深度学习图像识别自动驾驶第32页

使用深度学习框架飞浆Paddle实现的鲜花识别任务

PaddlePaddle（飞桨）是百度公司开发的深度学习框架，具有易用、高效、灵活和可伸缩等特点。

神奇的布欧·2024-02-05 00:49

15 | 浮点数和定点数（上）：怎么用有限的Bit表示尽可能多的信息？

比如，我们开发一个电商App，商品的价格常常会是9块9；再比如，现在流行的深度学习算法，对应的机器学习里的模型里的各个权重也都是1.23这样的数。

_Rye_·2024-02-04 22:27

PyTorch 2.2 中文官方教程（十四）

对深度学习模型进行正则化是一项令人惊讶的挑战。传统技术，如惩罚方法，通常在应用于深度模型时效果不佳，因为被优化的函数的复杂性。当处理病态模型时，这一点尤为棘手。这些模型的示例包括

绝不原创的飞龙·2024-02-04 21:55

第01课：自动驾驶概述

无人驾驶行业概述什么是无人驾驶智慧出行大趋势无人驾驶能解决什么问题行业趋势无人驾驶的发展历程探索阶段（2004年以前）发展阶段（2004年-2016年）成熟阶段（2016年以后）2、无人驾驶技术路径无人驾驶分级L2自动驾驶

ITSSec吴中生·2024-02-04 21:49

深度学习的进展

一、深度学习的基本原理和算法：深度学习是一种基于神经网络的机器学习方法，其基本原理是模仿人脑神经网络的结构和功能，通过多层次的神经网络模型来实现对数据的学习和模式识别。

csdn_aspnet·2024-02-04 20:52

Unity模拟3D飞机驾驶（稳定版和灵活版）

2、操作说明：自动驾驶操作：AD控制左右旋转，WS控制升降，飞机自动往前行驶。此驾驶模式飞机更平稳，飞机自动回位。手动驾驶操作：鼠标控制旋转升降，按住X飞机往前行驶。此驾驶模式飞机更灵活。

ysn11111·2024-02-04 20:57

基于场景文字知识挖掘的细粒度图像识别算法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录摘要Abstract文献阅读：基于场景文字知识挖掘的细粒度图像识别算法1、研究背景2、方法提出方法模块3、试验4、文章贡献二、RNN

qq_43314576·2024-02-04 20:56

深度学习零基础入门书单

深度学习零基础入门书单简介为了做项目我搜集和购买了一些电子版的书，下面是书单参考首先明确一下学习主要内容，主要是以下三个部分编程语言，主要是python和c++数学基础包括微积分、线性代数和概率论内容，

MachinePlay·2024-02-04 19:23

动手学深度学习v2-基础优化方法-笔记

最常见的算法——梯度下降当一个模型没有显示解的时候，该怎么办呢？首先挑选一个参数的随机初始值，可以随便在什么地方都没关系，然后记为w0\pmb{w_{0}}w0在接下来的时刻里面，我们不断的去更新w0\pmb{w_{0}}w0，使得它接近我们的最优解具体来说：挑选一个初始值w0\pmb{w_{0}}w0重复迭代参数t=1，2，3t=1，2，3t=1，2，3wt=wt−1−η∂ℓ∂wt−1\pmb{

Alkali！·2024-02-04 19:07

动手学深度学习v2-线性回归-笔记

简化核心模型假设1:影响房价的关键因素是卧室个数，卫生间个数和居住面积，记为x1x_{1}x1，x2x_{2}x2，x3x_{3}x3假设2:成交价是关键因素的加权和y=w1x1+w2x2+w3x3+by=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_{3}+by=w1x1+w2x2+w3x3+b权重和偏差的实际值在后面决定线性一般模型给定nnn维输入x=[x1,x2,...,xn]T

Alkali！·2024-02-04 19:35

人工智能专业毕业设计最新最全选题精华汇总-持续更新中

HaiLang_IT·2024-02-04 19:31

周同学文章汇总

目录前言1.C++2.Linux3.环境配置4.AlgoC++5.Makefile6.模型部署7.tensorRT从零起步高性能部署8.保姆级从零手写自动驾驶CV9.剪枝与重参10.量化11.国内首个BVE

