神经网络+图像处理

深度学习5 神经网络、参数初始化

一、模型保存与加载1、序列化方式保存方式：torch.save(model,"model.pkl")打开方式：model=torch.load("model.pkl",map_location="cpu")importtorchimporttorch.nnasnnclassMyModle(nn.Module):def__init__(self,input_size,output_size):su

今天又是学习·2025-03-26 10:23

深度学习中常见的权重参数初始化方法

问题：对于深度神经网络来说，这种方法不可取。因为如果所有权重都初始化为相同的值（如零），所有神经元在每一层的输出和梯度都会相同

真以为Sophie是猪啊·2025-03-26 09:52

探索CF-Loss：视网膜多类血管分割与测量的新视角

探索CF-Loss：视网膜多类血管分割与测量的新视角引言在医学图像处理领域，精确的图像分割和特征测量对于准确诊断和治疗方案制定至关重要。

RockLiu@805·2025-03-26 06:24

使用卷积神经网络对图像处理

transforms.Grayscale()是用于图片处理时简化通道数与特征。transforms.Normalize(mean=[0.61427461],std=[0.24995622])这一步的作用对图像数据进行归一化处理。归一化通常将图像的像素值从原始范围（通常是[0,255]）转换到一个标准化的范围（通常是[-1,1]或[0,1]），同时根据给定的均值(mean)和标准差(std)进行标准

RockLiu@805·2025-03-26 06:53

Python图像处理PIL库安装与使用

安装和使用Pillow库（PIL的现代版本）进行图像处理非常简单。下面我将详细介绍如何安装Pillow库以及提供一些基本的图像处理示例。安装Pillow打开命令提示符或终端。

范哥来了·2025-03-26 05:48

农业无人机：无人机图像处理_（5）.无人机图像在精准农业中的应用

无人机图像在精准农业中的应用1.引言在精准农业中，无人机图像处理技术发挥着重要作用。通过无人机采集的高分辨率图像，农民和农业研究人员可以实时监测作物生长情况、土壤湿度、病虫害状况等，从而实现精准管理。

zhubeibei168·2025-03-26 04:38

MATLAB 2024b深度学习工具箱新特性全面解析与DeepSeek大模型集成开发：卷积神经网络、迁移学习算法、时间卷积网络、生成式对抗网络、自编码器、目标检测YOLO模型、语义分割、注意力机制等

随着人工智能技术的飞速发展，其与多学科的交叉融合以及在工程实践领域的纵深拓展已成为时代潮流。在这一背景下，MATLAB2024b深度学习工具箱应运而生，凭借架构创新与功能强化，为科研工作者提供了一套全栈式的科研创新与行业应用解决方案，具有重要的时代意义。本教程紧密围绕该版本工具链的三大革新方向展开，致力于助力科研工作者在深度学习领域取得突破性进展。首先，构建了覆盖经典模型与前沿架构的体系化教程，从

WangYan2022·2025-03-26 03:06

《Python实战进阶》第32集：使用 TensorFlow 构建神经网络

第32集：使用TensorFlow构建神经网络摘要TensorFlow是一个功能强大的深度学习框架，广泛应用于构建和训练神经网络模型。

带娃的IT创业者·2025-03-26 01:46

OpenCV 基础全方位剖析：夯实计算机视觉开发根基

无论是在前沿的学术研究，还是在蓬勃发展的工业界，OpenCV凭借其强大的功能与高效的性能，为开发者提供了丰富的图像处理和计算机视觉算法，助力无数项目落地。

2201_75491841·2025-03-26 00:09

快速了解Transformer与循环神经网络（LSTM/RNN）的区别

Transformer与循环神经网络（LSTM/RNN）的区别关键差异总结：并行性：Transformer的全局并行计算大幅提升训练效率，而RNN/LSTM受限于序列顺序。

