深度学习yolov3 第36页

MMDetection

什么是MMDetectionMMDetection实际上是一个用于目标检测的工具包，面向深度学习时代的。

pythonSuperman·2024-01-29 09:27

毕业设计过程学习

随着深度学习和人工智能技术的飞速发展，目标检测技术也取得了很大的成就。

pythonSuperman·2024-01-29 08:55

Pycharm连接云算力远程服务器（AutoDL）训练深度学习模型全过程

前言：在上一篇windows搭建深度学习环境中，我试图使用笔记本联想小新air14的mx350显卡训练一个图像检测的深度学习模型，但是训练时长大概需要几天时间远超我的预期，所以我便选择租用GPU进行训练

学习BigData·2024-01-29 08:41

【深度学习】神经网络可视化工具，超全汇总！

神经网络可视化是指通过图形化的方式展示神经网络的结构、参数、输入、输出、中间结果等信息，可以帮助用户更好地神经网络的内部工作原理和特征提取过程，以优化神经网络模型。扩展阅读：神经网络学习到的是什么？机器学习可视化技术概览(Python)本文汇总了全网最为全面的26款神经网络可视化工具，可以帮助大家了解神经网络的结构组成、工作原理和性能表现，从而更好地进行模型调整和优化。也可以画出酷炫的模型图方便模

风度78·2024-01-29 08:49

【吴恩达-神经网络与深度学习】第3周：浅层神经网络

目录神经网络概览神经网络表示含有一个隐藏层的神经网络（双层神经网络）计算神经网络的输出多样本的向量化向量化实现的解释激活函数（Activationfunctions）一些选择激活函数的经验法则：为什么需要非线性激活函数？激活函数的导数神经网络的梯度下降法（选修）直观理解反向传播随机初始化神经网络概览右上角方括号[]里面的数字表示神经网络的层数可以把许多sigmoid单元堆叠起来形成一个神经网络：第

倏然希然_·2024-01-29 08:48

AI：人工智能关系概览—人工智能与数据挖掘/机器学习/深度学习/神经网络的概念定义与关系阐述、梳理之详细攻略(建议收藏)

AI：人工智能关系概览—人工智能与数据挖掘/机器学习/深度学习/神经网络的概念定义与关系阐述、梳理之详细攻略(建议收藏)目录相关文章01：《数据挖掘Vs机器学习Vs人工智能Vs深度学习》

一个处女座的程序猿·2024-01-29 08:17

说说探究式学习

但似乎小组成员的积极性并未有实质性地提升，小组间的竞争与对抗也貌似不是我们想要的一种状态，更重要的是课堂之上的探究活动，并未实现真正意义上的深度学习。

冬日暖阳zlh·2024-01-29 07:16

AI之DL：人工智能领域—深度学习的发展历程之深度学习爆发的三大因素、探究DL为什么耗算力

AI之DL：人工智能领域—深度学习的发展历程之深度学习爆发的三大因素、探究DL为什么耗算力目录深度学习的发展历程之深度学习爆发的三大因素

一个处女座的程序猿·2024-01-29 06:57

自定义目标检测：探索YOLO流程并在自定义数据上进行训练

深度学习在过去的十年里取得了巨大的进展，尽管早期模型难以理解和应用，但现代框架和工具使得每个具备一些代码理解能力的人都能训练自己的神经网络来处理计算机视觉任务。

小北的北·2024-01-29 06:51

【MATLAB第95期】#源码分享 | 基于MATLAB的卷积神经网络CNN图像分类源代码分享（含两个案例）

深度学习（DL）是机器学习的一个子集，它使用受神经网络启发的架构来进行预测。卷积神经网络（CNN）是一种DL模型，它在学习图像等二维数据中的模式方面是有效的。

随风飘摇的土木狗·2024-01-29 06:20

【深度学习：多关节嵌入模型】 Meta 解释的 ImageBind 多关节嵌入模型

【深度学习：多关节嵌入模型】Meta解释的ImageBind多关节嵌入模型Meta发布开源人工智能工具的历史分段任何模型DINOv2什么是多模态学习？什么是嵌入？什么是ImageBind？

jcfszxc·2024-01-29 06:19

李沐深度学习PyTorch版001 | [000-0004]

