深度学习：图像分类第33页

AIGC从入门到入坑01（初学者适用版）

特别是作为人工智能重要分支的深度学习，展现出独有的统治力，引领了一场科技革命。作为一名刚毕业的本科生，本身对人工智能感兴趣的我也选择加入

泽也AI-Monster·2024-02-01 09:19

【OpenVINO™】在 Windows 上使用 OpenVINO™ C# API 部署 Yolov8-obb 实现任意方向的目标检测

前言UltralyticsYOLOv8基于深度学习和计算机视觉领域的尖端技术，在速度和准确性方面具有无与伦比的性能。其流线型设计使其适用于各种应用，并可轻松适应从边缘设备到云API等不同硬件平台。

椒颜皮皮虾྅·2024-02-01 09:14

《成长边界》

最好的学习之路“道阻且长”，不仅进度缓慢，而且在眼下也可能表现不佳，而这些困难正是为了让人在之后表现得更好2：经济学家认为，那些让学生们短期痛苦但是长远获益的教授，正是通过“建立联系”的提问方式实现了“深度学习

艳子姐姐·2024-02-01 08:23

【Apollo】赋能移动性：阿波罗自动驾驶系统的影响

风趣幽默，忍不住分享一下给大家：https://www.captainbed.cn/zChatGPT体验地址文章目录前言阿波罗自动驾驶系统的影响1.清晰的任务流水线，多样的算法插件2.全新的模型训练，易用的深度学习模型

雪碧有白泡泡·2024-02-01 08:36

PyTorch中的动态计算图与张量

在深度学习框架如PyTorch中，张量（Tensor）是基本的数据单元，它不仅存储数值数据，而且与计算过程紧密关联。

科学禅道·2024-02-01 08:25

U2net:Going deeper with nested u-structure for salient object detection

U2net是一种为SOD设计的两级嵌套U结构，不使用图像分类的预训练骨干网络，在底层设计了一种新颖的ResidualU-blocks，能够提取多尺度特征而不降低特征图

Kun Li·2024-02-01 08:33

应用keras建立ANN模型.

介绍：Keras是一个开源的神经网络库，它基于Python语言，并能够在多个深度学习框架上运行，包括TensorFlow、Theano和CNTK。

取名真难.·2024-02-01 07:34

大创项目推荐题目：基于深度学习的人脸表情识别 - 卷积神经网络大创项目推荐代码

3.4.1创建data-label对照表3.4.2重写Dataset类3.4.3数据集的使用4网络模型搭建4.1训练模型4.2模型的保存与加载5相关源码6最后0简介优质竞赛项目系列，今天要分享的是基于深度学习的人脸表情识别该项目较为新颖

laafeer·2024-02-01 07:29

计算机设计大赛深度学习 opencv python 实现中国交通标志识别_1

3数据集处理3.1VOC格式介绍3.2将中国交通标志检测数据集CCTSDB数据转换成VOC数据格式3.3手动标注数据集4模型训练5实现效果5.1视频效果6最后0前言优质竞赛项目系列，今天要分享的是基于深度学习的中国交通标志识别算法研究与实现该项目较为新颖

iuerfee·2024-02-01 07:59

计算机设计大赛深度学习 python opencv 动物识别与检测

文章目录0前言1深度学习实现动物识别与检测2卷积神经网络2.1卷积层2.2池化层2.3激活函数2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络3YOLOV53.1网络架构图3.2

iuerfee·2024-02-01 07:59

探索智能巡检机器人深度学习的奥秘

机器人深度学习（RobotDeepLearning）是指利用深度学习技术，使机器人能够从大量数据中学习和提取特征，进而实现自主感知、决策和行动的能力。

超维机器人·2024-02-01 07:27

FuseLLM：大语言模型的知识融合！

深度学习自然语言处理原创作者：wkk论文：KNOWLEDGEFUSIONOFLARGELANGUAGEMODELS地址：https://arxiv.org/pdf/2401.10491.pdfgit:https

zenRRan·2024-02-01 07:20

语言革命：NLP与GPT-3.5如何改变我们的世界

技术进步与应用场景1.1技术进步1.2应用场景二、挑战与前景三、伦理和社会影响四、实践经验五、总结与展望前言自然语言处理（NaturalLanguageProcessing，NLP）是人工智能领域的一个重要分支，随着深度学习和大数据技术的进步

屿小夏·2024-02-01 06:51

免费使用支持离线部署使用的 txt2video 文本生成视频大模型(Text-to-Video-Synthesis Model)

