深度学习目标检测第5页

轻量级网络设计原理与代码实战案例讲解

轻量级网络设计原理与代码实战案例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习在各个领域的广泛应用，神经网络模型变得越来越庞大和复杂

AI天才研究院·2025-02-25 00:00

ATB概念之：算子tiling

1什么是算子tiling在计算机科学和深度学习领域，算子tiling（有时也被称作操作符tiling或者循环tiling）是一种优化技术，主要用于提高计算效率，尤其是在处理大规模张量运算时。

·2025-02-24 23:48

2025预测趋势：AI知识库工具挑选指南

1.AI知识库的智能化：趋势预计到2025年，AI知识库工具将更加智能化，通过深度学习和自然语言处理技术，实现更精准的语义搜索和智能问答功能。这些工具将能够理解用户的查询意图，提供更准确和相关的信息。

·2025-02-24 23:17

YOLOv12：以注意力为中心的物体检测

相比以往的YOLO模型，YOLOv12摒弃了传统基于卷积神经网络（CNN）的结构，采用了全新的方法，融合了自注意力机制和高效的网络架构优化，提供了一个高精度、低延迟的实时目标检测模型。

那雨倾城·2025-02-24 23:21

大模型学习完整路径（一站式汇总），从零基础到精通！新手友好级指南

先来一张整体结构图，越是下面部分，越是基础：可以按以下步骤学习：1.理解基础概念需要了解深度学习的基本原理和常见术语，如神经网络、梯度下降、反向传播、监督学习、无监督学习、分类、回归、聚类

Python程序员罗宾·2025-02-24 22:45

cap4：YoloV5的TensorRT部署指南（python版）

CUDA环境安装cap2：1000分类的ResNet的TensorRT部署指南（python版）cap3：自定义数据集训练ResNet的TensorRT部署指南（python版）cap4：YoloV5目标检测任务的

我是一个对称矩阵·2025-02-24 21:14

在 Centos7 上部署 ASP.NET 8.0 + YOLOv11 的踩坑实录

本文将详细记录我在CentOS7上部署ASP.NET8.0结合YOLOv11目标检测项目过程中遇到的问题及解决方案，旨在为有类似需求的开发者提供参考。

桑榆肖物·2025-02-24 20:03

基于YOLOv5、FaceNet与KNN的人脸识别系统

步骤1：环境配置安装依赖库：安装Python3.x安装TensorFlow、Keras、OpenCV等深度学习库获取数据集：收集训练用的多个人脸图像（每个用户至少几十张）将图像按用户分类存放在data/

reset2021·2025-02-24 19:29

第G9周：ACGAN理论与实战

>-**本文为[365天深度学习训练营]中的学习记录博客**>-**原作者：[K同学啊]**本人往期文章可查阅：深度学习总结我的环境：语言环境：Python3.11编译器：PyCharm深度学习环境：Pytorchtorch

OreoCC·2025-02-24 18:50

【OpenCV】OpenCV 中各模块及其算子的详细分类

de之梦-御风·2025-02-24 17:43

DeepSeek混合精度训练核心技术解析与实践指南

ResNet50案例：从7.8GB降至4.2GB）1.5-3倍训练速度提升（BERT-Large案例：从8h缩短至5h）突破大模型训练显存瓶颈（GPT-3训练显存需求从3TB降至1.8TB）1.2行业定位属于深度学习基础设施层的训练优化技术

燃灯工作室·2025-02-24 15:33

Engineering A Large Language Model From Scratch

从头开始设计一个大语言模型摘要1引言2Atinuke算法3结果4相关工作5讨论6结论摘要自然语言处理（NLP）中深度学习的激增导致了创新技术的发展和发布，这些技术能够熟练地理解和生成人类语言。

