深度学习；图像去模糊

基于Bert-base-chinese训练多分类文本模型(代码详解）

目录一、简介二、模型训练三、模型推理一、简介BERT（BidirectionalEncoderRepresentationsfromTransformers）是基于深度学习在自然语言处理（NLP）领域近几年出现的
一颗洋芋·2024-09-04 15:41

python利用深度学习(Keras)进行癫痫分类

一、癫痫介绍癫痫，即俗称“羊癫风”，是由多种病因引起的慢性脑功能障碍综合症，是仅次于脑血管病的第二大脑部疾病。癫痫发作的直接原因是脑部神经元反复地突发性过度放电所导致的间歇性中枢神经系统功能失调。临床上常表现为突然意识丧失、全身抽搐以及精神异常等。癫痫给患者带来巨大的痛苦和身心伤害，严重时甚至危及生命，儿童患者会影响到身体发育和智力发育。脑电图是研究癫痫发作特征的重要工具，它是一种无创性的生物物理
一夜白头催人泪·2024-09-04 14:33

识别实验笔记和经验总结

在进行图像分类模型对比实验时，为了确保对比的公平性和可靠性，以下几个因素需要重点考虑：数据集的一致性：数据集分割：确保训练集、验证集和测试集的划分是一致的。各模型使用相同的训练数据和测试数据。
Wils0nEdwards·2024-09-04 14:02

深度学习入门：使用 PyTorch 构建和训练你的第一个神经网络

引言深度学习是机器学习的一个分支，它利用多层非线性处理单元（即神经网络）来解决复杂的模式识别问题。PyTorch是一个强大的深度学习框架，它提供了灵活的API和动态计算图，非常适合初学者和研究者使用。
Mr' 郑·2024-09-04 13:29

高校为什么需要AIGC大数据实验室？

AIGC技术创新：探索如何利用人工智能算法，如深度学习中的生成对抗网络（GAN）、变分自编码器（VAE）、基于Transformer架构的语言模型（如GPT系列）等，来高效地生成高质量的文本、图像、音频
泰迪智能科技01·2024-09-04 13:28

Ego-planner：三维建图 grid_map.cpp解析

ego避障里面比较重要的功能是对环境进行栅格地图进行避障其实是通过深度图像或者点云数据来进行转换填充的，（没错，ego也可以利用点云来建图，也就是无需d435i进行输入，可以替换为激光雷达）下面我们分别对这两个方式的建图方法进行解析首先我们需要明确几个十分重要的变量
dueen1123·2024-09-04 13:55

OpenCV图像处理技术之图像金字塔

学习的是图像金字塔。
WYOLO·2024-09-04 12:54

Android之电量优化

目录1.减少不必要的网络请求2.优化位置服务3.优化后台任务4.优化图像和动画(界面渲染)5.避免后台服务常驻6.优化电量使用的监控在Android应用开发中，电量优化是一个非常重要的方面，因为用户对设备电量的敏感性很高
追梦的鱼儿·2024-09-04 12:23

GFP-GAN容器构建说明

一、介绍GFP-GAN是腾讯在人像复原、超分等方面的佳作，其基于FFHQ上训练，由70000张高质量图像组成。在训练过程中，将所有图像的大小调整为5122。
算家云·2024-09-04 12:23

Fréchet Inception Distance（FID）原理

原理概述：FID的核心思想是通过比较真实图像和生成图像在Inception模型特征空间中的分布差异，来评估生成模型的性能。它假设从真实数据和生成数据中提取的特征都近似服从高斯分布。
代维7·2024-09-04 12:53

yolo8 目标检测、鉴黄

引言目标检测是计算机视觉中的一个关键任务，其目标是在图像中识别出各种对象，并准确地定位其位置。近年来，目标检测技术取得了显著进展，尤其是在深度学习的推动下，性能得到了极大的提升。
刷刷刷粉刷匠·2024-09-04 11:13

GNN会议&期刊汇总（人工智能、机器学习、深度学习、数据挖掘）

【ICLR】全称InternationalConferenceonLearningRepresentations（国际学习表征会议），深度学习顶会。
Bunny_Ben·2024-09-04 11:11

李宏毅机器学习笔记——反向传播算法

反向传播是深度学习中最重要的算法之一，通常与梯度下降等优化算法结合使用。反向传播的基本原理反向传播的核心思想是利用链式法则（ChainRule）来高效地计算损失函数相对于每个参数的梯度。
小陈phd·2024-09-04 10:07