文本生成视频大模型(Text-to-Video-SynthesisModel)是一种基于深度学习技术的人工智能模型，它可以将自然语言文本描述转换为相应的视频。

代码讲故事·2024-02-01 06:43

深度学习/自动驾驶数据集大集合（目标检测/图像分割/语义分割/图像分类/）

深度学习和自动驾驶技术的发展离不开高质量的数据集，这些数据集对于训练和验证各种自动驾驶算法和模型起着至关重要的作用。

毕设阿力·2024-02-01 06:33

深度学习环境配置超详细教程【Anaconda+Pycharm+PyTorch(GPU版)+CUDA+cuDNN】

在宇宙的浩瀚中，我们是微不足道的，但我们的思维却可以触及无尽的边界。目录关于Anaconda：关于Pycharm：关于Pytorch：关于CUDA：关于Cudnn：一、前言：二、Anaconda安装三、Pycharm安装四、CUDA安装1、查看NVDIA显卡型号2、判断自己应该下载什么版本的cuda3、安装CUDA11.2CUDAtoolkitDownload五、Cudnn安装1、cuDNN下载2

Enovo_你当像鸟飞往你的山·2024-02-01 04:54

英特尔正式发布OpenVINO™ 2023.3版本

OpenVINO™是英特尔针对自家硬件平台开发的一套深度学习工具库，包含推断库，模型优化等等一系列与深度学习模型部署相关的功能。

hyang1974·2024-02-01 04:19

CycleISP: Real Image Restoration via Improved Data Synthesis

参数的1/51、Introduction（要长脑子了）高层视觉问题：图像分类、目标检测、目标分割底层视觉问题：图像去噪、超分、去模糊本文工作是什么？想在raw图上叠

木槿qwer·2024-02-01 03:00

深度学习之循环神经网络（基础）

循环神经网络简称为RNN，（之前讲到的卷积神经网络简称为CNN）。以前我们在使用全链接网络的时候，我们将这种网络叫做Dense或者是Deep。Dense链接指的是全链接的。我们输入的数据是数据样本的不同特征：x1，x2，x3....。对于气象报道，如果我们知道当前的温度和气压来预测现在有没有雨是没有意义的，因为我们要提前报道，拿到现在的数据来推理得到现在的结果是不能够的。所以我们要拿到之前若干天的

丘小羽·2024-02-01 02:04

总结机器学习3个时代的算力规律：大模型的出现改变了什么？

注意大约2010年的斜率变化，与深度学习的出现相匹配；2015年底出现了新的大规模趋势。预测机器学习领域的进展是很困难，其与行业、政策和社会中的参与者有着重要的相关性。十年后计算机视觉会好多少？

AI科技大本营·2024-02-01 02:04

人工智能、机器学习和深度学习，到底有什么区别？

人工智能、机器学习和深度学习的关系在智能科学领域，有一个初学者很爱问的问题：人工智能、机器学习和深度学习三者有什么联系和区别？这个是既简单又复杂的问题。这个问题是有标准答案的。

Finovy Cloud·2024-02-01 02:04

文献速递：人工智能医学影像分割--- PSMA-PET 提升了基于深度学习的自动化CT肾脏分割技术

文献速递：人工智能医学影像分割—PSMA-PET提升了基于深度学习的自动化CT肾脏分割技术01文献速递介绍最近的研究表明，使用177Lu标记的前列腺特异性膜抗原（PSMA）的放射性药物治疗（RPT）对于治疗去势抵抗性前列腺癌是有益的

有Li·2024-02-01 00:26

人脸自收集数据集辅助制作工具——人脸遮挡数据标注

综述我们在进行人脸属性识别深度学习算法研究过程中除了使用开源带标签的数据以外，都会根据具体使用场景与需求用到大量自收集的图像数据（开源/爬虫/自拍等），然这些数据一般是没有人脸对应属性标注标签的。

彧侠·2024-02-01 00:33

Vim实战：使用 Vim实现图像分类任务（二）

设置模型设置优化器和学习率调整策略设置混合精度，DP多卡，EMA定义训练和验证函数训练函数验证函数调用训练和验证方法运行以及结果查看测试完整的代码在上一篇文章中完成了前期的准备工作，见链接：Vim实战：使用Vim实现图像分类任务

AI浩·2024-01-31 23:16

【深度学习】【BN】batch normalization（批量归一化）详解

批量归一化（batchnormalization）开山之作：#BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift时间：2015年训练深层神经网络是十分困难的，特别是在较短的时间内使他们收敛更加棘手。批量归一化是一种流行且有效的技术，尤其是可以加速深层网络的收敛速度。1、为什么使用批量归