Panesle·2025-03-25 23:30

Illustrator（AI）CS6 - 2025 软件安装包+安装教程

该软件主要应用于印刷出版、海报书籍排版、专业插画、多媒体图像处理和互联网页面的制作等，也可以为线稿提供较高的精度和控制，适合生产任何小型设计到

初心领域·2025-03-25 22:25

Python深度学习框架：用神经网络预测股市，科学or玄学？

小伙伴们，今天我们不谈K线，不谈MACD，我们来聊聊如何用Python的深度学习框架，让神经网络帮你"算命"——啊不，是预测股市走势！

西蒙斯.果·2025-03-25 22:24

6 卷积神经网络实现MNIST手写数字识别

代码实现了基本的CNN共两层神经网络，包括两层卷积层两层池化层使用的数据集为单通道28*28像素的MNIST数据集，共10个标签训练集可直接在代码里下载代码模块如下：importtorchfromtorchimportnnfromtorch.utils.dataimportDataLoaderfromtorchvisionimportdatasets

机械专业搞视觉的小白·2025-03-25 21:18

基于Python卷积神经网络的Mnist手写数字识别

使用卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）来解决手写数字识别问题，不

2301_79809972·2025-03-25 20:12

PyTorch 深度学习实战（8）：Transformer 与机器翻译（基于本地中英文文本文件）

在上一篇文章中，我们探讨了循环神经网络（RNN）及其在文本分类中的应用。

进取星辰·2025-03-25 18:58

opencv二值化详解

二值化是图像处理中最常用的方法之一，它的目的是将一个像素点从灰度图像转变成彩色图像。可以说二值化是一种常用的图像处理技术。

菩提本无树007·2025-03-25 15:01

神经网络解决非线性二分类

这份Python代码实现了一个简单的神经网络，用于解决复杂的非线性二分类问题。具体步骤包含生成数据集、定义神经网络模型、训练模型、测试模型以及可视化决策边界。

欣然～·2025-03-25 12:37

纯VM一些让操作解放自己

(方便配置文件和存图放在该位置)4.图像处理的结果统筹脚本.5.运行计数.

虚假程序设计·2025-03-25 08:12

一个简单的人脸识别demo

使用face_recognition和OpenCV库完成人脸检测和识别任务：#导入必要的库importcv2#OpenCV库，用于图像处理importface_recognition#人脸识别库importnumpyasnp

Rainly2000·2025-03-25 08:10

模型量化的原因和方法

在神经网络中，每个神经元与其前一层神经元之间的连接都有一个对应的权重。作用：权重决定了输入数据对最终输出的

潇湘馆记·2025-03-25 06:27

MATLAB图像处理：64级小波变换与边缘检测实战

本文还有配套的精品资源，点击获取简介：小波变换是数字信号处理中强大的工具，特别适用于图像分析和处理。本资料包着重探讨如何利用MATLAB进行64级小波变换以实现图像的方向性和边缘检测。通过分析小波变换的多分辨率特性以及其在提取图像细节和边缘信息中的优势，本课程将指导学生通过实际操作步骤，包括图像加载、小波分解、边缘定位及图像重构，来掌握小波变换和边缘检测算法。学生将学习如何使用MATLAB中的wa

ELSON麦香包·2025-03-25 05:48

Momentum优化器的超参数调优方法

Momentum优化器的超参数调优方法1.背景介绍在深度学习领域，优化器是训练神经网络的关键组件之一。优化器的选择和调优直接影响模型的收敛速度和最终性能。

AI天才研究院·2025-03-25 03:34

MarsCode AI为什么适合教育场景

在教育场景中展现出独特优势，其技术架构与功能设计精准契合教学需求，具体优势如下：‌一、个性化学习支持‌‌动态难度调节‌根据学生代码提交历史自动调整题目难度（新手→专家模式），匹配不同学习阶段需求‌13利用LSTM神经网络预测知识盲点

test猿·2025-03-25 03:32

100天成为人工智能专家--野生技术协会总舵主：揭秘人工智能：从智慧城市到生成式革命，探索那些我们或许忽视的微妙变化

智慧城市里的AI就像无形的神经网络，从联想为颐和园打造的智慧云平台，到蜜度构建的“

熵减画眉·2025-03-25 01:18

奔驰引入人形机器人，释放AI机器人产业信号

奔驰引入人形机器人，释放AI机器人产业信号原创数字少年FrankFrank的神经网络2025年03月24日00:14日本Apptronik×Mercedes-Benz联手2024年3月15日，美国人形机器人公司