目录1、深度学习简介2、安装环境3、数据操作（1）N维数组（2）创建数组①新建一个张量。②通过shape属性来访问张量的形状和张量中元素的总数。

柠檬不萌只是酸i·2024-01-29 06:47

经典目标检测YOLO系列(三)YOLOv3算法详解

经典目标检测YOLO系列(三)YOLOv3算法详解不论是YOLOv1，还是YOLOv2，都有一个共同的致命缺陷：小目标检测的性能差。

undo_try·2024-01-29 06:10

经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现

经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现我们在之前实现YOLOv2的基础上，加入了多级检测及FPN，快速的实现了YOLOv3的网络架构，并且实现了前向推理过程。

undo_try·2024-01-29 06:33

【人工智能】主要人工智能技术及深度学习及传统机器学习区别与联系

主要人工智能技术的基本概念和应用场景机器学习英文简称ML是一门涉及统计学、系统辨识、逼近理论、优化理论、计算机科学、脑科学等诸多领域的交叉学科，主要研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。计算机视觉：是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像及图像序列的能力。该技术主要应用于自动驾驶、机器人

WEL测试·2024-01-29 06:50

学习笔记-李沐动手学深度学习（五）（14-15，数值稳定性、模型初始化和激活函数、Kaggle房价预测）

总结14-数值稳定性（梯度爆炸、梯度消失）尤其是对于深度神经网络（即神经网络层数很多），最终的梯度就是每层进行累乘理论t：为第t层y：不是之前的预测值，而是包括了损失函数L所有的h都是向量（向量关于向量的导数是矩阵）（博客）：①MLP：多层感知机。②对角矩阵(diagonalmatrix)是一个主对角线之外的元素皆为0的矩阵，常写为diag(a1,a2,…,an)。③diag*W把diag和W分开

kgbkqLjm·2024-01-29 05:17

PyTorch入门：基本安装与使用指南

在这个人工智能与深度学习风起云涌的时代，选择一个合适的深度学习框架对于研究者和开发者来说至关重要。

GT开发算法工程师·2024-01-29 03:35

深度学习-卷积神经网络

图像卷积运算对图像矩阵与滤波器矩阵进行对应相乘再求和运算，转化得到新的矩阵。作用：快速定位图像中某些边缘特征英文：convolition将图片与轮廓滤波器进行卷积运算，可快速定位固定轮廓特征的位置卷积神经网络的核心计算机根据样本图片，自动寻找合适的轮廓过滤器，对新图片进行轮廓匹配自动求解W，寻找合适的过滤器一个过滤器不够，需要寻找很多过滤器池化层实现维度缩减池化：按照一个固定规则对图像矩阵进行处理

小旺不正经·2024-01-29 03:54

深度学习-卷积神经网络的结构&经典网络介绍

在深度学习领域，ReLU（修正线性单元）是目前使用较多的激活函数，主要原因是它收敛更快，同时它还解

AI_王布斯·2024-01-29 03:54

深度学习-卷积神经网络实现图像风格转换

盛夏，闲鱼式的生活也越发充满味道。烈日，在高高的天上散发着火炉的气息。小浪怀念着在海边度假的日子，但是内心的使命感把他拉回了现实。卷积神经网络可以实现图像风格的转换。小浪也来写个程序，实现下这个功能。完整代码地址：https://github.com/ADlead/StyleTransfer.git首先，在个人理解中，图像风格转换，原理大概如下：使用计算机去重构两张图片，在重构生成图像的过程中，把

寻风浪·2024-01-29 03:24

3D视觉专用名词概念解释，深度图、点云图、IR图、RGB图像

欢迎来到深度学习的世界博客主页：卿云阁欢迎关注点赞收藏⭐️留言本文由卿云阁原创！作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

卿云阁·2024-01-29 02:11

多模态融合的基础问题及算法研究

欢迎来到深度学习的世界博客主页：卿云阁欢迎关注点赞收藏⭐️留言本文由卿云阁原创！作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

卿云阁·2024-01-29 02:41

deformable convolutional networks

转自：点击打开链接上一篇我们介绍了：深度学习方法（十二）：卷积神经网络结构变化——SpatialTransformerNetworks，STN创造性地在CNN结构中装入了一个可学习的仿射变换，目的是增加

麦兜ppig·2024-01-29 02:11

Over-the-Air Deep Learning Based Radio Signal Classification

论文下载：OvertheAirDeepLearningBasedRadioSignalClassification摘要本文提出了基于深度学习的无线通信信号分类方法，并对其性能进行了研究。

