子集卷积

基于深度学习的目标检测：从基础到实践

近年来，深度学习技术，尤其是卷积神经网络（CNN），在目标检测任务中取得了显著进展。本文将详细介绍如何使用深度学习技术构建目标检测模型，从理论基础到代码实现，带你一步步掌握目标检测的完整流程。

Blossom.118·2025-07-21 14:25

25数据库三级备考自整理笔记

外->是数据库用户（包括应用程序员和最终用户看见和使用的局部数据的逻辑结构和特征的描述，是数据库用户的视图，是某一应用有关的数据的逻辑表示；外模式是模式的子集，一个数据库可以有多个外模式）；（

·2025-07-21 12:11

Unet源码实现（pytorch）

U-Net是一种用于生物医学图像分割的卷积神经网络架构。它通过引入一种新颖的网络结构和训练策略解决了传统方法在数据量不足时面临的挑战。

wyn20001128·2025-07-21 08:09

深度学习模块实践手册（第十二期）

传统卷积神经网络在生成特征图时存在大量冗余计算，Ghost模块通过将特征图生成过程分解为两个步骤，有效减少了计算复杂度，特别适合移动端和嵌入式设备部署。2、机制Ghost模块的机

加油吧zkf·2025-07-21 08:38

DETR革命：目标检测的Transformer时代

在深度学习目标检测发展史上，2014~2019年几乎被基于卷积神经网络（CNN）的检测器统治：两阶段：FasterR-CNN、MaskR-CNN单阶段：YOLO、SSD、RetinaNet这些检测器虽然效果强大

加油吧zkf·2025-07-21 08:08

神经网络项目--基于FPGA的AI简易项目（1-9图片数字识别）

1.训练MNIST模型importtorch#导入pytorch核心库importtorch.nnasnn#神经网络模块，如卷积层importtorch.optimasoptim#优化器fromtorchvisionimportdatasets

霖12·2025-07-21 05:45

前端开发中的字体子集化实现

字体子集化（FontSubsetting）是指从一个完整的字体文件中提取出页面实际使用的字符，并生成一个包含这些字符的精简字体文件。

aiguangyuan·2025-07-21 03:56

Zephyr开发指南——编程语言支持（Minimal libc）

Minimallibc最基本的C库，被称为“最小libc”，是Zephyr代码库的一部分，并提供了标准C库的最小子集，以满足Zephyr及其子系统的需求，主要是在字符串操作和显示领域。

wayne2018·2025-07-21 01:42

分割等和子集 Leetcode 1049. 最后一块石头的重量II

46.携带研究材料（01背包二维数组）题目是给定一个物品的重量数组weight，和物品对应的价值数组value。另外给了背包需要装多少种物品，和背包的容量（即输入两个数组+背包所考虑的物品种类category和背包的容量bagweight）dp数组的定义，下标表示什么含义。dp[i][j]表示容量为j的背包从编号[0,i]之间选取物品进行存放所能达到的最大价值。其中，横轴上的坐标可以考虑为是背包的

Tiny番茄·2025-07-21 00:35

生成式人工智能实战 | 像素卷积神经网络（PixelCNN）

生成式人工智能实战|像素卷积神经网络0.前言1.PixelCNN工作原理1.1掩码卷积层1.2残差块2.PixelCNN分析3.使用混合分布改进PixelCNN3.1模型构建3.2模型训练0.前言像素卷积神经网络

盼小辉丶·2025-07-20 23:59

TensorFlow深度学习实战——DCGAN详解与实现

TensorFlow深度学习实战——DCGAN详解与实现0.前言1.DCGAN架构2.构建DCGAN生成手写数字图像2.1生成器与判别器架构2.2构建DCGAN相关链接0.前言深度卷积生成对抗网络(DeepConvolutionalGenerativeAdversarialNetwork

盼小辉丶·2025-07-20 23:59

基于densenet网络创新的肺癌识别研究

获取项目源码点击文末名片摘要本项目针对肺癌CT图像识别等医学影像分析场景，基于DenseNet网络进行创新性改进，综合引入多尺度卷积、深度可分离卷积、注意力机制以及空间金字塔池化（SPP）等模块，以期提升对不同大小的肺结节及关键病理特征的识别能力

深度学习乐园·2025-07-20 19:32

基于cnn和resnet和mobilenet对比实现驾驶员分心检测

演示效果及获取项目源码点击文末名片本项目旨在通过深度学习技术，结合卷积神经网络（CNN）模型、ResNet模型和MobileNet模型，实现对驾驶员分心行为的自动检测。

