目标检测网络模型第10页

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

目标检测算法训练数据准备——Penn-Fudan数据集预处理实例说明（附代码）

本文以Penn-Fudan数据集预处理为例，说明用于目标检测算法训练的数据集的预处理方法及过程。因为要给目标检测算法进行训练，需

使者大牙·2024-01-31 15:00

YOLO系列（YOLO1-YOLO5）技术规格、应用场景、特点及性能对比分析

文章目录前言一、YOLOv1-YOLOv5技术规格对比：二、主要应用场景和特点：三、性能对比分析：四、市场应用前景及对不同用户群体的潜在影响：总结前言YOLO（YouOnlyLookOnce）系列模型作为一种实时目标检测算法

白话Learning·2024-01-31 12:15

【论文解读】CoFF: Cooperative Spatial Feature Fusion for 3D Object Detection on Autonomous Vehicles

CoFF摘要引言CoFF方法实验结论摘要为了减少传输的数据量，最近提出了一种基于特征图的融合方法，作为自动驾驶汽车协同三维目标检测的实用解决方案。

我叫两万块·2024-01-31 12:51

工具系列(二) 解读使用VSCode与PyCharm连接远程服务器并创建容器进行代码调试

小酒馆燃着灯·2024-01-31 11:16

像素级别图像级别区域级别的疑问

这种处理方式更为宏观，常用于图像分类、目标检测、图像分割等任务中。在这种处理方式中，更多的关注的是

：）�东东要拼命·2024-01-31 11:13

深度学习之卷积神经网络

这训练量是很惊人的.卷积神经网络使用权值共享网络结构,降低了网络模型的复杂度，减少了权值的数量。卷积网络的“前世今生”卷积网络是一个生物神经网络.其的结论来源于一只猫.D.H.Hubel和T.N.Wi

懒猫gg·2024-01-31 10:35

08-IF8+:纯生信利用神经网络模型从胶质瘤的影像学数据中提取特征并建模

胶质瘤是常见的中枢神经系统(CNS)浸润性肿瘤，影响所有年龄的患者。它们被世界卫生组织细分为四个等级(I-IV级)。所有低级别胶质瘤(WHOII级和III级，LGGs)患者中超过半数最终将经历肿瘤复发。III级胶质瘤的5年生存率为27.3%-52.2%，这具体取决于它们的亚型。IV级胶质瘤的5年生存率仅为5%。胶质瘤中IDH突变的存在具有重要的诊断和预后价值。具有IDH1突变的胶质瘤(或其同源的I

AAA肿瘤信息学王协·2024-01-31 09:53

DeepSORT算法实现车辆和行人跟踪计数和是否道路违规检测（代码＋教程）

DeepSORT算法通过首先使用目标检测算法来识别出场景中的车辆和行人，然后使用卷积神经网络（CNN）来提取物体的特征。

毕设阿力·2024-01-31 09:08

yolov5 deepsort 行人/车辆（检测 +计数+跟踪+测距+测速）

YOLOv5和DeepSORT是两种常用的计算机视觉技术，它们可以结合使用以实现行人和车辆的目标检测和跟踪。这种技术在交通监控、智慧城市等领域中具有广泛的应用。

毕设阿力·2024-01-31 09:37

yolov8+多算法多目标追踪+实例分割+目标检测+姿态估计

YOLOv8是一种先进的目标检测算法，结合多种算法实现多目标追踪、实例分割和姿态估计功能。该算法在计算机视觉领域具有广泛的应用。

毕设阿力·2024-01-31 09:06

TensorFlow2实战-系列教程12：RNN文本分类4

TensorFlow2实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在JupyterNotebook中进行本篇文章配套的代码资源已经上传8、压缩版本网络模型classModel(tf.keras.Model