2e07917c964c·2024-01-29 01:47

描绘未知：数据缺乏场景的缺陷检测方案

友思特机器视觉与光电·2024-01-29 01:30

推荐系统遇上深度学习(八十六)-[腾讯&微博]GateNet:使用门机制提升点击率预估效果

Gating-EnhancedDeepNetworkforClick-ThroughRatePrediction》下载地址为：https://arxiv.org/pdf/2007.03519.pdf1、背景深度学习在

文哥的学习日记·2024-01-29 00:47

自然语言处理中的注意力机制与Transformer架构

随着深度学习技术的发展，神经网络在自然语言处理领域取得了显著的进展。2017年，Vaswani等人提出了一种新的神经网络架构—

OpenChat·2024-01-29 00:24

PyTorch深度学习实战（32）——DCGAN详解与实现

PyTorch深度学习实战（32）——DCGAN详解与实现0.前言1.模型与数据集分析1.1模型分析1.2数据集介绍2.构建DCGAN生成人脸图像小结系列链接0.前言DCGAN(DeepConvolutionalGenerativeAdversarialNetworks

盼小辉丶·2024-01-28 23:44

PyTorch深度学习实战（33）——条件生成对抗网络(Conditional Generative Adversarial Network, CGAN)

PyTorch深度学习实战（33）——条件生成对抗网络0.前言1.条件生成对抗网络1.1模型介绍1.2模型与数据集分析2.实现条件生成对抗网络小结系列链接0.前言条件生成对抗网络(ConditionalGenerativeAdversarialNetwork

盼小辉丶·2024-01-28 23:12

论文学习记录之Deep-learning seismic full-waveform inversion for realistic structuralmodels

一、ABSTRACT—摘要标题：Deep-learningseismicfull-waveforminversionforrealisticstructuralmodels（用于真实结构模型的深度学习地震全波形反演

摘星星的屋顶·2024-01-28 22:23

2024年1月13日~2024年1月19日（研读论文、了解语义分割）

另外，在B站寻找视频了解了语义分割任务逻辑、深度学习一些概念等。

摘星星的屋顶·2024-01-28 22:22

2023年1月20日-2024年1月26日（阅读SeisInvNet加强版、调整参数）

二、SeisInvNet标题：Deep-learningseismicfull-waveforminversionforrealisticstructuralmodels（用于真实结构模型的深度学习地震全波形反演

摘星星的屋顶·2024-01-28 22:51

计算机毕业设计：python车牌识别系统 Django框架深度学习 CNN算法（源码） ✅

1、项目介绍1、关键词：Python语言、TensorFlow、卷积神经网络CNN算法、PyQt5界面、Django框架、深度学习包含：训练

q_3548885153·2024-01-28 22:20

大数据毕业设计：Python人脸识别门禁系统深度学习 Dlib模块 Pyqt5界面数据库（源码）✅

毕业设计：2023-2024年计算机专业毕业设计选题汇总（建议收藏）毕业设计：2023-2024年最新最全计算机专业毕设选题推荐汇总感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业。1、项目介绍技术栈：Python语言、dlib人脸识别模块、OpenCV图像处理库、Pyqt5框架界面设计、sqlite3数据库Pychar

q_3548885153·2024-01-28 22:48

第1周学习：深度学习和pytorch基础

第1周学习：深度学习和pytorch基础01-绪论一、机器学习简介二、几种学习模型三、名词解释02-神经网络基础一、为什么说神经网络是黑盒的？

随风漂流l·2024-01-28 21:03

深度学习学习率

目录1什么是学习率2学习率对网络的影响3学习率的设置3.1分段常数衰减（PiecewiseDecay）3.2指数衰减（ExponentialDecay）3.3自然指数衰减（NaturalExponentialDecay）3.4多项式衰减（PolynomialDecay）3.5间隔衰减（StepDecay）3.6多间隔衰减（MultiStepDecay）3.7逆时间衰减（InverseTimeDec