深度学习乐园·2025-07-20 19:02

Redis 分区

分区是分割数据到多个Redis实例的处理过程，因此每个实例只保存key的一个子集。分区的优势通过利用多台计算机内存的和值，允许我们构造更大的数据库。

奇点一氪·2025-07-20 11:00

基于蜣螂算法优化多头注意力机制的卷积神经网络结合双向长短记忆神经网络实现温度预测DBO-CNN-biLSTM-Multihead-Attention附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机物理应用机器学习内容介绍温度预测在气象学、农业、能源等领域具有重要的应用价值。随着大数据和人工智能技术的快速发

matlab科研助手·2025-07-20 10:58

卷积神经网络-数据增强

文章目录一、概述二、数据增强的类别1.裁剪2.翻转和旋转3.随机遮挡4.图像变换5.对transforms的选择操作，使数据增强更灵活三、应用场景四、总结一、概述数据增强（也叫数据扩增）的目的是为了扩充数据和提升模型的泛化能力。有效的数据扩充不仅能扩充训练样本数量，还能增加训练样本的多样性，一方面可避免过拟合，另一方面又会带来模型性能的提升。二、数据增强的类别1.裁剪中心裁剪：transforms

红米煮粥·2025-07-20 00:44

深度学习——CNN（3）

采用dropout防止过拟合基于AlexNet进行微调，诞生了ZF-netCNN-GoogleNetGoogLeNet借鉴了NIN的特性，在原先的卷积过程中附加了11的卷积核加上ReLU激活。

飘涯·2025-07-19 14:23

力扣 496. 下一个更大元素 I

给你两个没有重复元素的数组nums1和nums2，下标从0开始计数，其中nums1是nums2的子集。

清水乐园·2025-07-19 12:18

算法训练DAY28 |力扣93.复原IP地址&&力扣78.子集&&力扣90.子集Ⅱ

93.复原IP地址原题链接：力扣93.复原IP地址题目描述有效IP地址正好由四个整数（每个整数位于0到255之间组成，且不能含有前导0），整数之间用'.'分隔。例如："0.1.2.201"和"192.168.1.1"是有效IP地址，但是"0.011.255.245"、"192.168.1.312"和"[email protected]"是无效IP地址。给定一个只包含数字的字符串s，用以表示一个IP地址，返回所

Syhaun·2025-07-19 11:42

day 24 |93.复原IP地址，78.子集，90.子集II

93.复原IP地址93.复原IP地址-力扣（LeetCode）classSolution{public:boolvalidNumber(stringsNumber){//“判断是否合格”if(stoi(sNumber)paths;voidrestoreIpAddresses(strings,intstart,stringpath,intdepth){if(start>=s.size()&&dept

bindloy·2025-07-19 10:36

matlab卷积矩阵绝对值,MATLAB矩阵分析和计算

MATLAB矩阵分析和计算编辑锁定讨论上传视频本词条缺少概述图，补充相关内容使词条更完整，还能快速升级，赶紧来编辑吧！《MATLAB矩阵分析和计算》是清华大学出版社出版的一本图书。[1]书名MATLAB矩阵分析和计算作者杜树春出版社清华大学出版社出版时间2019年6月1日定价59元ISBN9787302524816印次1-1印刷日期2019.04.23MATLAB矩阵分析和计算图书内容编辑本书侧重

weixin_39928736·2025-07-12 16:52

盲超分的核心概念

一、盲超分的本质与数学建模1.退化过程的数学表达低分辨率图像（LR）可看作高分辨率图像（HR）经过退化模型后的结果：：观测到的低分辨率图像：待恢复的高分辨率图像：模糊核（BlurKernel）⊗：卷积操作

小冷爱读书·2025-07-12 16:48

深度学习图像分类数据集—桃子识别分类

该数据集为图像分类数据集，适用于ResNet、VGG等卷积神经网络，SENet、CBAM等注意力机制相关算法，VisionTransformer等Transformer相关算法。