强化学习曾小健·2025-03-24 21:49

深度学习：让机器学会“思考”的魔法

1.定义：机器的“大脑”2.核心思想：从数据中“悟”出规律二、深度学习的“大脑”结构：神经网络1.神经元：深度学习的基本单元2.神经网络：多层“神经元”的组合3.深度：为什么需要多层？

AI极客Jayden　·2025-03-24 18:50

群体智能优化算法-模拟退火优化算法（Simulated Annealing, SA，含Matlab源代码）

SA具有收敛速度快、计算复杂度低、适用于连续优化问题等特点，被广泛应用于组合优化、函数优化、神经网络训练等领域。算法介绍1.主要

HR Zhou·2025-03-24 17:17

OpenCV 基础模块 Python 版

OpenCV基础模块权威指南（Python版）一、模块全景图plaintextOpenCV架构(v4.x+)├─核心层│├─core：基础数据结构与操作（Mat/Scalar/Point）│└─imgproc：图像处理流水线

ice_junjun·2025-03-24 15:31

2025年第二届机器学习与神经网络国际学术会议(MLNN 2025)

重要信息官网：www.icmlnn.org时间：2025年4月22-24日地点：中国-重庆简介2025年第二届机器学习与神经网络国际学术会议（MLNN2025）围绕学习系统与神经网络的核心理论、关键技术和应用展开讨论

分享学术科研与论文的禁小默·2025-03-24 14:19

目前常用的机器视觉工具库总结，选一个适合自己的机器视觉库才是最好的。

提供强大的图像处理、模式匹配、OCR和3D视觉功能。优点：高性能，适合复杂的工业应用。提供图形化编程界面（HDevelop），用户友好。支持多种硬件设备（如相机、采集卡）。

yuanpan·2025-03-24 12:41

万字深度解析：DeepSeek-V3为何成为大模型时代的“速度之王“？

其MoE架构中2048个专家的动态协作，恰似人脑神经网络的模块化运作——每个专家不再是被动执行计算的"劳工"，而是具

羊不白丶·2025-03-24 07:55

神经网络中层与层之间的关联

数据流动与参数传递1.1数据流动（ForwardPropagation）1.2参数传递（BackwardPropagation）2.常见层与层之间的关联模式2.1典型全连接网络（如手写数字分类）2.2卷积神经网络

iisugar·2025-03-24 06:40

Pytorch深度学习教程_9_nn模块构建神经网络

在前面的几篇中，我们已经介绍了Python、numpy及pytorch的基本使用，进行了梯度及神经网络的实践并学习了激活函数和激活函数，在上一个教程中我们学习了优化算法。

tRNA做科研·2025-03-24 06:08

图神经网络实战——分层自注意力网络

图神经网络实战——分层自注意力网络0.前言1.分层自注意力网络1.1模型架构1.2节点级注意力1.3语义级注意力1.4预测模块2.构建分层自注意力网络相关链接0.前言在异构图数据集上，异构图注意力网络的测试准确率为

盼小辉丶·2025-03-24 05:32

基于 PyTorch 的 MNIST 手写数字分类模型

一、概述本代码使用PyTorch框架构建了一个简单的神经网络模型，用于解决MNIST手写数字分类任务。

欣然～·2025-03-24 04:27

机器学习——分类、回归、聚类、LASSO回归、Ridge回归（自用）

纠正自己的误区：机器学习是一个大范围，并不是一个小的方向，比如：线性回归预测、卷积神经网络和强化学都是机器学习算法在不同场景的应用。

代码的建筑师·2025-03-24 02:02

【深度学习与大模型基础】第7章-特征分解与奇异值分解

一、特征分解特征分解（EigenDecomposition）是线性代数中的一种重要方法，广泛应用于计算机行业的多个领域，如机器学习、图像处理和数据分析等。

lynn-66·2025-03-23 23:37

【论文阅读】Persistent Homology Captures the Generalization of Neural Networks Without A Validation Set

