了如何将深度学习任务分解为多个模块（如数据加载、模型定义、训练循环、评估等）。

罗婕斯特·2025-03-11 10:43

Python通过YOLO格式TXT标签文件在图像中画框

使用场景检测数据集标注是否有误：在目标检测算法中需要标注自己的数据集，为了更加方便的检查数据集标注是否有误，可以使用该工具将标注结果绘制在图像中并查看。

CHERISH_KDX·2025-03-11 10:41

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务

近年来，随着深度学习技术的快速发展，基于神经网络序列到序列（Sequence-to-Seq

AGI大模型与大数据研究院·2025-03-11 09:03

Python第十六课：深度学习入门 | 神经网络解密

本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础（大脑的数字化仿生）1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和（∑(权重×输入)+偏置）轴突传递电信号激活函数处理输出2.核心组件解析激活函数：神经元的"开关"（如ReLU：max

程之编·2025-03-11 09:03

【大模型开发】深入解析 DeepSpeed：原理、核心技术与示例代码

深入解析DeepSpeed：原理、核心技术与示例代码DeepSpeed是由微软开源的高性能深度学习训练优化引擎，专注于帮助研究人员和工程团队在分布式环境中高效地训练超大规模模型。

云博士的AI课堂·2025-03-11 08:57

一学就会的深度学习基础指令及操作步骤（6）迁移学习

源域（SourceDomain）：已有知识的领域（如ImageNet图像库）。目标域（

小圆圆666·2025-03-11 07:49

YOLOv8制作自己的实例分割数据集保姆级教程（包含json转txt）

1.数据准备首先对原始数据集进行整理，将标注好的图像和标签分别放在两个文件夹中，同时额外新建两个文件夹，用于存放转换完的标签与划分后的数据集。

Sir小珂·2025-03-11 07:18

基于PyTorch的深度学习6——数据处理工具箱2

torchvision有4个功能模块：model、datasets、transforms和utils。主要介绍如何使用datasets的ImageFolder处理自定义数据集，以及如何使用transforms对源数据进行预处理、增强等。下面将重点介绍transforms及ImageFolder。transforms提供了对PILImage对象和Tensor对象的常用操作。1)对PILImage的常

Wis4e·2025-03-11 07:47

基于PyTorch的深度学习——机器学习3

激活函数在神经网络中作用有很多，主要作用是给神经网络提供非线性建模能力。如果没有激活函数，那么再多层的神经网络也只能处理线性可分问题。在搭建神经网络时，如何选择激活函数？如果搭建的神经网络层数不多，选择sigmoid、tanh、relu、softmax都可以；而如果搭建的网络层次较多，那就需要小心，选择不当就可导致梯度消失问题。此时一般不宜选择sigmoid、tanh激活函数，因它们的导数都小于1

Wis4e·2025-03-11 07:47

【Python爬虫实战】从多类型网页数据到结构化JSON数据的高效提取策略

：https://blog.csdn.net/2401_86688088/category_12797772.html目录前言一、数据类型及其对应的提取策略（一）文本数据（二）数值数据（三）链接（四）图像数据