忘却的旋律dw·2024-01-31 23:16

ChatGPT 和文心一言哪个更好用？

首先，ChatGPT是由OpenAI基于GPT-3.5架构训练而成，拥有庞大的语言模型和深度学习算法支持。这使得它在理解和生成复杂的语言结构方面表现出色。

五味的编程日记·2024-01-31 22:39

多模态语义检索 | 基于 MetaSpore 快速部署 HuggingFace 预训练模型

随着深度学习技术在计算机视觉、自然语言处理、语音理解等领域不断取得创新性突破，越来越多的非结构化数据被机器进行感知、理解和加工。这些进展主要得益于深度学习的强大表征学习能力

momo_cb59·2024-01-31 22:11

计算机视觉深度学习训练推理框架

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达前言本文整理了一些深度学习训练推理框架，涉及计算机视觉、语音、时序任务上的框架，共计20多种。

小白学视觉·2024-01-31 21:50

快速入门存内计算—助力人工智能加速深度学习模型的训练和推理

存内计算：提高计算性能和能效的新技术传统的计算机架构是将数据存储在存储器中，然后将数据传输到计算单元进行处理。这种架构存在一个性能瓶颈，即数据传输延迟。存内计算通过将计算单元集成到存储器中，消除了数据传输延迟，从而提高了系统性能。什么是存内计算存内计算（Processing-In-Memory）是指在存储器内部直接进行数据处理的技术。存内计算的实现方式主要有两种：模拟存内计算：这种方法利用存储器单

一见已难忘的申公豹·2024-01-31 21:18

初学者在Python中的基本图像处理库 - OpenCV和imutils

对于图像分类、目标检测或光学字符识别，在人工智能领域与图像相关的任何工作大多数时候都需要某种形式的图像处理和操作。在本教程中，我们将专注于OpenCV的一些基本功能。这些功能基础且有时非常有用。

小北的北·2024-01-31 20:23

C语言实现通讯录(初级版)

前言在深度学习了一段时间C语言后，我们可以实现写一段通讯录功能来巩固已学的知识此篇文章旨在详解通讯路的基本实现，功能框架等等注：此通讯录存在一定的缺陷，下篇文章将会对其进行一定的优化一、通讯录的基本功能在上手写通讯录之前

Tlzns·2024-01-31 20:31

Tensorflow实战深度学习笔记一

特征提取深度学习---自动地将简单的特征组合成更加复杂的特征，并使用这些复杂特征解决问题。深度学习--------不等于模仿人类大脑。

独立开发者Lau·2024-01-31 20:13

BP图片降噪MATLAB代码

BP(BackPropagation)神经网络是一种常用的深度学习模型,可以用于图像降噪。主要步骤包括:构建BP神经网络模型。包括输入层、隐藏层和输出层。

MATLAB代码顾问·2024-01-31 19:17

【读点论文】Benchmarking chinese text recognition Datasets, baselines, and an empirical study，中文专题的字符识别

BenchmarkingChineseTextRecognition:Datasets,Baselines,andanEmpiricalStudyAbstract近年来，深度学习的蓬勃发展见证了文本识别的快速发展

羞儿·2024-01-31 18:49

vit细粒度图像分类（五）TransFC学习笔记

现有网络模型在处理过程中存在特征提取能力不足、特征表示冗余和归纳偏置能力弱等问题，因此提出一种改进的Transformer图像分类模型。

无妄无望·2024-01-31 18:40

vit细粒度图像分类（六）TransFC学习笔记

1.摘要从判别局部区域学习特征表示在细粒度视觉分类中起着关键作用。利用注意机制提取零件特征已成为一种趋势。然而，这些方法有两个主要的局限性:第一，它们往往只关注最突出的部分，而忽略了其他不明显但可区分的部分。其次，他们孤立地对待不同的部分特征，而忽略了它们之间的关系。为了解决这些限制，我们建议定位多个不同的可区分部分，并以明确的方式探索它们之间的关系。在这个过程中，我们引入了两个轻量级模块，它们可

无妄无望·2024-01-31 18:10

深度学习|Keras识别MNIST手写数字（CNN）

材料和方法今天继续使用MNIST数据。方法：这次使用的方法为卷积神经网络（CNN）。卷积神经网络通过卷积层，池化层来做特征的提取，最后再连上全连接网络。卷积层卷积层就是通过多个filter来生成多张图片，其运算如图所示。池化层池化层就是对图像进行缩减采样，让保证数据特征的情况下减少计算开销。数据处理卷积神经网络和之前的处理不一样，要将图片转换为三维的（RGB），这里MNIST为灰度图，所以是二维的