将神经网络表征为加权的无环图，直接根据模型的权重矩阵构造PD。计算相邻batch的权重矩阵PD之间的距离。

开心星人·2025-03-23 22:34

卷积神经网络 - 理解卷积核的尺寸 k×k×Cin

卷积神经网络中，每个卷积核的尺寸为k×k×Cin，这一设计的核心原因在于多通道输入的数据结构和跨通道特征整合的需求。

谦亨有终·2025-03-23 22:26

【第1章＞第6节】CMAC小脑模型神经网络的理论学习与MATLAB仿真

目录1.使用软件和版本2.CMAC小脑模型神经网络概述2.1CMAC网络结构2.2CMAC地址映射2.3学习过程3.CMAC网络的MATLAB编程实现4.分辨率，重叠度，学习率对CMAC网络的训练性能影响分析

fpga和matlab·2025-03-23 15:54

使用Jupyter Notebook进行深度学习编程 - 深度学习教程

深度学习是人工智能领域中的一项重要技术，通过模仿人脑神经网络的方式进行学习和分析。JupyterNotebook作为一个强大的工具，可以帮助我们轻松地进行深度学习编程，尤其适合初学者和研究人员。

shandianfk_com·2025-03-23 11:04

OpenCV 4.2.0与扩展模块安装与应用指南

本文还有配套的精品资源，点击获取简介：OpenCV4.2.0是一个先进的计算机视觉库，包含了图像处理、计算机视觉和机器学习算法。

土城三富·2025-03-23 08:35

OpenCV ML 模块使用指南

本指南将详细介绍该模块中主要的机器学习算法，包括支持向量机（SVM）、K均值聚类（K-Means）和神经网络（ANN），并结合图像分类和聚类分析这两个典型应用场景进行代码实现与解释。

ice_junjun·2025-03-23 07:02

强化学习中策略网络模型设计与优化技巧

II.策略网络的基本概念A.策略网络的定义策略网络是一种神经网络，它接受当前状态作为

数字扫地僧·2025-03-23 07:57

opencv对图像处理

形态学转换：基于图像形状的操作，通常在二进制图像上执行。腐蚀、膨胀：腐蚀：求局部最小值，原图高亮部分被蚕食膨胀：求局部最大值，原图高亮部分部分扩张img=cv.imread(path)kenel=np.ones((5,5),np.uint8)#创建核结构img2=cv.erode(img,kenel)#腐蚀去噪img1=cv.dilate(img,kenel)#膨胀目标增大，填充孔洞图像平滑（去噪

syfirst1111·2025-03-23 03:16

OpenCV图像处理基础2

接着上一篇OpenCV图像处理基础1继续说。

指尖下的技术·2025-03-23 03:43

卷积神经网络Batch Normalization的作用

BatchNormalization的作用（通俗版）1.像“稳定器”一样校准每层输入想象你在烤多层蛋糕，每层蛋糕的烘烤温度不同（相当于神经网络的每一层数据分布不同）。

arron8899·2025-03-23 03:11

一切皆是映射：实现神经网络的硬件加速技术：GPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）

文章目录一切皆是映射：实现神经网络的硬件加速技术：GPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）1.背景介绍2.核心概念与联系3.核心算法原理&具体操作步骤3.1算法原理概述3.2算法步骤详解

AI天才研究院·2025-03-23 02:36

给普通人看的深度学习说明书：用快递系统理解AI如何思考

的思维方式（快递版）1.1快递分拣站的故事假设你管理一个快递分拣站：传统方法：手动制定规则（比如根据邮编分拣）机器学习：观察老员工的分拣记录，总结规律深度学习：搭建自动分拣流水线，自主发现隐藏规则1.2神经网络就像智能分拣机传送带

嵌入式Jerry·2025-03-23 00:23

使用PyTorch搭建Transformer神经网络:入门篇

1.简介Transformer是一种强大的神经网络架构,在自然语言处理等多个领域取得了巨大成功。本教程将指导您使用PyTorch框架从头开始构建一个Transformer模型。

DASA13·2025-03-23 00:21

推荐频道