AI街潜水的八角·2025-07-12 12:24

【JS三兄弟谁是谁】搞懂 splice、slice、split，只需一杯奶茶的时间！

一、三兄弟登场：不同对象，不同任务名称作用对象是否修改原对象返回类型功能简述splice数组✅是被删除元素数组原地删除元素并可插入新元素slice数组/字符串❌否副本（子集）复制选中部分，原体不

dorabighead·2025-07-12 09:04

如何使用Python实现交通工具识别

Python实现交通工具识别文章目录技术架构功能流程识别逻辑用户界面增强特性依赖项主要类别内容展示该系统是一个基于深度学习的交通工具识别工具，具备以下核心功能与特点：技术架构使用预训练的ResNet50卷积神经网络模型

·2025-07-12 02:41

CNN 猫狗识别：从理论到实战的深度解析

在计算机视觉领域，卷积神经网络（ConvolutionalNeuralNetwork，CNN）凭借其强大的特征提取和模式识别能力，成为图像分类任务的主流技术。

爱熬夜的小古·2025-07-12 00:29

安防监控漏报频发？陌讯实时检测算法实测召回率98%

二、技术解析：陌讯算法的三重创新陌讯视觉算法通过多尺度特征融合+自适应光照补偿提升鲁棒性：动态感受野机制在Backbone中引入可变形卷积（DeformableConv），公式表示为：y(p)=

2501_92487721·2025-07-11 16:39

【零基础学AI】第31讲：目标检测 - YOLO算法

进行物体检测构建一个简单的物体检测系统开始之前环境要求Python3.8+需要安装的包：opencv-python,numpy,matplotlib硬件要求：推荐使用GPU（非必须）前置知识基本Python编程能力了解卷积神经网络

1989·2025-07-11 13:18

万字长文详解YOLOv8 yaml 文件，结合模型输出的网络结构图分析Parameters /backbone/head以及三者的数学关联

YOLO目标检测创新改进与实战案例专栏专栏目录：YOLO有效改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLO基础解析+创新改进+实战案例之前写过一篇

YOLO大师·2025-07-11 05:55

Apriori算法的Python实例演示

它是基于一个有趣的原理，被称为Apriori原理：如果一个项集是频繁的，那么它所有的子集也是频繁的。为了理解这个过程，想象其中一个疯狂的购物者，他每次都买三样东西：鸡蛋，牛奶，和黄油。

rit8432499·2025-07-11 05:22

【第三章:神经网络原理详解与Pytorch入门】02.深度学习框架PyTorch入门-(4)Pytorch实战

示例：自定义一个卷积神经网络（CNN）importtorch.nnasnnimporttorch.nn.functional

IT古董·2025-07-11 05:50

YOLOv11模型轻量化挑战技术文章大纲

模型轻量化的背景与意义目标检测模型YOLOv11的性能与应用场景轻量化的必要性：边缘设备部署、实时性需求、计算资源限制轻量化面临的挑战：精度与速度的权衡、模型压缩方法的选择YOLOv11的轻量化技术方向网络结构优化：深度可分离卷积

程序猿全栈の董（董翔）·2025-07-11 03:40

Transformer、BERT等模型原理与应用案例

与传统的循环神经网络(RNN)和卷积神经网络(CNN)不同，Transformer完全依赖自注意力机制来处理输入序列的全局依赖关系。核心组件多头自注意力机制(Mul

程序猿全栈の董（董翔）·2025-07-11 03:10

大模型卷积神经网络（CNN）的架构原理

一、卷积神经网络（CNN）的核心原理与架构CNN是一种专为结构化数据（如图像、文本）设计的深度学习模型，其核心在于层次化特征提取与参数高效共享，使其成为大模型中视觉和多模态任务的基础组件。

hao_wujing·2025-07-11 03:38

弄清Doris/StarRocks分区partition by和分桶distributed by的区别，以及如何选择对应的字段

数据分布是指数据划分为子集，并按一定规则均衡地分布在不同节点上，能够有效裁剪数据扫描量，最大限度地利用集群的并发性能，从而提升查询性能。

·2025-07-11 00:19

自己动手写编译器

C的核心子集Appendix直接上手环境antlr-for-eclipse，即antlride-2.0-rc4版，在

JeffWoodNo.1·2025-07-10 15:22

【目标检测】Yolov7 的 ELAN 和 E-ELAN 模块演进（涉及到分组卷积，cardinality，梯度路径）

感觉从YOLOv6开始，YOLOv6系列感觉优化点都着重于推理速度上面，YOLOv6的RepBlock重参数化，给我的感觉就是算子融合进行加速。而YOLOv7，为了在各种架构的边缘设备上获得极致的推理速度。YOLOv7的工作：新的bagoffreebies（有效的训练技巧，不会增加推理的计算量）有规划的重参数化模型（不同边缘设备架构，不同的重参数化方法）新的动态标签分配方法为了更好的理解YOLOv