爱听歌的周童鞋·2024-02-04 19:23

八. 实战：CUDA-BEVFusion部署分析-学习spconv的优化方案(Implicit GEMM conv)

ImplicitGEMMConv2.ExplicitGEMMConv3.ImplicitGEMMConv4.ImplicitGEMMConv优化5.spconv和ImplicitGEMMConv总结下载链接参考前言自动驾驶之心推出的

爱听歌的周童鞋·2024-02-04 19:51

深度学习实验-3d医学图像分割

近年来，基于深度学习的方法在该领域中获得了巨大成功。本实验数据集为多模态腹部分割数据集（AMOS），一个大规模，多样性的，收集自真实临床场景下的腹部多器官分割基准数据。

桶的奇妙冒险·2024-02-04 17:30

我们都不应该平凡

“当你的时间不再用于深度学习，当你的注意力被他人瓜分，当你只看综艺节目和电视剧，当你在群体中呆的时间越来越长，当你评价他人的次数越来越多，当你的抱怨越来频繁，当你回首往事的频率越来越高……毁灭就已经发生了

我密谋一场失心·2024-02-04 17:52

RNN(神经网络)

目录介绍：数据：模型：预测：介绍：RNN，全称为循环神经网络（RecurrentNeuralNetwork），是一种深度学习模型，它主要用于处理和分析序列数据。

取名真难.·2024-02-04 17:47

Convolutional Neural Network (CNN) 识别手写数字字体

介绍：卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种在计算机视觉领域广泛应用的深度学习模型。它主要用于图像识别、目标检测、图像分割等任务。

取名真难.·2024-02-04 17:15

北大发表 AI Alignment综述：确保AI与人类价值观一致的四个关键设计原则

从自动驾驶到医疗诊断，再到金融分析与客户服务，AI系统的能力在不断提升，使得它们能够处理更加复杂和高风

夕小瑶·2024-02-04 16:35

【无标题】

来源：深度学习一个乐观主义者的悲观估计随着大规模模型技术的兴起，我们正处于一个崭新的智能时代的黎明。

夕小瑶·2024-02-04 16:34

深度学习入门笔记4 深度神经网络

多层感知器在之前的课程中，我们了解到，感知器（指单层感知器）具有一定的局限——无法解决异或问题，即线性不可分的问题。将多个单层感知器进行组合，就可以得到一个多层感知器（MLP——Multi-LayerPerceptron）结构。多层感知器包含输入层，一个或多个隐藏层以及一个输出层。每层的神经元与下一层进行完全连接。如果网络中包含一个以上的隐层，则称其为深度人工神经网络。说明：通常我们说的神经网络的

深度学习从入门到放弃·2024-02-04 16:03

深度学习入门笔记：第二章感知机

深度学习入门笔记：第二章感知机笔记来源书籍：《深度学习入门：基于+Python+的理论与实现》文章目录深度学习入门笔记：第二章感知机前言为什么学习感知机2.1感知机是什么2.2简单逻辑电路2.2.1与门

维持好习惯·2024-02-04 16:03

深度学习入门学习笔记之——神经网络

神经网络上一章我们学习了感知机。关于感知机，既有好消息，也有坏消息。好消息是，即便对于复杂的函数，感知机也隐含着能够表示它的可能性。上一章已经介绍过，即便是计算机进行的复杂处理，感知机（理论上）也可以将其表示出来。坏消息是，设定权重的工作，即确定合适的、能符合预期的输入与输出的权重，现在还是由人工进行的。上一章中，我们结合与门、或门的真值表人工决定了合适的权重。神经网络的出现就是为了解决刚才的坏消

前丨尘忆·梦·2024-02-04 16:32

深度学习入门笔记（二）神经元激励函数神经网络

声明：本文内容源自《白话深度学习与tensorflow》高扬卫峥编著一书读书笔记！！！神经网络：神经网络又称为人工神经网络（artificialneutralnetwork,ANN）。

花落雨微扬·2024-02-04 16:32

2021-11-06《深度学习入门》笔记（二）

第二章感知机感知机也是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。首先，感知机是什么？感知机接收多个输入信号，输出一个信号。

