谱卷积

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

本文将深入探讨如何利用ArkTS语言开发一个高性能的图像处理应用，重点介绍图像卷积、边缘检测等核心算法的实现。我们将从理论基础出发，逐步构建一个完整的图像处理应用，并通过优化技巧提升性能。
·2025-03-16 00:16

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

本文将深入探讨如何利用ArkTS语言开发一个高性能的图像处理应用，重点介绍图像卷积、边缘检测等核心算法的实现。我们将从理论基础出发，逐步构建一个完整的图像处理应用，并通过优化技巧提升性能。
·2025-03-15 10:50

pytorch实现cifar10多分类总结

对于这个任务，可以使用深度学习模型，如卷积
L_pyu·2025-03-15 00:31

人工智能概念

深度学习、大模型机器学习提供框架，使得系统可以从数据中学习算法：线性回归、逻辑回归、支持向量机、决策树、随机森林、K近邻算法深度学习是实现这一目标的工具，模仿人脑，使用多层神经网络进行学习算法：多层感知器、卷积神经网络
zhangpeng455547940·2025-03-14 19:13

卷积神经网络可视化

卷积神经网络（CNN）的可视化是理解模型行为、调试性能和解释预测结果的重要工具。
天行者@·2025-03-14 13:25

基于YOLOv5的车牌识别系统：从数据集到UI界面的实现

近年来，随着深度学习技术的飞速发展，基于卷积神经网络（CNN）的目标检测算法，如YOLO（YouOn
深度学习&目标检测实战项目·2025-03-14 01:33

卷积神经网络中的卷积操作

1.什么是卷积操作？在卷积神经网络（CNN）中，卷积操作是一种数学运算，它的目的是从图像（或其他数据）中提取局部特征。
m0_61360701·2025-03-13 13:09

点云从入门到精通技术详解100篇-基于激光雷达点云的三维目标检测

2.1.2车载激光雷达2.2地面点云滤波算法2.2.1RANSAC算法2.2.2CSF算法本文篇幅较长，分为上下两篇，下篇详见基于激光雷达点云的三维目标检测（续）前言近几年来，在计算机视觉领域，利用深度学习卷积
格图素书·2025-03-13 13:08

卷积神经网络（CNN）详解：从原理到应用的全景解析

一、定义与核心特征卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种专为处理网格状数据（如图像、视频）设计的深度前馈神经网络，其核心特征包括：局部连接：卷积层神经元仅与输入数据的局部区域连接
彩旗工作室·2025-03-13 13:37

backbone和head分开转onnx的优势

模型转换为ONNX格式时，将其分成backbone和head两个部分，通常是出于以下原因：1.模块化设计backbone通常是模型的特征提取部分（例如卷积神经网络的主干部分），负责从输入数据中提取高级特征
yuweififi·2025-03-13 12:33

YOLOv8改进策略【注意力机制篇】| EMA 即插即用模块，提高远距离建模依赖（含C2f二次创新）

专栏目录：YOLOv8改进目录一览|涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Ne
Limiiiing·2025-03-13 06:14

【深度学习】从全连接层到卷积

从全连接层到卷积我们之前讨论的多层感知机十分适合处理表格数据，其中行对应样本，列对应特征。对于表格数据，我们寻找的模式可能涉及特征之间的交互，但是我们不能预先假设任何与特征交互相关的先验结构。
熙曦Sakura·2025-03-13 04:56

LeNet-5卷积神经网络详解

LeNet-5卷积神经网络详解1.历史背景LeNet-5是由YannLeCun等人在1998年提出的一种卷积神经网络架构，是深度学习领域的一个重要里程碑。
LChuck·2025-03-13 02:12

论文阅读 EEG-TCNet

AnAccurateTemporalConvolutionalNetworkforEmbeddedMotor-ImageryBrain–MachineInterfaces1.Intrduction本文提出了一种新颖的时间卷积网络
Plan-C-·2025-03-13 01:36

YOLOv12改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

必读内容船新的YOLOv12改进专栏~1️⃣什么！不知道如何改进模型⁉️本专栏所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行，性价比极高。2️⃣找不到合适的模块⁉️所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到YOLOv12中，并进行二次创新，新颖度高，创新度高，能够适应不同的任务场景。3️⃣不确定自己改进的步
Limiiiing·2025-03-13 00:27

Bottleneck、CSP、DP结构详细介绍

文章目录前言一、BottleneckDarknetBottleneck二、CSPCSP思想pp-picodet中的CSPLayerDP卷积前言本篇文章详细介绍了三种神经网络中常见的结构，bottleneck
CV工程师小朱·2025-03-12 17:45