机器学习杨卓越·2024-01-31 07:40

pytorch 优化训练显存方式

一般在训练神经网络时，显存主要被网络模型和中间变量占用。网络模型中的卷积层，全连接层和标准化层等的参数占用显存，而诸如激活层和池化层等本质上是不占用显存的。

图 (TU商兴)·2024-01-31 07:20

Focaler-IoU开源，关注困难样本，YOLOv5涨点1.9%，YOLOv8涨点0.3%

YOLOv8再涨点0.3%论文链接：https://arxiv.org/abs/2401.10525代码链接：https://github.com/malagoutou/Focaler-IoU导读：在目标检测领域

wuling129·2024-01-31 07:40

作者导读：Focaler-IoU: 更加聚焦的IoU损失

论文地址：Focaler-IoU:MoreFocusedIntersectionoverUnionLoss代码：GitHub摘要：边框回归在目标检测领域扮演着关键角色，目标检测的定位精度很大程度上取决于边框回归损失函数

剁椒狗头·2024-01-31 07:07

Focaler-IoU：更聚焦的IoU损失

摘要边界框回归在目标检测领域中起着至关重要的作用，而目标检测的定位精度在很大程度上取决于边界框回归的损失函数。

AI浩·2024-01-31 07:32

Opencv + MediaPipe -＞手势识别

、概述OpenCV（OpenSourceComputerVisionLibrary）是一个跨平台的计算机视觉库，它提供了许多用于图像和视频处理的功能，包括图像和视频的读取、预处理、特征提取、特征匹配、目标检测等

大大Cameo·2024-01-31 06:51

用树莓派4b构建深度学习应用（九）Yolo篇

imageimage目标检测是人工智能应用比较成熟的领域，不仅要能够识别出图片的目标，还要定位其位置，在自动驾驶方面会是一个基础的场景。

bluishfish·2024-01-31 01:58

基于TCP的BIO网络消息收发Demo

BIO网络模型-来自imooc网，侵删基本设计思路在服务端和客户端分别创建两个线程，用于消息收发。

行也成文·2024-01-30 20:41

【网络】：网络基础

2.OSI模型为了保证远程传输数据的可靠性，从而提出了OSI模型OSI（OpenSystemInterconnection，开放系统互连）七层网络模型称为开放式系统互联参

菜花籽·2024-01-30 20:35

技术分享 | 常见接口协议解析

上述的三种类型的协议都处于网络模型中的应用层。除了应用层的常用协议之外，对于传输层的TCP、UDP协议，以及Restful架构风格、RPC协议等等基础网络知识要有一定的了解和认知。网络协议介绍

测试小迷糊·2024-01-30 19:27

PyTorch动态计算图构建的详细过程和代码

当用户定义了一个继承自nn.Module的神经网络模型，并通过调用model.forward(input)进行前向传播时，PyTorch会根据执行的张量操作序列自动构建并维护一个动态计算图，其中的详细过程是

科学禅道·2024-01-30 18:42

基于paddlepaddle的yolo基本实现

YOLO是一种流行的实时目标检测算法，它以其速度和准确性而闻名。我们将使用ResNet18作为骨干网络，并一步步构建整个模型。

繁星意未平·2024-01-30 15:37

4D毫米波雷达——ADCNet 原始雷达数据目标检测与可行驶区域分割

前言本文介绍使用4D毫米波雷达，基于原始雷达数据，实现目标检测与可行驶区域分割，它是来自2023-12的论文。会讲解论文整体思路、输入分析、模型框架、设计理念、损失函数等，还有结合代码进行分析。

一颗小树x·2024-01-30 12:50

4D毫米波雷达分类和工程实现

4D毫米波目标检测信息丰富，可获得目标3维位置信息、径向速度vr和rcs等，能够对目标准确分类。4D毫米波和激光做好时空同步，可以用激光目标给4D毫米波做标注，提升标注效率。