新手小嵩·2024-02-04 16:02

深度学习入门笔记（二）神经元的结构

神经网络的基本单元是神经元，本节我们介绍神经元的结构。2.1神经元一个神经元是由下面5部分组成的：输入：x1,x2,…,xk。权重：w1,w2,…,wk。权重的个数与神经元输入的个数相同。偏移项：可省略。激活函数：一般都会有，根据实际问题也是可以省略的。输出。2.2激活函数激活函数有很多种，不同的激活函数适用于不同的问题。二分类问题我们一般采用Sigmoid函数，多分类问题我们采用Softmax函

zhanghui_cuc·2024-02-04 16:30

2018年深度学习的主要进步

摘要：一文了解2018深度学习取得了哪些突破性进展！在过去几年中，深度学习改变了整个人工智能的发展。深度学习技术已经开始在医疗保健，金融，人力资源，零售，地震检测和自动驾驶汽车等领域的应用程序中出现。

城市中迷途小书童·2024-02-04 16:15

[动手学深度学习-PyTorch版]-5.11卷积神经网络-残差网络（ResNet）

5.11残差网络（ResNet）让我们先思考一个问题：对神经网络模型添加新的层，充分训练后的模型是否只可能更有效地降低训练误差？理论上，原模型解的空间只是新模型解的空间的子空间。也就是说，如果我们能将新添加的层训练成恒等映射f(x)=x，新模型和原模型将同样有效。由于新模型可能得出更优的解来拟合训练数据集，因此添加层似乎更容易降低训练误差。然而在实践中，添加过多的层后训练误差往往不降反升。即使利用

蒸饺与白茶·2024-02-04 15:45

公路交通区块链技术的痛点问题和典型场景应用

痛点问题目前，智慧交通在数据共享、行业监管、公共交通、ETC、自动驾驶、公共服务等方面都取得了一定的成效，也面临着一定的

CECBC·2024-02-04 15:21

李沐《动手学深度学习》循环神经网络经典网络模型

系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《

丁希希哇·2024-02-04 14:43

李沐《动手学深度学习》卷积神经网络经典网络模型

系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《

丁希希哇·2024-02-04 14:42

动手学深度学习(二)——正则化(从零开始)

文章作者：Tyan博客：noahsnail.com|CSDN|注：本文为李沐大神的《动手学深度学习》的课程笔记！

SnailTyan·2024-02-04 14:13

深度学习的进展：人工智能时代的里程碑

深度学习的进展：人工智能时代的里程碑摘要深度学习作为机器学习领域的重要分支，近年来取得了巨大的进展。

你不懂、、、·2024-02-04 14:49

读《深度工作》有感

1创造深度学习的环境本很了解自己很难做到深度工作，因此当他决定学习编程的时候，他知道自己同时还要教会自己的大脑如何深入下去。他的方法很极端，却很有效。

小小那·2024-02-04 14:01

基于STM32单片机车牌识别图像处理AI摄像头车位停车计费设计400

STM32-400-车牌识别停车场计时计费功能描述：本系统由STM32F103C8T6单片机核心板、1.44寸TFT彩屏、（无线蓝牙/无线WIFI/无线视频监控模块-可选）、PythonAi-V831图像识别摄像头

单片机设计DIY·2024-02-04 13:03

LEETCODE的第二题——两数相加（链表）

LEETCODE的第二题——两数相加（链表）本文主要用于记录刷力扣的题解，因为自己算法太菜，所以想通过深度学习力扣的每一道题目的原理来提高自己。

宁77吖·2024-02-04 12:03

池化层的本质思想及其过程

池化层的由来在深度神经网络中池化层非常普遍，而在传统的神经网络中却很少见，原因是传统的神经网络的输入特征很少，不是太多，深度学习中特别是图像领域输入特征非常多，所以在卷积过程中有必要把主要的特征抽取出来

机器不会学习·2024-02-04 12:34

重新认识学习

重新认识学习——读《深度学习》前言有感近段时间在打卡时，自己能明显感受到两点，一是在发表看法时，自己感觉很多内容不能够清楚表达自己的想法，但有没有合适的词语来表达，感觉特尴尬。