易辰君·2025-03-11 06:39

深度学习与普通神经网络有何区别？

深度学习与普通神经网络的主要区别体现在以下几个方面：一、结构复杂度普通神经网络：通常指浅层结构，层数较少，一般为2-3层，包括输入层、一个或多个隐藏层、输出层。

是理不是里·2025-03-11 06:39

AI 技术引入 RTK（实时动态定位）系统，可以实现智能化管理和自动化运行

AI解决方案：使用深度学习模型（如卷积神经网络CNN）预测整周模糊度。通过历史数据训练模型，实现快速解算。实例：某无人机公司使用A

小赖同学啊·2025-03-11 06:39

AI 驱动的软件测试革命：从自动化到智能化的进阶之路

人工智能技术的突破为测试领域注入了新动能，通过机器学习、深度学习、自然语言处理等技术，测试流程正从“被动验证”向“主动预防”演进。

綦枫Maple·2025-03-11 06:08

向量数据库简介

向量数据库通常使用高效的向量索引技术，支持基于向量相似度的查询和检索，可以应用于图像搜索、自然语言处理、推荐系统、机器学习等领域。

openwin_top·2025-03-11 04:54

开源向量数据库介绍说明

支持的数据类型：文本、图像、音频、视频等。使用场景：推荐系统、语义搜索、图像搜索。数据存储后端：支持多种后端，如SQLite、MySQL、PostgreSQL。

❀͜͡傀儡师·2025-03-11 04:52

Permute 3 for Mac v3.11.10 全能媒体格式转换器

Permute3软件是一款功能强大的媒体格式转换工具，它为用户提供了前所未有的便利性和灵活性，以处理各种音频、视频和图像文件。

明天会在哪·2025-03-11 04:22

使用Activeloop Deep Lake构建深度学习数据仓库与向量存储

技术背景介绍随着深度学习技术的发展，数据的存储与管理成为了一个重要的问题。尤其是对于需要处理大量数据的应用，例如自然语言处理和图像识别，传统的数据存储方式已经无法满足需求。

dgay_hua·2025-03-11 04:49

Azure AI Document Intelligence 使用指南

AzureAIDocumentIntelligence使用指南AzureAIDocumentIntelligence（原名AzureFormRecognizer）是一项基于机器学习的服务，可以从数字或扫描PDF、图像

scaFHIO·2025-03-11 03:42

大语言模型原理基础与前沿挑战与机遇

它们通过深度学习技术，特别是基于变换器（Transformer）架构的模型，能够在自然语言处理（NLP）任务中表现出色。大语言模型的出现不仅推动了学术研究的发展，也在实际应用中展现了巨大的潜力。

AI大模型应用之禅·2025-03-11 02:07

three.js 在 webGL 添加纹理

使用webGL在webGL中，gl.texImage2D()函数用于从图像文件生成2D纹理。该函数接受许多参数，包括目标，细节级别，内部格式，图像的宽度和高度，以及图像数据的格式和类型。

belldeep·2025-03-11 01:28

DeepSeek源码解析（2）

在大模型（如深度学习模型）中，张量扮演着核心角色，具体来说：数据表示：张量用于表示输入数据、模型参数和中间计算结果。

白鹭凡·2025-03-11 01:26

点云语义分割：PointNet++在S3DIS数据集上的训练

PointNet++是一种流行的深度学习方法，可用于处理点云数据，并在各种任务中取得了良好的性能。在本文中，我们将探讨如何使用PointNet++模型在S3DIS数据集上进行训练，并提供相应的源代码。

完美代码·2025-03-11 00:25

PointNet、PointNet++ 基于深度学习的3D点云分类和分割

前言PointNet是直接对点云进行处理的，它对输入点云中的每一个点，学习其对应的空间编码，之后再利用所有点的特征得到一个全局的点云特征。Pointnet提取的全局特征能够很好地完成分类任务，但局部特征提取能力较差，这使得它很难对复杂场景进行分析。PointNet++核心是提出了多层次特征提取结构，有效提取局部特征提取，和全局特征。目录一、PointNet1.1PointNet思路流程1.2Poi

一颗小树x·2025-03-11 00:54

基于YOLOv5的烟雾检测系统：从数据集准备到UI界面实现

近年来，随着深度学习技术的发展，目标检测算法被广泛应用于烟雾检测，尤其是基于YOLOv5的目标检测模型，由于其较高的精度和较低的计算开销，已经成为许多实时检测系统的首选模型。

深度学习&目标检测实战项目·2025-03-11 00:52

Python编程案例教程PPT2022,Python编程案例教程答案

在接口自动化工作中,经常需要处理文字识别的任务,而OCR库能够帮助我们将图像中的文字提取出来,所以本文为大家整理了四个常用的OCR库以及它们的用法,需要的可以参考下Python客栈送红包、纸质书1、pyocr2

a1237567892·2025-03-11 00:21

Midjourney绘图参数详解：从基础到高级的全面指南

一、基本参数配置1.图像比例调整使用--ar参数可以设置图像的宽高比，例如--ar16:9将生成16:9的宽屏图像。2.提示权重控制--iw参数用于控制文本提示对图像的影响程度，默认值为0.25，可

码上飞扬·2025-03-10 23:16

【LeetCode系列】Google面试题

Google面试题目录Google面试题LeetCode14最长公共前缀1、分析2、代码LeetCode20有效的括号1、分析2、代码LeetCode43字符串相乘1、分析2、代码LeetCode48旋转图像

烊萌·2025-03-10 22:06

【深度学习】Adam（Adaptive Moment Estimation）优化算法

概述Adam算法结合了动量法（Momentum）和RMSProp的思想，能够自适应调整每个参数的学习率。通过动态调整每个参数的学习率，在非平稳目标（如深度神经网络的损失函数）中表现优异目录基本原理和公式笼统说明：为什么Adam算法可以帮助模型找到更好的参数基本概念动量（Momentum）：跟踪梯度的指数衰减平均（一阶矩），加速收敛并减少震荡。自适应学习率：跟踪梯度平方的指数衰减平均（二阶矩），调整