奔袭的算法工程师·2024-01-30 12:28

从零开始训练 RT-DETR模型最新版本教程说明（包含Mac、Windows、Linux端）同之前的项目版本代码有区别

芒果汁没有芒果·2024-01-30 10:43

YOLOV5s行人识别改进引入CoT模块及SIOU损失函数

行人目标检测是机器视觉的一项重要课题，早就已经引起了国内外学者广泛的研究。

deleteeee·2024-01-30 08:25

分类预测 | Matlab实现SCN-Adaboost随机配置网络模型SCN的Adaboost数据分类预测/故障识别

分类预测|Matlab实现SCN-Adaboost随机配置网络模型SCN的Adaboost数据分类预测/故障识别目录分类预测|Matlab实现SCN-Adaboost随机配置网络模型SCN的Adaboost

机器学习之心·2024-01-30 08:18

PyTorch的nn.Module类的详细介绍

在PyTorch中，nn.Module类是构建神经网络模型的基础类，所有自定义的层、模块或整个神经网络架构都需要继承自这个类。

科学禅道·2024-01-30 07:39

TensorFlow2实战-系列教程9：RNN文本分类1

JupyterNotebook中进行本篇文章配套的代码资源已经上传1、文本分类任务1.1文本分类数据集构建：影评数据集进行情感分析（分类任务）词向量模型：加载训练好的词向量或者自己去训练一个词向量模型都可以序列网络模型

机器学习杨卓越·2024-01-30 07:56

计算机视觉的基本概念和技术有哪些?

目标检测和识别：这是识别图像中特定对象的过程，例如使用Haar级联、R-CNN、YOLO等技术。深度学习：这是一种强大的机器学习技术，被广泛

shanshan2099·2024-01-30 05:44

Redis面试题35

答：深度学习是机器学习的一个分支，主要基于神经网络模型，通过多层次的神经元网络进行学习和推断。深度学习与传统机器学习的区别在于其模型的结构和学习方法。

CrazyMax_zh·2024-01-30 01:08

深度学习技巧应用34-在多台服务器资源下数据并行分布式训练神经网络模型的应用技巧

大家好，我是微学AI，今天给大家介绍一下深度学习技巧应用34-在多台服务器资源下数据并行分布式训练神经网络模型的应用技巧,本文将帮助大家理解多台服务器资源的数据并行分布式训练神经网络模型的过程，数据并行训练是一种在多个处理器上并行训练卷积神经网络模型的方法

微学AI·2024-01-29 22:11

【深度学习：目标检测】深度学习中目标检测模型、用例和示例

【深度学习：目标检测】深度学习中目标检测模型、用例和示例什么是物体检测？

jcfszxc·2024-01-29 20:30

目标检测数据集 - 人头检测数据集下载「包含VOC、COCO、YOLO三种格式」

数据集介绍：人头检测数据集，真实场景高质量图片数据，涉及场景丰富，比如课堂行人数据、街景行人数据、车站行人数据、商场行人数据、密集行人数据、超密集行人数据、遮挡行人数据、严重遮挡行人数据等；适用实际项目应用：监控场景下人头检测项目，以及作为监控场景通用人头检测数据集场景数据的补充；标注说明：采用labelimg标注软件进行标注，标注质量高，提供VOC(xml)、COCO(json)、YOLO(tx

极智视界·2024-01-29 18:56

YOLOv5模型简述

二、网络模型模型主要结构分为：Input、Backbone、Neck、Head整体

禄亿萋·2024-01-29 16:56

网络:初识

七层模型TCP/IP五层(或四层)模型网络传输的基本流程1.网络传输流程图2.数据包封装和分用网络中的地址管理OSI七层模型OSI（OpenSystemInterconnection，开放系统互连）七层网络模型称为开放式系统互联参考模型

ZY--920·2024-01-29 14:05

Deeplab系列语义分割模型

目录一、网络模型1.deeplabv12.deeplabv23.deeplabv34.deeplabv3+二、空洞卷积三、代码实现总结一、网络模型1.deeplabv1深度卷积神经网络（DCNN）和条件随机场

CPones·2024-01-29 14:57

通俗易懂理解MobileNet网络模型

温故而知新，可以为师矣！一、参考资料详细且通俗讲解轻量级神经网络——MobileNets【V1、V2、V3】MobileNetv1和MobileNetv2二、MobileNetv1原始论文：[1]MobileNet网络详解【深度学习】轻量化CNN网络MobileNet系列详解MobileNetV1图像分类1.MobileNetv1创新点MobileNetv1是专注于移动端或者嵌入式设备这种计算量不