Jiangnan_Cai·2025-07-10 11:55

ResNet：深度卷积神经网络的里程碑

一、引言在深度学习的发展历程中，深度卷积神经网络（CNN）不断演进，旨在提升对图像等数据的特征提取与分类能力。

心想事“程”·2025-07-10 10:18

视觉算法之卷积神经网络

定义与特点卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种专为处理具有网格结构的数据而设计的深度学习模型。

清风AI·2025-07-10 10:17

卷积神经网络架构的演进：从AlexNet到EfficientNet

本文将聚焦于卷积神经网络（CNN）架构的演变，深入探究其背后的基本原理。一些关键术语在深入了解各种架构之前，我们需要明确几个关键术语。更宽的网络意味着卷积层中有更多的特征图（滤波器

t0_54manong·2025-07-10 10:47

开源人工神经网络库（OpenANN）

OpenArtificialNeuralNetworkLibrary）是一个开源的人工神经网络库，基于C++编写，依赖Eigen3库进行高效的矩阵运算，使用CMake进行项目构建，支持多种神经网络架构，包括前馈神经网络、卷积神经网络和循环神经网络等

deepdata_cn·2025-07-10 08:33

目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究（续）

目录基于双蓝图卷积的轻量化自动驾驶目标检测算法5.1引言5.2DarkNet53网络冗余性分析5.3双蓝图卷积网络5.4实验结果及分析基于深度学习的自动驾驶目标检测算法研究与应用传统的目标检测算法目标检测基线算法性能对比与选择相关理论和算法基础

林聪木·2025-07-10 07:58

【深度学习】【入门】Linear和flatten

在经过卷积、池化等层提取出数据的局部特征后，Linear层能够将这些分散的局部特征进行整合，

学习中的阿陈·2025-07-09 18:34

软件测试（功能、接口、性能、自动化）详解 | 测试人生路

黑盒测试常见测试用例编写方法1、等价类选取少数有代表性的数据，这一类数据等价于这一类的其它值；找出最小的子集，可以发现最多的错误；特性：必须设计的用例；涵盖了大部分情况；2、边界值所谓边界条件，是指输入和输

·2025-07-09 13:06

MATLAB 实现 SRCNN 图像超分辨率重建

该代码使用三层卷积神经网络，进行图像的超分辨率重建，效果比双三次插值好很多SRCNN/Readme.txt,1494SRCNN/SRCNN.m,1267SRCNN/Set14/baboon.bmp,720054SRCNN

leo__520·2025-07-09 13:32

YOLOv11 | SAConv与C3k2融合架构技术详解，替换传统下采样Conv

YOLOv11|SAConv与C3k2融合架构技术详解，替换传统下采样Conv1.核心创新与技术价值1.1突破性设计理念本文提出的SAConv（SwitchableAtrousConvolution）可切换空洞卷积结合

wei子·2025-07-09 10:39

内核、指令集和架构：【3】M0和M3

M0+,M3,M4,M7,M23,M33,M55等）都基于ARMv6-M或ARMv7-M或ARMv8-M架构，它们共享核心的32位RISC设计理念和Thumb/Thumb-2指令集基础，但在支持的指令子集

学点东西吧·2025-07-09 07:51

【漏洞挖掘】——121、Xpath注入深入刨析

基本介绍XPath即为XML路径语言，是W3CXSLT标准的主要元素，它是一种用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言。

FLy_鹏程万里·2025-07-09 06:12

从0开始学习计算机视觉--Day08--卷积神经网络

而卷积神经网络中，用卷积层代替了全连接层。不同的是，这里的输入不再需要降维，而是可以保留输入的空间结构，例如输入的是32×32×3的图片，在全连接层中是3072×1的向量，而卷积层里则保持不变。

·2025-07-09 01:12

视频讲解：多层感知机MLP与卷积神经网络CNN在服装图像识别中的应用

p=42891原文出处：拓端数据部落公众号分析师：ZiqiYe视频讲解：多层感知机MLP与卷积神经网络CNN在服装图像识别中的应用作为数据科学领域的从业者，我们常面临这样的挑战：如何让机器真正“看懂”图像中的信息

·2025-07-08 23:51

推荐频道