意念回复·2024-01-28 21:33

深度学习参数调整—学习笔记

文章目录概念参数和超参数超参数分类欠拟合和过拟合学习率（learningrate）epoch批次大小（batch_size）step参考资料概念训练机器学习算法的主要目的是调整权重以最小化损失或成本。这个成本衡量模型的效果，可以找到产生最佳模型性能的最佳参数。参数和超参数参数：由数据驱动调整，例如：卷积核的核参数。超参数：不需要数据驱动，在训练前或者训练中人为的进行调整，例如：学习率，卷积核数量、

studyeboy·2024-01-28 21:32

差分隐私深度学习_深度学习中的差异隐私

差分隐私深度学习IwouldliketothankMr.AkshayKulkarniforguidingmeonmyjourneyinpublishingmyfirst-everarticle.我要感谢

weixin_26722031·2024-01-28 21:32

【深度学习】sdxl中的 tokenizer tokenizer_2 区别

代码仓库：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/tree/main截图：为什么有两个分词器tokenizer和tokenizer_2？在仔细阅读这些代码后，我们了解到tokenizer_2主要是用于refiner模型的。#Loadtexttokenizer(s)ifnotself.pipeline_type.

XD742971636·2024-01-28 21:59

在深度学习中，epoch和learning rate的通常取值范围？

在深度学习中，epoch和学习率的取值确实会根据不同的任务、数据集和模型架构有所不同。然而，您提到的范围是一些常见的经验性取值，这些取值在很多情况下都能工作得相当好。

小桥流水---人工智能·2024-01-28 21:29

神经架构搜索与图像生成：创造新的艺术形式

1.背景介绍随着深度学习技术的发展，神经网络在图像生成领域取得了显著的进展。图像生成的主要目标是通过训练有误的神经网络，生成与训练集中的图像相似的新图像。

OpenChat·2024-01-28 20:17

读《深度学习：走向核心素养》

3确定单元学习主题有三个关键步骤第一步是分析课程标准及教材内容，梳理单元内容结构，找出单元学习内容；第二步是对学生已有的知识、关键能力、学科观念、生活经验、思路方法等方面进行探查、分析和诊断，并在此基础上筛选单元学习内容，初定单元学习主题；第三步是结合相关信息来多方论证，辨析单元学习的价值，最终确定单元学习主题。论证是一个重要的环节，一个单元学习主题的水平高低，主要看主题与课程标准的一致程度及其价

qingqianshiguan·2024-01-28 20:09

【深度学习基础】什么是卷积？为什么要用卷积？

什么是卷积？为什么要用卷积？（一）卷积的原理：1.卷积核：2.卷积层参数：2.1卷积核数：2.2卷积核的大小：2.3步长：2.4填充：3.池化层：3.1最大池化层（maxpooling）：3.2均值池化层（averagepooling）：（二）卷积的作用：1.减少参数量：

BIT可达鸭·2024-01-28 19:18

大厂面经|NLP 算法实习岗，对我后续找工作太重要了！

1、平安科技1.自我介绍；2.主要用过哪些深度学习框架（Pytorch）；3.介绍自己的论文和项目；4.什么是元学习（项目和论文

深度学习算法与自然语言处理·2024-01-28 19:39

《动手学深度学习(PyTorch版)》笔记4.9

Chapter4MultilayerPerceptron4.9EnvironmentandDistributionShift4.9.1TypesofDistributionShift在一个经典的情景中，假设训练数据是从某个分布pS(x,y)p_S(\mathbf{x},y)pS(x,y)中采样的，但是测试数据将包含从不同分布pT(x,y)p_T(\mathbf{x},y)pT(x,y)中抽取的未标

南七澄江·2024-01-28 18:44

深入理解Transformer模型1

一、简述：transformer是深度学习中极为重要的一种模型。它由编码器(Encoder)和解码器(Decoder)两部分组成。

KDtery35·2024-01-28 18:36

深入了解Transformer架构

1.背景介绍1.背景介绍自2017年的AttentionisAllYouNeed论文发表以来，Transformer架构已经成为深度学习领域的一大突破。

OpenChat·2024-01-28 18:06

基于深度学习的目标检测入门：Faster R-CNN，YOLO，SSD

在学习深度学习的过程中，经常弹出不同的算法名称，同样是做目标检测的，每篇论文给出了不同的方式，这些算法之间到底有什么区别？目标检测算法有哪些？

Real_man·2024-01-28 18:48

自然语言处理（NLP）领域的应用和发展历程

随着深度学习和大数据技术的不断进步，自然语言处理（NLP）领域已经取得了显著的成果。从简单的文本分类到复杂的机器翻译，NLP技术正在不断突破，为人工智能领域带来更多可能性。

白话Learning·2024-01-28 17:47

推荐频道

深度学习yolov3