花花少年·2024-01-29 13:54

经典的语义分割(semantic segmentation)网络模型（综合篇）

重要说明：本文从网上资料整理而来，仅记录博主学习相关知识点的过程，侵删。一、参考资料Imagesegmentation二、语义分割相关介绍1.基础的语义分割架构project_summaryConvolutionalencoder-decoderarchitectureofpopularSegNetmodel.主流的语义分割网络大都是基于Encoder-Decoder结构的。在很多情况下，这些语义

花花少年·2024-01-29 13:23

语义分割DeepLab v1/v2/v3系列网络模型

一、参考资料经典的语义分割(semanticsegmentation)网络模型二、DeepLab系列网络模型1.DeepLabv1原始论文：[1]DeepLabV1网络简析bilibili视频讲解：DeepLabV1

花花少年·2024-01-29 13:51

目标检测算法改进系列之添加SCConv空间和通道重构卷积

SCConv-空间和通道重构卷积SCConv（空间和通道重构卷积）的高效卷积模块，以减少卷积神经网络（CNN）中的空间和通道冗余。SCConv旨在通过优化特征提取过程，减少计算资源消耗并提高网络性能。该模块包括两个单元：1.空间重构单元（SRU）：SRU通过分离和重构方法来减少空间冗余。2.通道重构单元（CRU）：CRU采用分割-变换-融合策略来减少通道冗余。论文地址：SCConv:Spatial

我悟了-·2024-01-29 13:01

剑指RT-DETR改进主干EfficientNet模型：重新思考卷积神经网络的模型扩展，使得RT-DETR目标检测模型高效涨点

本篇内容：剑指RT-DETR改进主干EfficientNet模型：重新思考卷积神经网络的模型扩展，YOLO系列高效涨点CSDN芒果汁没有芒果：RT-DETR最新首发创新点改进源代码！！本博客改进源代码改进适用于RT-DETR按步骤操作运行改进后的代码即可论文地址：https://arxiv.org/pdf/1905.11946.pdfEfficientNet论文理论部分+原创最新改进RT-DETR

芒果汁没有芒果·2024-01-29 11:52

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

传统的目标检测算法主要通过人工设计与纹理、颜色和形状相关的特征来进行目标区域特征的提取。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

RNN预测下一句文本简单示例

RNN（RecurrentNeuralNetwork，循环神经网络）是一种用于处理序列数据的强大神经网络模型。与传统的前馈神经网络不同，RNN能够通过其循环结构捕获序列内部的时间依赖性或顺序信息。

木下瞳·2024-01-29 08:43

PyTorch复现网络模型VGG

VGG原论文地址：https://arxiv.org/abs/1409.1556VGG是VisualGeometryGroup（视觉几何组）的缩写，它是一个在计算机视觉领域中非常有影响力的研究团队，主要隶属于牛津大学的工程系和科学系。VGG以其对卷积神经网络（ConvolutionalNeuralNetworks,CNNs）结构的研究而闻名，特别是在ILSVRC（ImageNetLargeScal

DogDaoDao·2024-01-29 08:13

【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？

风度78·2024-01-29 08:49

小世界网络 | 小世界网络（Python）

概述小世界网络是一种网络模型，用于描述网络中节点之间的连接方式。它是基于"六度分隔理论"提出的，该理论认为任意两个人之间的联系最多通过六个中间人来实现。

算法如诗·2024-01-29 07:52

Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather

在晴朗天气下训练的目标检测模型在大雾天气下可能由于域间隙而不够有效。本文提出了一种新的雾天自动驾驶领域自适应目标检测框架。我们的方法利用图像级别和对象级别的自适应来减少图像风格和对象外观的领域差异。

暗魂b·2024-01-29 06:21

推荐频道

目标检测网络模型