SpectroDive‌ 12.1是一款专门为靶向蛋白质组学技术数据分析而开发的软件

它整合了PRM/MRM完整工作流程，包括建立分析panel、自动生成质谱设置方法、信号提取及定量。
软服之家·2025-03-12 16:36

【笔试面试】秒懂深度学习模型小型化：蒸馏法、剪枝…

紧凑模型设计：MobileNet的深度可分离卷积shufflenet的逐点群卷积(pointwisegroupconvolution)和通道混洗(channelshuffle)，前者通过分组卷积降低计算量
聊北辰同学·2025-03-12 11:08

9.3 智谱AI大模型生态爆发！中文准确率89.2%+代码生成67.3%，全面碾压GPT-4！

智谱AI大模型生态爆发！中文准确率89.2%+代码生成67.3%，全面碾压GPT-4！
少林码僧·2025-03-12 10:27

计算机视觉深度学习入门（4）

在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。
yyc_audio·2025-03-12 10:26

情感识别（Emotion Recognition）

深度学习方法：使用卷积神经网络（CN
路野yue·2025-03-12 08:10

【光流】——liteflownet论文与代码浅读

光流，liteflownetcode:mmflowCVPR20181.前言FlowNet2是最先进的光流估计卷积神经网络(CNN)，需要超过160M的参数来实现精确的流量估计。
农夫山泉2号·2025-03-12 06:00

量子计算基础数学

文章目录前言一、向量表示和向量运算向量的表示向量的运算二、线性算子和矩阵线性算子几个简单的常用算子三、特征值和特征向量谱分解（SpecialDecomposition）谱分解的作用四、张量积与迹向量的张量积矩阵的张量积张量积操作规则迹
诸葛思颖·2025-03-12 05:48

PointNet++改进策略 ：模块改进 | x-Conv | PointCNN， 结合局部结构与全局排列提升模型性能

目录前言PointCNN实现细节1.XXX-Conv操作输入输出步骤2.PointCNN网络架构层级卷积分类与分割任务3.数据增强4.效率优化前言这篇论文介绍了一种名为PointCNN的方法，旨在从点云
我是瓦力·2025-03-12 03:30

《自然语言处理实战入门》深度学习 ---- 预训练模型初探

文章大纲前言预训练模型简介语言表示学习神经上下文编码器为何需要预训练模型发展历史主流预训练模型预训练模型与分类将PTMs应用至下游任务微调策略未来研究方向参考文献前言随着深度学习的发展，各种神经网络被广泛用于解决自然语言处理(NLP)任务，如卷积神经网络
shiter·2025-03-12 02:21

机器学习中的谱方法（Spectral Methods）与核方法（Kernel Methods）

文章目录机器学习中的谱方法（SpectralMethods）与核方法（KernelMethods）1.谱方法（SpectralMethods）核心思想关键技术示例：谱聚类2.核方法（KernelMethods
Cachel wood·2025-03-12 01:44

基于PyTorch的深度学习5—神经网络工具箱

nn中已实现了绝大多数层，包括全连接层、损失层、激活层、卷积层、循环层等，这些层都是nn.Module的子类，能够自动检测到自己的Parameter，并将其作为学习参数，且针对GPU运行进行了cuDNN
Wis4e·2025-03-12 00:09

在pytorch中的卷积操作

卷积操作：#1.卷积核的输入通道数与输入数据的通道数保持一致，所以卷积核的对应通道与输入数据的对应通道进行卷积操作，以卷积核conv_i为例：#2.卷积核conv_i的对应通道与输入数据对应通道进行对应位置元素的乘法
FY_2018·2025-03-12 00:08

1.动手学习深度学习课程安排及深度学习数学基础

LeNetAlexNetVGGResNetLSTMBERT…机器学习基础损失函数，目标函数，过拟合，优化实践使用pytorch实现介绍的知识点在真实数据上体验算法效果内容深度学习基础——线性神经网络，多层感知机卷积神经网络
Unknown To Known·2025-03-11 21:09

【TVM教程】为 Mobile GPU 自动调优卷积网络

本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数（tile因子
·2025-03-11 19:35

深度学习pytorch之简单方法自定义9类卷积即插即用

本文详细解析了PyTorch中torch.nn.Conv2d的核心参数，通过代码示例演示了如何利用这一基础函数实现多种卷积操作。
@Mr_LiuYang·2025-03-11 19:53

深度学习PyTorch之数据加载DataLoader

深度学习pytorch之简单方法自定义9类卷积即插即用文章目录数据加载基础架构1、Dataset类详解2、DataLoader核心参数解析3、数据增强数据加载基础架构核心类关系图torch.utils.data
@Mr_LiuYang·2025-03-11 18:49

池化的定义与核心思想

一、池化的定义与核心思想定义：池化是卷积神经网络（CNN）中的一种下采样操作，用于降低特征图的空间维度（宽高），保留主要特征。核心目标：减少计算量：缩小特征图尺寸，降低后续层参数规模。
code 旭·2025-03-11 18:45

