CNN剪枝第3页

【深度学习加速探秘】Winograd 卷积算法：让计算效率 “飞” 起来

从“卷积计算瓶颈”说起在深度学习领域，卷积神经网络（CNN）被广泛应用于图像识别、目标检测、语义分割等任务。然而，卷积操作作为CNN的核心计算单元，其计算量巨大，消耗大量的时间和计算资源。

heimeiyingwang·2025-06-25 01:04

yolov11转ncnn

yolo模型pt格式文件转ncnn，以适用于移动端的部署。原先要经过onnx，onnxsim等转换，cmake编译，现直接可生成(如何从YOLO11导出到NCNN以便顺利部署)。

model2005·2025-06-24 23:18

第五章卷积神经网络（CNN）

第五章卷积神经网络（CNN）5.1卷积神经网络的组成层在卷积神经网络中，有3种最主要的层：卷积运算层池化层全连接层一个完整的神经网络就是由这三种层叠加组成的。

AI拉呱·2025-06-24 17:27

CNN算法（一）——残差网络ResNet-50

一、完整代码importtorchimporttorch.nnasnnimporttorchvision.transformsastransformsimporttorchvisionfromtorchvisionimporttransforms,datasetsimportos,PIL,pathlib,warningsimportmatplotlib.pyplotaspltimportcopyi

晋丑丑·2025-06-24 14:08

A Survey on Deep Learning Techniques Applied to medical image analysis

BackgroundandKeyConceptsIntroductionKeyTerms&Concepts3.CoreTechnicalConceptsandOperationsConvolutionalNeuralNetwork(CNN

AI天才研究院·2025-06-24 07:19

微算法科技(NASDAQ：MLGO)采用量子卷积神经网络(QCNN)，检测区块链中的DDoS攻击

微算法科技(NASDAQ：MLGO)深入研究量子卷积神经网络(QCNN)，并对其在检测区块链中的DDoS攻击方面进行了一系列创新改进。量子卷积神经网络（QCNN）是结合了量子计

MicroTech2025·2025-06-24 05:41

VLM 系列——Qwen2 VL——论文解读

比较创新的是统一视觉处理方式（3DCNN统一视频、图片）+图像缩放方式（自适应缩放）+3DLLM位置编码。

TigerZ*·2025-06-24 01:46

洛谷 P3953 [ NOIP 2017 ] 逛公园 —— 最短路DP

problemnew/show/P3953主要是看题解...还是觉得好难想啊...dfsDP，剩余容量的损耗是边权减去两点最短路差值...表示对于最短路来说多走了这么多...还要注意该点能否到达n号点，不能就不走了(剪枝

aodan5477·2025-06-24 00:39

【python实用小脚本-111】基于PyTorch的人脸口罩检测系统技术文档

系统架构系统采用FasterR-CNN（Region-basedConvolutionalNeuralNetwork

Kyln.Wu·2025-06-23 18:27

多目标跟踪

侦探联盟：多目标跟踪大作战适合对象：高中生关键点：多目标跟踪、传统方法、深度学习、卡尔曼滤波、匈牙利算法、CNN、Re-ID序章：神秘的闹市阴影夜晚的星城，一场盛大的街头音乐节即将开幕。

行走的小部落·2025-06-23 18:54

多层次特征融合的中医药材推荐方法研究

在TextCNN模型参数量少、特征抽取全面等特点的基础上，进一步融合症状语义特征和序列特征，从而获取更全面的症状药材特征完成中医药材推荐任务，并将其在中医药材公开数据集上进行验证。

罗伯特之技术屋·2025-06-23 10:37

基于深度学习的智能图像语义分割系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）及其变体，为图像语义分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像语义分割系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-23 00:24