【机器学习-神经网络】循环神经网络

在机器学习和深度学习的领域中，循环神经网络（RNN）作为一种处理序列数据的强大工具，已经在诸多应用场景中展现出了巨大的潜力。
刷刷刷粉刷匠·2024-09-04 10:36

自动驾驶之心规划控制理论&实战课程

单目3D与单目BEV全栈教程(视频答疑)多传感器标定全栈系统学习教程多传感器融合:毫米波雷达和视觉融合感知全栈教程(深度学习传统方式)多传感器融合跟踪全栈教程(视频答疑)多模态融合3D目标检测教程(视频答疑
vsdvsvfhf·2024-09-04 10:05

Azure和Transformers的详细解释

以下是对AzureAI各个方面的详细解释：AzureAI主要组件AzureCognitiveServices（认知服务）：计算视觉：包括图像识别、物体检测、人脸识别以及图像标注等。
漫天飞舞的雪花·2024-09-04 09:04

学习笔记---自动驾驶

3.卷积神经网络（CNN）：关键技术用于提取图像特征，包括卷积层、激活函数、池化层等组件处理图像数据。4.循环神经网络（RNN）：处理序列数据，如车辆历史速度序列，用于建模时间序
酒饮微醉-·2024-09-04 09:33

Luminar Neo for Mac智能图像处理软件【操作简单，轻松上手】

Mac分享吧文章目录效果一、下载软件二、开始安装1、双击运行软件，将其从左侧拖入右侧文件夹中，等待安装完毕2、应用程序显示软件图标，表示安装成功三、运行测试安装完成！！！效果一、下载软件下载软件地址：www.macfxb.cn二、开始安装1、双击运行软件，将其从左侧拖入右侧文件夹中，等待安装完毕2、应用程序显示软件图标，表示安装成功三、运行测试安装完成！！！
七@归七·2024-09-04 08:28

pytorch pyro更高阶的优化器会使用更高阶的导数，比如二阶导数（Hessian矩阵）

在机器学习和深度学习中，优化器是用来更新模型参数以最小化损失函数的算法。通常，优化器会计算损失函数相对于参数的一阶导数（梯度），然后根据这些梯度来更新参数。
zhangfeng1133·2024-09-04 08:57

Python知识点：如何使用Python进行时间序列预测

时间序列预测的方法有很多，包括统计方法（如ARIMA模型）、机器学习方法（如支持向量机、决策树）、以及深度学习方法（如LSTM网络）。
杰哥在此·2024-09-04 08:52

AI时代的价值盈利①：生成式人工智能生态系统中的价值创造与分配

「想象一个人工智能助手在一个由硬币组成的景观中导航」（Meta.ai图像生成）介绍最近在生成人工智能（GenAI）方面的突破抓住了人们的想象力，让我们看到了这项新技术的潜力。
marteker·2024-09-04 07:19

并行处理的艺术：深入探索PyTorch中的torch.nn.parallel模块

标题：并行处理的艺术：深入探索PyTorch中的torch.nn.parallel模块在深度学习领域，模型的规模和复杂性不断增长，这要求我们利用所有可用的计算资源来加速训练和推理过程。
杨哥带你写代码·2024-09-04 06:10

【深度学习 transformer】使用pytorch 训练transformer 模型,hugginface 来啦

HuggingFace是一个致力于开源自然语言处理（NLP）和机器学习项目的社区。它由几个关键组件组成：Transformers：这是一个基于PyTorch的库，提供了各种预训练的NLP模型，如BERT、GPT、RoBERTa、DistilBERT等。它还提供了一个简单易用的API来加载这些模型，并进行微调以适应特定的下游任务。Datasets：这是一个用于加载和预处理NLP数据集的库，与Tran
东华果汁哥·2024-09-04 06:39

caffe/PyTorch/TensorFlow 在Jupyter Notebook GPU中运用

在JupyterNotebook中使用Caffe框架并利用GPU加速，可以实现多种效果和目的，主要集中在深度学习领域。以下是一些主要的应用场景：快速训练模型：GPU加速可以显著提高模型训练的速度。
俊俏的萌妹纸·2024-09-04 04:26

