深度学习+视觉

深度解析：DETR的多尺度特征融合

"深度解析：DETR的多尺度特征融合"作者：禅与计算机程序设计艺术1.背景介绍1.1目标检测的挑战与传统方法的局限性目标检测是计算机视觉领域中的一个基本任务，其目标是识别图像或视频中所有感兴趣的目标，并确定它们的位置和类别

AI天才研究院·2025-03-11 15:17

基于transformer实现机器翻译(日译中)

解码器和注意力机制来实现机器翻译模型2.0含注意力机制的编码器—解码器2.1读取和预处理数据2.2含注意力机制的编码器—解码器2.3训练模型2.4预测不定长的序列2.5评价翻译结果三、使用Transformer架构和PyTorch深度学习库来实现的日中机器翻译模型

小白_laughter·2025-03-11 15:46

【NLP 39、激活函数 ⑤ Swish激活函数】

我的孤独原本是座荒岛，直到你称成潮汐，原来爱是让个体失序的永恒运动——25.2.25Swish激活函数是一种近年来在深度学习中广泛应用的激活函数，由GoogleBrain团队在2017年提出。

L_cl·2025-03-11 14:44

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

UnknownBody·2025-03-11 12:29

目标检测项目

识别图片中有哪些物体并且找到物体的存在位置多任务：位置+类别目标种类与数量繁多的问题目标尺度不均的问题遮挡、噪声等外部环境干扰VOC数据集：PASCALVOC挑战赛(ThePASCALVisualObjectClasses)是一个世界级的计算机视觉挑战赛

sho_re·2025-03-11 11:51

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

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

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

文章目录迁移学习模型准备数据增强模型训练模型微调和预测检查预测结果迁移学习迁移学习是将一个任务中学到的知识应用到另一个相关任务上，以提高新任务的学习效率和性能。优势：节省训练时间，提高模型性能，尤其在小数据场景下效果显著。核心是利用源域的知识来帮助目标域任务，比如在ImageNet上预训练的模型用于医疗影像分类。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

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

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

react基本功

这使得它可以在浏览器渲染之前读取和修改DOM，避免视觉上的闪烁或不一致。适用场景：主要用于需要同步调整布局的副作用操作，例如测量DOM元素的尺寸（如高度、宽度

码林鼠·2025-03-11 06:09

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

Android 视图切换的艺术

引言在现代移动应用开发中，用户界面的流畅与视觉效果常常决定了应用的用户体验。特别是在横向滑动列表中，如何让用户能够直观地感知到当前选中的项，是一个值得探讨的问题。

t0_54manong·2025-03-11 05:58

探索C4模型：可视化软件设计的新工具

是一种用于视觉化和描述软件系统的结构和上下文的框架。由RichardSwiericzek开发并维护，它提供了一种简洁、直观的方式来描绘代码库、组件、类和它们之间的关系。

姬如雅Brina·2025-03-11 05:27

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

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

《美图AI：解锁视觉创作新宇宙》

美图AI：开启视觉创作新时代在当今数字化浪潮汹涌澎湃的时代，人工智能（AI）已成为推动各领域变革与创新的核心驱动力。

空云风语·2025-03-11 01:27

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

点云语义分割：PointNet++在S3DIS数据集上的训练点云语义分割是计算机视觉领域的一个重要任务，旨在将点云数据中的每个点分配给其对应的语义类别。

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

因此，烟雾检测的研究一直是计算机视觉领域中的一个热点问题。

深度学习&目标检测实战项目·2025-03-11 00:52

计算机视觉｜3D 点云处理黑科技：PointNet++ 原理剖析与实战指南

特别是在自动驾驶和机器人视觉等领域，这项技术已成为实现智能化的关键支撑。以自动驾驶为例，车辆需要实时感知周围复杂的环境信息，包括行人、车辆、交通标志和路况等。

紫雾凌寒·2025-03-10 23:19

【基于手势识别的音量控制系统】

基于手势识别的音量控制系统github项目效果这是一个结合了计算机视觉和系统控制的实用项目，通过识别手势来实现音量的无接触控制，同时考虑到了用户隐私，加入了实时人脸遮罩功能。

合肥玉安人工智能工作室·2025-03-10 21:31

【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

机器视觉3D上下料技术上的分析

机器视觉3D上下料是工业自动化领域的重要应用，通过3D视觉技术引导机器人完成物料的精准抓取、定位和放置，尤其适用于复杂、无序或高精度的场景。

视觉人机器视觉·2025-03-10 19:47

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

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

华为OD面经 - 二战失利C++视觉算法

·2025-03-10 18:58

π0：一种用于通用机器人控制的视觉-语言-动作流模型

π0：一种用于通用机器人控制的视觉-语言-动作流模型原创木木JS具身知识库2024年12月06日17:30广西

强化学习曾小健·2025-03-10 18:34

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

不仅涵盖了从零基础入门Python编程、OpenCV视觉处理的基础知识，还将借助ChatGPT智能支持，引导您掌握遥感影像识别和分析的进阶技术。

小艳加油·2025-03-10 16:57

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

深度学习笔记——Resnet和迁移学习

1.ResNet的提出深度学习与网络深度的挑战：在深度学习中，网络的“深度”(即层数)通常与模型的能力成正比。然而，随着网络深度的增加，一些问题也随之出现，最突出的是梯度消失/爆炸问题。

肆——·2025-03-10 15:17

“面面俱到”！人脸活体检测让应用告别假面攻击

HarmonyOSSDK场景化视觉服务（VisionKit）提供人脸动作活体检测能力，增强对于非活体攻击的防御能力和活体通过率。

·2025-03-10 13:45

深度学习在SSVEP信号分类中的应用分析

模型输入和数据预处理3.模型结构设计3.1卷积神经网络（CNN）3.2长短期记忆网络（LSTM）4.训练方法与激活函数5.性能评估与挑战6.未来方向前言随着脑机接口（BCI）技术的发展，SSVEP（稳态视觉诱发电位

自由的晚风·2025-03-10 12:00

PSPNet在图像超分辨率中的应用

PSPNet在图像超分辨率中的应用1.背景介绍图像超分辨率(ImageSuper-Resolution,ISR)是计算机视觉领域的一个重要研究方向,旨在从低分辨率图像中重建高分辨率图像。

AI天才研究院·2025-03-10 12:55

基于文本特征的微博谣言检测

本文将介绍如何基于文本特征，使用深度学习模型（如LSTM、CNN）和传统机器学习模型（如SVM）来实现微博谣言检测，并对这些模型的性能进行比较。

机器懒得学习·2025-03-10 11:24

基于深度学习的恶意软件检测系统：设计与实现

近年来，深度学习技术在模式识别和分类任务中取得了显著成效，为恶意软件检测领域带来了新的机遇。

机器懒得学习·2025-03-10 11:49

多宠识别：基于计算机视觉的智能宠物管理系统架构解析

传统方案面临三大技术瓶颈：1.生物特征混淆：同品种/毛色宠物识别准确率低于65%2.动态场景适应：进食/奔跑状态下的误检率达30%+3.数据孤岛问题：离线设备无法实现持续学习优化快瞳科技采用**双模态视觉融合架构

深圳市快瞳科技有限公司·2025-03-10 11:49

推荐频道