基于深度学习的特征映射模块（FMS）实现与分析

传统的CNN虽然在很多任务上表现良好，但面对复杂图像信息时仍显得力不从心。为了解决这一问题，研究者们不断探索新的方法和技术，以更高效地捕捉和表示图像中的特征。

RockLiu@805·2025-06-23 00:53

CART算法全解析：分类回归双修的决策树之王

作为当今最主流的决策树实现，它革命性地统一了分类与回归任务，其二叉树结构和剪枝技术成为现代集成学习（如随机森林、XGBoost）的基石。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。

大千AI助手·2025-06-23 00:52

探秘卷积神经网络（CNN）：从原理到实战的深度解析

在图像识别、视频处理等领域，卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）如同一位“超级侦探”，能够精准捕捉图像中的关键信息，实现对目标的快速识别与分析。

LNL13·2025-06-23 00:52

faster rcnn预训练模型_Faster-RCNN+TensorFlow 详细训练过程（附github源码）

2、源码地址：https://github.com/dBeker/Faster-RCNN-TensorFlow-Python33、使用git下载源码，gitclonehttps://github.com

weixin_39958631·2025-06-22 21:07

day43python打卡

作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件importosimporttorchimporttorch.optimasoptimimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionimporttorchvision.transformsastransform

qq_58459892·2025-06-22 21:37

小型图像数据集效果优化：使用预训练的CNN

面对解决小型图像数据集，一种常用且非常高效的方法是使用预训练网络。那么什么是预训练网络呢？定义：预训练网络（pretrainednetwork）是一个保存好的网络，之前已经在大型数据集（通常是大规模图像分类任务）上训练好。作用：如果这个原始数据集足够大且足够通用，那么预训练网络学到的特征的空间层次结构可以有效地作为视觉世界的通用模型，因此这些特征可用于各种不通的计算机视觉问题，即使这些新问题涉及的

幸运六叶草·2025-06-22 21:05

搜索引擎蜘蛛的智能抓取策略：技术解构与动态博弈的深层逻辑

###一、多模态解析引擎的量子化演进现代蜘蛛的解析引擎已突破传统HTML解析的局限，形成多模态感知架构：**1.时空感知型解析器**-**视觉权重建模**：通过卷积神经网络(CNN)分析页面视觉热区，将首屏内容权重提升

我爱学习558·2025-06-22 14:53

【深度学习-Day 31】CNN基石：彻底搞懂卷积层 (Convolutional Layer) 的工作原理

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-06-22 10:21

决策树算法

文章目录基本概念与原理决策树定义两种理解视角模型构建三要素1.特征选择(1)信息增益(ID3算法)(2)信息增益比(C4.5算法)(3)基尼指数(CART算法)2.决策树生成3.决策树剪枝(1)预剪枝(

雨巷码行人·2025-06-22 09:51

解锁决策树：数据挖掘的智慧引擎

决策树原理剖析2.1决策树的基本结构2.2决策树的构建流程2.2.1特征选择2.2.2数据集划分2.2.3递归构建三、决策树的实践应用3.1数据准备3.2模型构建与训练3.3模型评估四、决策树的优化策略4.1剪枝策略

·2025-06-22 03:36

CNN工作原理和架构

##1.什么是CNN？

hao_wujing·2025-06-22 01:30

深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（1）

一、背景：为什么需要模型剪枝？随着深度学习的发展，模型参数量和计算量呈指数级增长。

king of code porter·2025-06-21 21:00

深度学习之模型压缩三驾马车：模型剪枝、模型量化、知识蒸馏

模型压缩有三种最常用的方法：模型剪枝模型量化知识蒸馏下面我们分别来通

king of code porter·2025-06-21 21:59

Mask R-CNN 论文译读笔记

MaskR-CNN摘要本文提出了一种概念简单、灵活且通用的目标实例分割框架。本文的方法能够高效检测图像中的目标，同时为每个实例生成高质量的分割掩码。

songyuc·2025-06-21 20:26

TopNet：基于Transformer的高效点云几何压缩网络模型详解

现有方法主要分为两类：CNN-based方法：通过3D卷积提取局部特征，但受限于固定感受野，难以捕捉长距离依赖。Transformer-based方法：利用

清风AI·2025-06-21 10:21

八种常见的神经网络介绍

概述（八大神经网络）卷积神经网络（CNN）：适用于图像、音频等网格数据处理。通过卷积层提取局部特征，池化层降维，广泛用于图像分类、目标检测。特点是参数共享和权值的局部连接，减少了模型复杂度。