绘本讲师训练营（47期）3|21《绘本有什么了不起？》—绘本阅读练功坊

阅读从想象力开始，幼儿时期是想象力最佳德时期，而想象力是抽象思维的铺垫，通过想象力的发挥，才能让阅读从对图像的外部观看进展为内在思维与感受的心灵活动，如绘本《神奇的蓝色水桶》从封面，书名页，内文，进行详细的介绍
4980b9f725a7·2024-09-04 04:26

深度学习系列（1) TensorFlow---Tensorflow学习路线

学习TensorFlow是掌握深度学习和机器学习的关键一步。以下是一个详细的TensorFlow学习路线图，涵盖从基础到高级的知识点和实践，帮助你逐步掌握TensorFlow并应用于实际问题中。
CoderIsArt·2024-09-04 04:55

Luminar Neo for Mac v1.19.1.17483 - 图像编辑软件

LuminarNeo是一款专业的AI技术创意图像编辑软件，它内置了人工智能技术，可以自动识别照片中的元素，并根据场景和主题进行智能增强，使照片更加生动、自然。
qw软塌塌于·2024-09-04 02:48

如何用Luminar 3图像后期处理软件制作与众不同的黑白照片？

无论摄影技术如何发展，黑白照片都能保持它独特的吸引力。但如果你亲手试过把彩色照片直接调成黑白照片，那你想必会发现，转换后的效果好像就是差了一点。照片编辑AppLuminar用一系列预设、滤镜和编辑工具为这个转换过程注入了更多艺术感。下面四种方法，你都可以试试看！挑选预设让我们从最简单的方式开始。《Luminar》拥有数十种预设滤镜，在App中称为“Looks”（效果）。选择“视图”>“隐藏/显示效
*橙子·2024-09-04 02:47

MATLAB 中的矩阵切片操作详解（细节无敌）

矩阵切片在数据处理、算法设计、图像处理等许多领域都非常有用。本文将详细介绍MATLAB中矩阵切片的基本用法和高级技巧。
a.原味瓜子·2024-09-04 02:47

Luminar Neo for Mac智能图像处理软件【操作简单，轻松上手】

Mac分享吧文章目录效果一、下载软件二、开始安装1、双击运行软件，将其从左侧拖入右侧文件夹中，等待安装完毕2、应用程序显示软件图标，表示安装成功三、运行测试安装完成！！！效果一、下载软件下载软件地址：www.macfxb.cn二、开始安装1、双击运行软件，将其从左侧拖入右侧文件夹中，等待安装完毕2、应用程序显示软件图标，表示安装成功三、运行测试安装完成！！！
Mac分享吧·2024-09-04 02:16

《昇思25天学习打卡营第1天|快速入门》

昇思MindSpore介绍昇思MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景统一部署三大目标。
一只IT攻城狮·2024-09-04 02:46

【健康】《健康管理师》第三章—健康管理其他相关知识—第一节（健康信息学）

3、信息的形态：4种：数据、文本、声音、图像。4、信息的分类：1)按照其重要性程度可分为战略信息、战术信
dear心理咨询师黄倩雯·2024-09-04 02:26

算法学习-2024.8.16

深度学习网络在训练时，通常使用32位或16位数据。TensorRT则在网络的推理时选用不这么高的精度，达到加速推断的目的。
蓝纹绿茶·2024-09-04 01:42

AI 大模型在文本生成任务中的创新应用

这些模型通过深度学习技术，能够生成连贯、有意义的文本，甚至在某些情况下达到与人类写作难以区分的程度。本文将探讨AI大模型在文本生成任务中的创新应用，包括自动文摘、机器翻译、创意写作等领域。
AI_Guru人工智呢·2024-09-04 01:11

深度学习100问54:什么是自动图像描述

嘿，你知道自动图像描述吗？这可是个超神奇的魔法哦！想象一下，计算机就像一个超级有创意的小作家。当它看到一张图片时，就会仔细观察图片里的各种东西，比如可爱的小动物、漂亮的花朵、壮观的风景等等。
不断持续学习ing·2024-09-04 01:09

【Python机器学习】卷积神经网络（CNN）

它是用一个可视化盒子在一个区域内滑动，如下图所示：构建块卷积神经网络最早出现在图像处理和图像识别领域，它能够捕捉每个样本中数据点之间的空间关系，也就能识别出图像中是猫还是狗。
zhangbin_237·2024-09-04 01:38