UnknownBody·2025-02-24 15:31

AI：重塑未来的深度探索与实践

一、AI核心技术：深度学习与智能进化的基石AI的核心在于其强大的数据处理与学习能力，这主要得益于深

2501_90713682·2025-02-24 15:59

深度学习（5）-卷积神经网络

我们将深入理解卷积神经网络的原理，以及它为什么在计算机视觉任务上如此成功。我们先来看一个简单的卷积神经网络示例，它用干对MNIST数字进行分类。这个任务在第2章用密集连接网络做过，当时的测试精度约为97.8%。虽然这个卷积神经网络很简单，但其精度会超过第2章的密集连接模型。代码8-1给出了一个简单的卷积神经网络。它是conv2D层和MaxPooling2D层的堆叠，你很快就会知道这些层的作用。我们

yyc_audio·2025-02-24 14:26

深度学习（2)-深度学习关键网络架构

关键网络架构深度学习有4种类型的网络架构：密集连接网络、卷积神经网络、循环神经网络和Transformer。

yyc_audio·2025-02-24 14:26

深度学习-2：tensorflow 入门以及简单的线性拟合

摘要：介绍tensorflow入门使用tensorflow实现简单的线性回归tensorflow入门知识参考：https://www.tensorflow.org/get_started/get_started载入tensorflow的标准语句：importtensorflowastftensortensor物理上的翻译是张量。tensor是tensorflow的基本核心数据单元，tensor可以

wangs0622·2025-02-24 14:24

Transformer大模型实战教师学生架构

Transformer大模型实战教师学生架构作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来近年来，随着深度学习技术的飞速发展

AI智能涌现深度研究·2025-02-24 14:19

AI环境初识

在搭建AI环境时，当前流行的技术涉及多个方面，包括开发框架、深度学习库、硬件支持以及具体的应用技术等。

网络飞鸥·2025-02-24 07:02

覆盖从供应、生产、销售到运营的全过程，引领行业数智化转型新方向的智慧快消开源了

基于多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。基

AI服务老曹·2025-02-24 04:39

金融大模型应用的机遇与挑战

大模型本质特征大模型通常指大语言模型（LargeLanguageModel，LLM），是基于深度学习算法的自然语言处理技术，是通用大模型。

Python程序员罗宾·2025-02-24 03:34

深度强化学习算法在金融交易决策中的优化应用【附数据】

金融数据分析与建模专家金融科研助手|论文指导|模型构建✨专业领域：金融数据处理与分析量化交易策略研究金融风险建模投资组合优化金融预测模型开发深度学习在金融中的应用擅长工具：Python/R/MATLAB

算法与数据·2025-02-24 01:22

基于深度学习的股票短期趋势预测模型设计与实现【附代码】

，我们首先对股票的基本交易数据进行了清洗和预处理，包括去除异常值、填补缺失值等。同时，我们还挖掘了多个可能影响股票价格走势的因子，如成交量、市盈率、市净率等，并将这些因子作为特征加入到数据集中。通过特征工程，我们进一步扩展了数据集，提高了模型的输入质量。在模型构建方面，我们采用了LSTM网络来处理时间序列数据。LSTM网络具有记忆功能，能够捕捉数据中的长期依赖关系，这对于股票价格走势的预测至关重要

算法与数据·2025-02-24 01:22

DeepSeek 与网络安全：AI 在网络安全领域的应用与挑战

与此同时，人工智能（AI）技术的快速发展正在为网络安全提供全新的解决方案，而DeepSeek作为AI领域的新兴力量，也正在探索如何利用深度学习和大规模语言模型（LLM）加强网络安

一ge科研小菜菜·2025-02-24 01:49

手撸 chatgpt 大模型:单词向量化编码和绝对位置编码算法

在深度学习中，所有无法通过传统数据结构描述的对象都会被用一个向量表示，例如图像、语音、单词、音频等。最初，向量中的各个字段会被初始化为随机数，然后通过大量的数据和深度学习模型来训练这些向量。