卷积神经网络（笔记01）

视觉处理三大任务：分类、目标检测、图像分割CNN网络主要有三部分构成：卷积层（ConvolutionalLayer）、池化层（PoolingLayer）和激活函数一、解释卷积层中的偏置项是什么，并讨论在神经网络中引入偏置项的好处
天行者@·2025-03-11 18:14

雨滴谱仪：准确掌握降水情况，助力道路维护

雨滴谱仪作为一种高精度、智能化的降水天气现象监测设备，凭借其独特的工作原理和卓越的性能，在实时监测道路降水情况方面发挥着重要作用。
tianhe8888_·2025-03-11 17:33

CV：傅里叶变换

主要概念频域表示幅值谱（MagnitudeSpectrum）：反映了各个频率成分的能量或强度。低频部分一般对应图像中的整体轮廓和大致结构，高频部分则反映图像的边缘、细节和噪声。
壹十壹·2025-03-11 16:26

PointPillars:数据预处理

在PointPillars算法中，将点云划分为点柱（Pillars）是核心步骤之一，用于将稀疏点云数据转换为规则的张量表示，方便后续2D卷积操作。
壹十壹·2025-03-11 16:55

【氮化镓】p-GaN HEMTs空穴陷阱低温冻结效应

文章通过电容深能级瞬态谱（C-DLTS）测试和理论模型分析，探讨了空穴陷阱对栅极漏电电流的影响。
北行黄金橘·2025-03-11 08:28

深度学习与普通神经网络有何区别？

例如，ResNet（2015）包含152个卷积层。二、特征学习方式普通神经网络：特征提取通常依赖人工设计，需要领域专家的经验。这意味着在处
是理不是里·2025-03-11 06:39

AI 技术 引入 RTK（实时动态定位）系统，可以实现智能化管理和自动化运行

AI解决方案：使用深度学习模型（如卷积神经网络CNN）预测整周模糊度。通过历史数据训练模型，实现快速解算。实例：某无人机公司使用A
小赖同学啊·2025-03-11 06:39

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结
苏小夕夕·2025-03-10 18:07

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。
@Mr_LiuYang·2025-03-10 16:25

深度学习在SSVEP信号分类中的应用分析

目录前言1.SSVEP信号分类的处理流程2.模型输入和数据预处理3.模型结构设计3.1卷积神经网络（CNN）3.2长短期记忆网络（LSTM）4.训练方法与激活函数5.性能评估与挑战6.未来方向前言随着脑机接口
自由的晚风·2025-03-10 12:00

PSPNet在图像超分辨率中的应用

近年来,随着深度学习的发展,基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的
AI天才研究院·2025-03-10 12:55

Pytorch 第九回：卷积神经网络——ResNet模型

Pytorch第九回：卷积神经网络——ResNet模型本次开启深度学习第九回，基于Pytorch的ResNet卷积神经网络模型。这是分享的第四个卷积神经网络模型。
Start_Present·2025-03-10 09:05

每天五分钟深度学习pytorch：基于Pytorch搭建ResNet模型的残差块

残差块我们分析一下这个残差块，x经过两个卷积层得到F(x)，然后F(x)+x作为残差块的输出，此时就有一个问题，这个问题就是F(x)+x的维度问题，如果图片数据经过两个卷积层之后F(x)变小（height
每天五分钟玩转人工智能·2025-03-10 08:59

基于CNN-BIGRU-Attention模型的功率预测（模型详解及代码复现）

整体架构基于CNN-BiGRU-Attention模型的功率预测模型是一种融合了卷积神经网络(CNN)、双向门控循环单元(BiGRU)和注意力机制(Attention)的深度学习架构。
清风AI·2025-03-09 18:59

深入探索Deeplearning4j（DL4J）：Java深度学习的全面指南

DL4J支持多种深度学习模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。自2014年首次发布以来，DL4J已经成为Java深度学习领域的
软件职业规划·2025-03-09 15:07

ResNet 改进：轻量级的混合本地信道注意机制MLCA

融入模块后的网络经过测试，可以直接使用，设置好输入和输出的图片维度即可1.MLCA注意力机制MLCA（MixedLocalChannelAttention）是一种轻量级的混合本地信道注意机制，旨在提升卷积神经网络
听风吹等浪起·2025-03-08 06:29

python前闭后开_opencv 形态学变换(开运算，闭运算，梯度运算)

译文形态学使用python+opencv讲解开运算开运算：对图像先进行腐蚀，然后对腐蚀后的图进行膨胀morphologyEx运算结果=cv2.morphologyEx(源图像img,cv2.MORPH_OPEN,卷积核
weixin_39814126·2025-03-08 05:09
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他