程景轩河南桥头小学·2024-02-04 11:56

Python入门，盘点Python最常用的20 个包总结~

文章目录前言1.numpy（数据处理和科学计算）2.pandas（数据处理和分析）3.matplotlib（数据可视化）4.scikit-learn（机器学习工具）5.tensorflow（深度学习框架

python零基础入门小白·2024-02-04 11:24

SSVEPNet:使用标签平滑与谱归一化的高效CNN-LSTM网络

.正则化技术4.1.基于视觉注意力机制的标签平滑技术4.2.谱归一化技术5.实验结果5.1被试内实验结果5.2跨被试实验结果5.3消融实验结果5.4t-SNE可视化结果6.讨论与思考6.1网络参数量对深度学习模型性能的影响

Ethan Hunt丶·2024-02-04 11:54

2024数学建模美赛B题参考思路+代码+论文

在此背景下，本文主要研究了在大雾情况下能见度主要影响因素和诸多估计方法，对给定数据进行了细致处理，并综合运用主成分分析、多元回归分析、预训练模型图像特征提取、随机森林深度学习算法、LSTM神经网络、摄像机标定算法等统计与算法

2024数学建模·2024-02-04 11:22

【大厂AI课学习笔记】1.4 算法的进步（5）关于GPU

然而，随着时间的推移，研究人员发现GPU的并行处理能力非常适合执行深度学习中的大规模矩阵运算。这一点在吴恩达教授的论文中得到了充分体现，他利用GPU进行大规模深度无监督学习，取得了显著的效果。

giszz·2024-02-04 11:51

基于深度学习的SSVEP分类算法简介

基于深度学习的SSVEP分类算法简介1、目标与范畴2、深度学习的算法介绍3、参考文献1、目标与范畴稳态视觉诱发电位（SSVEP）是指当受试者持续注视固定频率的闪光或翻转刺激时，在大脑枕-额叶区域诱发的与刺激频率相关的电生理信号

Ethan Hunt丶·2024-02-04 11:48

【大厂AI课学习笔记】1.4 算法的进步（3）关于Hinton

GeoffreyHinton：深度学习之父的传奇人生与杰出贡献在人工智能领域，有一位科学家的名字如同星辰般闪耀，他就是GeoffreyHinton。

giszz·2024-02-04 11:47

YOLOv5白皮书-第Y3周:yolov5s.yaml文件解读

Parameters五、anchors配置六、backbone七、head八、总结OLOv5-第Y2周：训练自己的数据集)YOLOv5白皮书-第Y3周:yolov5s.yaml文件解读一、前言本文为365天深度学习

Prime's Blog·2024-02-04 11:01

YOLOv5算法进阶改进（15）— 引入密集连接卷积网络DenseNet

DenseNet（密集连接卷积网络）是一种深度学习神经网络架构，它在2017年由GaoHuang等人提出。

小哥谈·2024-02-04 11:30

深度学习实战 | 卷积神经网络LeNet手写数字识别（带手写板GUI界面）

引言在深度学习领域，卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种广泛应用于图像识别任务的神经网络结构。

两只程序猿·2024-02-04 10:11

GAN知识点（一）：GAN的网络结构与损失

2.生成对抗网络模型架构GAN是一种生成对抗学习方式的深度学习神经网络框架，由IanJ.Goodfellow于2014年首次推出。

Arya算法笔记·2024-02-04 10:07

vit细粒度图像分类（九）RAMS-Trans学习笔记

1.摘要在细粒度图像识别(FGIR)中，区域注意力的定位和放大是一个重要因素，基于卷积神经网络(cnn)的方法对此进行了大量探索。

无妄无望·2024-02-04 09:01

Ubuntu22.04切换系统cuda版本

1、按照Ubuntu22.04与深度学习配置中的cuda安装章节，将需要的cuda版本下载到本地并进行安装。

MrLi0104·2024-02-04 09:51

centos7 arm服务器配置深度学习环境之cuda安装

前言NVIDIA显卡驱动是为了确保NVIDIA显卡能够正确运行而开发的软件。显卡驱动负责与操作系统通信，管理显卡的各种功能，并提供性能优化和兼容性保证。安装适用于特定显卡型号和操作系统版本的最新驱动程序是确保显卡能够正常工作的重要步骤。CUDA是NVIDIA推出的一种并行计算平台和编程模型。它充分利用NVIDIA显卡的并行处理能力，使开发人员能够通过编写并行计算任务来加速各种计算工作。CUDA提供

番茄小能手·2024-02-04 09:51

推荐频道

深度学习图像识别自动驾驶