coding 迪斯尼·2025-02-24 00:11

Deepseek在【python】三帧差法实现运动目标检测

deepseek在【python】三帧差法实现运动目标检测一、三帧差法原理三帧差法是一种改进的帧差法，通过比较连续的三帧图像来检测运动目标。

百态老人·2025-02-23 23:04

【python】三帧差法实现运动目标检测

三帧差法是一种常用的运动目标检测方法，它通过比较连续三帧图像之间的差异来检测运动物体。这种方法尤其适用于背景变化较小的场景。

Jackilina_Stone·2025-02-23 22:26

YOLOv8与DAttention机制的融合：复杂场景下目标检测性能的增强

文章目录1.YOLOv8简介2.DAttention(DAT)注意力机制概述2.1DAttention机制的工作原理3.YOLOv8与DAttention(DAT)的结合3.1引入DAT的动机3.2集成方法3.3代码实现4.实验与结果分析4.1实验设置4.2结果分析推理速度性能对比5.深度分析：DAttention在YOLOv8中的作用5.1DAttention的有效性5.2适用于小物体检测5.3

向哆哆·2025-02-23 21:22

生成对抗网络(GAN)：从概念到代码实践(附代码)

CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章：计算机视觉：神经网络实战之手势识别(附代码)第六章：计算机视觉：目标检测从简单到容易

全栈你个大西瓜·2025-02-23 21:19

MTCNN 人脸检测技术揭秘：原理、实现与实战(附代码)

CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章：计算机视觉：神经网络实战之手势识别(附代码)第六章：计算机视觉：目标检测从简单到容易

全栈你个大西瓜·2025-02-23 21:18

目前（2025年2月）计算机视觉（CV）领域一些表现优异的深度学习模型

按任务类型分类介绍：图像分类CoCa：结合对比学习和生成学习，通过对比损失对齐图像和文本嵌入，并使用标题生成损失预测文本标记。它在图像分类、跨模态检索和图像描述等任务中表现出色，且仅需极少的任务特定微调。PaLI：这是一个多模态模型，结合了40亿参数的视觉Transformer（ViT）和多种大型语言模型（LLM），并在包含100多种语言的100亿图像和文本数据集上进行训练。PaLI在图像描述、视

空空转念·2025-02-23 20:18

地平线 3D 目标检测 bev_sparse 参考算法 - V2.0

该示例为参考算法，仅作为在征程6上模型部署的设计参考，非量产算法简介在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。目前更加主流的感知架构则是选择在特征层面进行多摄像头融合。其中比较有代表性的路线就是这两年很火的BEV方法，继TeslaOpenAIDay公布其BEV感知算法之后，相关研究层出不穷，感知效果取得了显著提升，BEV也几乎成为了多传感器特征融合的

·2025-02-23 20:38

Python——生成AIGC图像

通过深度学习、生成对抗网络（GAN）和扩散模型等技术，AIGC能够生成高度逼真、具有艺术性的内容

朱剑君·2025-02-23 19:06

图像处理：模拟色差的生成

但在实际生产环境中，瓷砖色差检测的数据量较少，无法直接获取足够的数据来训练和优化深度学习模型。于是就考虑通过人为生成色差数据的方式来扩充数据集，进行色差的模拟。1.什么是色差？

何以为皇·2025-02-23 18:33

python工具——pypinyin 汉字转换拼音

把汉字转成拼音后可以进行深度学习分类，做内容识别1.安装pipinstallpypinyin将汉字转换为拼音并生成slug字符串importpypinyinfrompypinyinimportStylecontent

xiaoming0018·2025-02-23 18:32

淘系图搜API接入与使用全解析

其核心技术基于阿里巴巴的深度学习模型，支持服饰、家居、3C等多品类识别，广泛应用于比价、找同款、商品推荐等场景。二、接入准备资质要求：企业开发者需提供营业执照、应用场景说明（如“电商比价工具”）。

数据小爬虫.网站开发-Brad·2025-02-23 15:39

深度学习革命背后：DBN、AlexNet、GAN 等神级架构，究竟藏着怎样的 AI 崛起密码？（附deepseek）

深度学习革命**3.深度学习革命（2006年至今）****2006年：深度学习奠基——深度信念网络（DBN）****2012年：AlexNet崛起****2014年：架构创新潮****生成对抗网络（GAN

universe_code·2025-02-23 15:35

整理：4篇论文知识蒸馏引领高效模型新时代

传统的深度学习模型往往依赖于复杂的大型网络，以获取卓越的性能。然而，这些庞大的模型对计算资源和存储空间的需求，使得它们在实际应用中，尤其是在边缘设备或移动端部署中面临巨大挑战。

mslion·2025-02-23 14:31

基于Roboflow平台的数据集导出与YOLOv8目标检测训练实战

专栏订阅地址：https://blog.csdn.net/mrdeam/category_12804295.html文章目录基于Roboflow平台的数据集导出与YOLOv8目标检测训练实战1.什么是Roboflow