罗罗攀·2024-01-31 17:40

故障诊断 | 一文解决，GRU门控循环单元故障诊断（Matlab）

文章目录效果一览文章概述专栏介绍模型描述源码设计参考资料效果一览文章概述故障诊断|一文解决，GRU门控循环单元故障诊断（Matlab）专栏介绍订阅【故障诊断】专栏，不定期更新机器学习和深度学习在故障诊断中的应用

机器学习之心·2024-01-31 17:30

故障诊断 | 一文解决，BP神经网络的故障诊断（Matlab）

文章目录效果一览文章概述专栏介绍模型描述源码设计参考资料效果一览文章概述故障诊断|一文解决，BP神经网络的故障诊断（Matlab）专栏介绍订阅【故障诊断】专栏，不定期更新机器学习和深度学习在故障诊断中的应用

机器学习之心·2024-01-31 17:30

深度学习之caffe入门一一配置SSD中遇到的问题

用gitclone将代码下载下来之后,需要编译一下,如果之前编译过caffe,直接将之前的makefile.config文件粘贴到caffe-ssd的目录下即可.我将我的makefile.config文件贴出来,大家可以参考一下.##Refertohttp://caffe.berkeleyvision.org/installation.html#Contributionssimplifyingan

hhy_csdn·2024-01-31 16:49

基于Python的深度学习基础

深度学习将使用NumPy和Matplotlib这两种外部库Python有“解释器”和“脚本文件”两种运行模式Python能够将一系列处理集成为函数或类等模块NumPy中有很多用于操作多维数组的便捷方法类与对象变量是挂在对象身上的标签

程序媛了了·2024-01-31 15:35

故障诊断 | 一文解决，CNN卷积神经网络故障诊断（Matlab）

文章目录效果一览文章概述专栏介绍源码设计参考资料效果一览文章概述故障诊断|一文解决，CNN卷积神经网络故障诊断（Matlab）专栏介绍订阅【故障诊断】专栏，不定期更新机器学习和深度学习在故障诊断中的应用

机器学习之心·2024-01-31 15:09

金融风控Task2-数据分析

目的EDA（ExploratoryDataAnalysis）价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接下来的机器学习或者深度学习建模.了解变量间的相互关系

sunflowers11·2024-01-31 14:17

AI特训一：为什么要学习AI

AI利用机器学习、深度学习、自然语言处理等技术，能够分析大量的数据、识别模式、做出决策和预测AI有哪些强大之处·处理大量数据：AI能够处理和分析大规模数据，挖掘数据中的模式和洞察，从中获取有价值的信息和知识

我不是费圆·2024-01-31 14:14

如何提高图像分类准确率？

一、问题描述当我们在处理图像识别或者图像分类或者其他机器学习任务的时候，我们总是迷茫于做出哪些改进能够提升模型的性能（识别率、分类准确率）。。。

Steven_ycs·2024-01-31 14:57

机器学习强化学习深度学习的区别与联系

机器学习强化学习深度学习机器学习按道理来说，这个领域（机器学习）应该叫做统计学习（StatisticalLearning），因为它的方法都是由概率统计领域拿来的。

坠金·2024-01-31 12:10

机器学习和深度学习中的normalization(归一化)

在机器学习和深度学习中，normalization（归一化）是一种重要的数据预处理步骤，它的目的是改变数值数据的形式，以使其在一个固定的范围内，通常是0到1，或者使其均值为0，标准差为1。

实名吃香菜·2024-01-31 12:18

网络深度对深度学习模型性能有什么影响？

深度学习模型之所以在各种任务中取得了成功，足够的网络深度起到了很关键的作用，那么是不是模型越深，性能就越好呢？

jiandanjinxin·2024-01-31 11:35

深度学习主机购置及环境配置(Ubuntu18.04)

万事皆有因最近在学习机器学习，看到了深度学习这一部分。

飞天小小猫·2024-01-31 11:30

模型的收敛

在深度学习中，训练一个模型涉及到通过反向传播算法不断调整模型的权重，以最小化损失函数。模型的收敛取决于多个因素，包括学习率、数据质量、模型架构等。

幸运小新·2024-01-31 11:56

推荐频道

深度学习：图像分类