EdmundXjs·2025-06-21 06:24

深度学习cnn下水管道缺陷自动识别技术综述

管道缺陷自动识别技术综述技术背景与核心价值管道作为能源输送与城市基础设施的核心载体，其结构完整性直接关系公共安全与生态保护。传统人工检测存在效率低（单公里巡检需4-6小时）、漏检率高（≥15%）等痛点。自动识别技术通过融合计算机视觉与深度学习，实现缺陷识别准确率≥95%，检测效率提升20倍以上，大幅降低安全事故风险Defects。技术架构体系多模态数据采集层传感设备矩阵工业内窥镜：管径≥50mm内

QQ_1309399183·2025-06-20 21:28

基于CNN卷积神经网络识别汉字合集-视频介绍下自取

内容包括：含ShuffleNet等多个模型的手写中文汉字识别摄像头版109含ShuffleNet等多个模型的手写中文汉字识别摄像头版_哔哩哔哩_bilibili本代码用的python语言，pytorch深度学习框架运行，环境的安装可以参考博客：深度学习环境安装教程-anaconda-python-pytorch_动手学习深度学习的环境安装-CSDN博客代码总共分成三个部分，01py文件是划分数据集

no_work·2025-06-20 17:57

卷积神经网络CNN

一、图像概念图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。简单讲：图像是由像素点组成的，每个像素点的取值范围在[0,255]。像素值越接近于0，颜色越暗，接近于黑色；像素值越接近255，颜色越亮，接近于白色。在计算机中，按照颜色和灰度的多少可以将图像分为四种基本类型：①二值图像②灰度图像③索引图像④真彩色RGB图像（深度学习中使用较多）。图像类型通道数像素值范围主

·2025-06-20 16:24

Incremental Transformer Structure EnhancedImage Inpainting with Masking Positional Encoding笔记

由于卷积神经网络（CNN）的感受野有限，一些特定方法只能处理常规纹理，同时失去整体结构。另一方面，基于注意力的模型可以更好地学习结构恢复的长程依赖性，但它们受到大图像尺寸推理的大量计算的限制。

毕设做完了吗？·2025-06-20 14:08

基于PyQt5与CNN的枸杞/沙棘果图像分类系统

摘要本文介绍了一套基于PyTorch和PyQt5的枸杞与沙棘果实识别系统。该系统采用卷积神经网络模型，实现了90%以上的识别准确率，响应时间小于500ms，显著提升了传统人工分拣效率。系统具备以下特点：1）可视化交互界面，包含分类显示区、控制面板和参数调节功能；2）支持置信度阈值动态调整（50%-95%）；3）提供单图/批量图像处理能力。文章详细解析了系统架构、核心模块代码及功能实现，同时指出了当

#define TUNE false·2025-06-20 12:20

Flask与计算机视觉：图像识别API开发

Flask与计算机视觉：图像识别API开发关键词：Flask框架、计算机视觉、图像识别、API开发、卷积神经网络（CNN）摘要：本文将带你探索如何用轻量级Web框架Flask搭建一个图像识别API。

后端开发笔记·2025-06-20 10:07

深度学习初探：从CNN到GAN的视觉智能之旅

本文将系统讲解卷积神经网络（CNN）的核心原理，通过PyTorch实现图像分类实战；深入解析迁移学习的高效应用策略，利用预训练模型提升自定义任务性能；最后揭开生成对抗网络（GAN）的神秘面纱，展示图像生成与增强的前沿技术