步入烟尘·2025-02-23 12:49

RK3588 Linux板端推理时报错Segmentation fault解决办法

目录问题解决生成core文件修改core文件存储路径Ubuntu20.04下的异常状况利用core文件进行调试问题最近在使用rk3588跑官方提供的yolov5模型demo，能够完成单张图片的目标检测，

kennyooooo·2025-02-23 12:48

人工智能训练师如何做图像数据标注，从情感分析和实体分析两个个场景分析

高质量的图像数据标注对于训练情感识别模型和目标检测/语义分割模型至关重要。

小宝哥Code·2025-02-23 12:47

人工智能：从基础到前沿

2.2人工智能的历史2.3人工智能的分类3.机器学习3.1机器学习概述3.2监督学习3.3无监督学习3.4强化学习4.深度学习4.1深度学习概述4.2神经网络基础4.3卷积神经网络（CNN）4.4循环神经网络

顾漂亮·2025-02-23 12:15

2025最新Python机器视觉实战：基于OpenCV与YOLOv8的实时目标检测与跟踪（附完整代码）

emmm形成中·2025-02-23 11:13

深度学习框架与边缘计算融合驱动医疗金融模型优化新路径

内容概要随着边缘计算与深度学习框架的深度融合，医疗与金融领域的模型优化正在突破传统算力与隐私保护的瓶颈。

智能计算研究中心·2025-02-23 11:10

人工智能学习框架

人工智能学习框架概述随着人工智能技术的飞速发展，选择合适的机器学习或深度学习框架对于项目的成功至关重要。这些框架提供了强大的工具和库，使得开发者能够更高效地构建、训练和部署模型。

静默.\\·2025-02-23 10:36

如何将DeepSeek集成到自己的项目中：从入门到精通

引言DeepSeek作为一款强大的深度学习平台，正在为开发者提供高效、灵活的AI解决方案。无论你是想构建一个图像分类系统，还是开发一个自然语言处理应用，DeepSeek都能帮助你快速实现目标。

木觞清·2025-02-23 08:43

消融实验（Ablation Study）：模型优化的关键分析方法

实验步骤典型实验案例案例1：图像分类模型案例2：目标检测模型实验结果解读要点消融实验的意义总结消融实验（AblationStudy）：模型优化的关键分析方法什么是消融实验？

烟锁池塘柳0·2025-02-23 07:41

机器学习和深度学习有什么区别？

深度学习和机器学习有什么区别？深度学习是机器学习一个分支，机器学习包含深度学习。

facaixxx2024·2025-02-23 05:54

AI趋势下，软件测试工程师怎么拥抱AI

以下是我的一些思考：一、掌握AI基础知识软件测试工程师需要学习机器学习、深度学习、自然语言处理等领域的基本原理和算法。

悠然的笔记本·2025-02-23 05:24

深度学习之图像回归（二）

（一）主要是帮助迅速入门理清一个深度学习项目的逻辑这篇文章则主要注重在此基础上对于数据预处理和模型训练进行优化前者会通过涉及PCA主成分分析特征选择后者通过正则化数据预处理数据预处理的原因思路链未经过处理的原始数据存在一些问题

zhengyawen666·2025-02-23 05:52

VGG 改进：加入GAMAttention注意力机制提升对全局信息捕捉能力

：融入模块后的网络经过测试，可以直接使用，设置好输入和输出的图片维度即可1.GAMAttention注意力机制GAMAttention（GlobalAttentionMechanism）是一种用于增强深度学习模型对全局信息捕捉能力的注意力机制

听风吹等浪起·2025-02-23 02:36

推荐频道

深度学习目标检测