辰尘_星启·2025-03-10 20:51

ONNX GraphSurgeon详细介绍

它允许开发者在ONNX模型的图结构中进行修改、优化、插入节点、删除节点以及其他图结构操作，是在深度学习推理部署过程中非常有用的工具。

Lntano__y·2025-03-10 19:12

benchmark和baseline的联系与区别

在深度学习算法中，benchmark（基准）和baseline（基线）是两个常用的概念，用于评估算法的性能和进行比较。尽管它们有一些相似之处，但它们在定义和使用上有一些区别。

Lntano__y·2025-03-10 19:41

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结

苏小夕夕·2025-03-10 18:07

第N4周：NLP中的文本嵌入

本人往期文章可查阅：深度学习总结词嵌入是一种用于自然语言处理（NLP）的技术，用于将单词表示为数字，以便计算机可以处理它们。通俗的讲就是，一种把文本转为数值输入到计算机中的方法。

OreoCC·2025-03-10 18:05

【一文学会 HTML5】

目录HTML概述基本概念HTML发展历程HTML基本结构网页基本标签标题标签（``-``）段落标签（``）换行标签（``）水平线标签（``）注释（``）特殊符号图像标签基本语法主要属性图像的对齐和样式响应式图像链接标签基本语法重要属性

熬夜超级玩家·2025-03-10 17:33

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式yolo转coco数据集格式的代码三：训练dataset数据文件配置configs1.在configs/faster_rcnn/faster-rcnn_r101_fpn_1x_coco.py

小啊磊_Vv·2025-03-10 17:02

深度学习和机器学习的差异

深度学习（DeepLearning）作为机器

The god of big data·2025-03-10 16:28

智能遥感新质生产力：ChatGPT、Python和OpenCV强强联合；空天地遥感数据分析的全流程；地面数据、无人机数据、卫星数据、多源数据等处理

层层递进、结构严谨，帮助您系统性掌握从数据预处理、图像增强、

小艳加油·2025-03-10 16:57

opencv cuda例程 OpenCV和Cuda结合编程

linux/201704/70863.html此网页，仅保存下来供随时查看一、利用OpenCV中提供的GPU模块目前，OpenCV中已提供了许多GPU函数，直接使用OpenCV提供的GPU模块，可以完成大部分图像处理的加速操作

weixin_44602056·2025-03-10 16:27

H.264---序列参数集（SPS）---宽高获取

SequenceParamaterSet（NALUnit=7）SPS和PPS一般处于码流的起始位置，但也可能出现在码流中间，主要原因是：1、解码器需要在码流中间开始解码；2、编码器在编码的过程中改变了码流的参数（如图像分辨率等

SXM19940913sxm·2025-03-10 16:25

利用CUDA与OpenCV实现高效图像处理：全面指南

利用CUDA与OpenCV实现高效图像处理：全面指南前言在现代计算机视觉领域，图像处理的需求日益增加。无论是自动驾驶、安防监控，还是医疗影像分析，图像处理技术都扮演着至关重要的角色。

快撑死的鱼·2025-03-10 16:25

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。

@Mr_LiuYang·2025-03-10 16:25

【无标题】

1.计算机视觉与图像处理计算机视觉技术涵盖从图像预处理到目标检测的全流程，是工业视觉系统的核心部分。

东东就是我·2025-03-10 16:54

Win11及CUDA 12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音

Win11及CUDA12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音【下载地址】Win11及CUDA12.1环境下PyTorch安装及避坑指南本资源文件旨在为在Windows11操作系统及

郁云爽·2025-03-10 16:52

R语言 ggplot2 可视化生成高分辨率图片实战

我们将探索不同的保存选项，以确保我们获得清晰、适应各种输出需求的图像。首先，

PixelEnigma·2025-03-10 15:21

大模型“瘦身”革命——模型压缩与加速

随着AI大模型（如GPT、BERT、DALL·E等）的崛起，它们在自然语言处理、图像生成等领域的表现令人惊叹。然而，大模型的参数量动辄数十亿甚至上千亿，带来了巨大的计算资源消耗和部署成本。

大模型应用场景·2025-03-10 15:50

推荐频道