TorchText宝典：解锁PyTorch下的NLP炼金术

标题：TorchText宝典：解锁PyTorch下的NLP炼金术在深度学习与自然语言处理(NLP)的交叉领域中，PyTorch已经成为了一个强大的工具。
2401_85702623·2024-09-04 01:06

人脸识别界面设计Android,人脸识别系统的设计及Android平台实现

摘要：近些年来,随着人们对信息安全问题的日益重视,生物识别技术由于其自身具有传统身份技术所不具备的优势,被大量地用于身份认证中.人脸作为一种重要的生物特征,具有唯一性,随身携带的优点,而且人脸图像的采集条件相对宽松
代码侠士·2024-09-04 00:35

【深度学习】

梯度消失和梯度爆炸（解释意思，分析产生原因）在反向传播过程中需要对激活函数进行求导，如果导数大于1，那么随着网络层数的增加梯度更新将会朝着指数爆炸的方式增加这就是梯度爆炸。同样如果导数小于1，那么随着网络层数的增加梯度更新信息会朝着指数衰减的方式减少这就是梯度消失。因此，梯度消失、爆炸，其根本原因在于反向传播训练法则，属于先天不足。请解释什么是batchnormal，它有什么作用？神经网络在训练的
feifeikon·2024-09-04 00:34

提醒一下技术人，你是不是陷入局部最优了

首先看一张函数图像：函数图像很明显，这个函数最小值点在E点，而A、C、G是函数的局部极小值点。
ngu2008·2024-09-04 00:46

深度学习基础之循环神经网络

目录基本概念与特点定义与工作原理结构组成应用领域自然语言处理语音识别时间序列分析优缺点优点缺点改进方法总结循环神经网络在自然语言处理中的最新应用和研究进展是什么？长短期记忆网络（LSTM）与门控循环单元（GRU）在解决梯度消失和爆炸问题上的具体差异和优势是什么？LSTM的结构与优势GRU的结构与优势具体差异门的数量：计算复杂度：性能对比：总结双向循环神经网络如何增强模型的上下文捕捉能力，与单向RN
Ctrl+CV九段手·2024-09-04 00:02

MATLAB图像去噪和边缘检测

程序：//a=imread('C:\图片\dog.jpg');I=rgb2gray(a);%将彩色图变成灰色图subplot(3,3,1);imshow(I);xlabel('原始图像');b=imnoise
柯咪侠·2024-09-04 00:01

定制静物商品背景及自定义抠图

为了完成这个任务，我们可以使用OpenCV进行简单的背景替换，对于复杂场景可以使用深度学习模型，比如removebg，用于提取前景。在这个
Enougme·2024-09-04 00:00

基于深度学习的动态对抗策略

基于深度学习的动态对抗策略是为了应对不断变化的对抗环境而提出的一类方法，这些策略能够动态地调整和优化模型的防御机制，以提高深度学习模型在各种对抗攻击下的鲁棒性和安全性。
SEU-WYL·2024-09-03 22:22

BEV (3)---DETR3d

先预设一系列预测框的查询向量objectquerys，利用它们生成3Dreferencepoint，将这些3Dreferencepoint利用相机参数转换矩阵，投影回2D图像坐标，并根据他们在图像的位置去找到对应的图像特征
aolaf·2024-09-03 20:36

2.关于Transformer

关于Transformer模型架构举例输入图像为3x224x224EmbeddedPatches将一张图的多个区域进行卷积，将每个区域转换成多维度向量（多少卷积核就有多少维向量）self.patch_embeddings
安逸sgr·2024-09-03 20:05

DETR3D 开源项目教程

DETR3D通过从多视角图像中提取二维特征，并使用稀疏的3D对象查询集索引到这些二维
齐妤茜·2024-09-03 19:35

yolov8目标检测pyside6可视化图形界面+检测源码ui文件——用于计数统计

摄像头/视频输入：从摄像头或视频文件读取图像帧。目标检测：使用YOLOv8模型对输入图像进行实时目标检测。计数统计：根据检测到的目标数量更新界面上的计数器。
毕设宇航·2024-09-03 19:05

4. 生成对抗网络（GAN）：生成模型的崛起

引言生成对抗网络（GAN）是近年来深度学习领域中最具创新性和影响力的模型之一。
Network_Engineer·2024-09-03 17:53

AI写作生成器，开启你的高效率智能写作模式

它是基于先进的人工智能技术和深度学习算法研发出来的智能
2401_85949356·2024-09-03 17:20
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他