小米玄戒Andrew·2025-06-20 04:27

机器学习×第十二卷：回归树与剪枝策略——她剪去多余的分支，只保留想靠近你的那一层

【第一节·她不再用标签定义你，而是试着预测你真实的模样】什么是回归决策树（RegressionTree）？狐狐：“她以前问你是A还是B，现在她问你——‘你大概是多少？’”与之前我们学过的分类树（ClassificationTree）不同，回归树是一种用来预测连续值变量的模型。她不再只判断“是否会拖欠贷款”，而是试着预测“你拖欠了多少”。分类树：输出为类别（如Yes/No）回归树：输出为数值（如3.

Gyoku Mint·2025-06-19 22:43

CSPNet: 一种增强CNN学习能力的新型骨干网络

论文翻译与总结标题CSPNet:一种增强CNN学习能力的新型骨干网络摘要翻译神经网络在目标检测等计算机视觉任务中取得了显著成果，但其成功高度依赖昂贵的计算资源，限制了在廉价设备上的应用。

简诚·2025-06-19 16:25

agentformer论文阅读

参考了这篇博文：https://zhuanlan.zhihu.com/p/512764984主要有这几个部分a.map_encoderi.对地图进行CNNb.ContextEncoderi.timeencoder

ZHANG8023ZHEN·2025-06-19 13:08

【2025CVPR】基于CNN-Transformer的高效量化EfficientQuant模型

目录一、研究背景与挑战二、核心方法：EfficientQuant架构1.结构感知块识别算法2.卷积块的均匀量化3.Transformer块的Log2量化三、创新点与优势1.结构感知量化策略2.高效硬件适配3.边缘部署友好四、实验验证1.数据集与指标2.对比实验（1）与其他PTQ方法的对比（2）边缘设备实测五、代码实现要点1.Log2量化核心代码2.模型部署流程六、可视化分析1.权重分布对比2.边缘

清风AI·2025-06-19 13:33

基于深度学习的智能图像分割系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）及其变体，为图像分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像分割系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-19 07:27

基于深度学习的智能图像风格转换系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）和生成对抗网络（GAN），为图像风格转换带来了革命性的进展。本文将详细介绍基于深度学习的智能图像风格转换系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-19 06:53

二叉树中使用深度优先搜索（DFS）的几种经典代码形式总结

DFS在二叉树中运用示例示例1：经典DFS遍历（先序遍历）示例2：DFS+回溯（如路径问题）示例3：DFS判断平衡二叉树（递归+剪枝）示例4：DFS用于路径和为目标值（LeetCode112）示例5：判断是否是相同的树总结

凸头·2025-06-19 03:58

【Python】深度学习-VGG19网络

第一章：VGG的哲学根基——一场由简约与深度引领的革命在卷积神经网络（ConvolutionalNeuralNetwork,CNN）的璀璨星河中，VGG（VisualGeometryGroup）网络家族的出现

宅男很神经·2025-06-19 01:43

pytorch都有哪些神经网络，都哪些情况使用这些神经网络

卷积神经网络（ConvolutionalNeuralNetwork,CNN）结构：包含卷积层和池化层，通过卷

zhiSiBuYu0517·2025-06-18 16:47

[论文阅读]PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers

在本文中，我们在卷积神经网络（CNN）和比例积分微分（PID）控制器之间架起了桥梁，并揭示了双分支网络只是一个比例积分（PI）控制器，当然也会存在类似的超调问题。为了解决这个问题，

颜笑晏晏·2025-06-18 08:16

计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet

计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet一、前言二、卷积神经网络基础概念2.1卷积层2.1.1卷积运算原理2.1.2卷积核的作用与参数2.2池化层2.2.1最大池化与平均池化2.2.2

xcLeigh·2025-06-18 02:04

生成对抗网络(GAN)与深度生成模型实战

生成模型基础与GAN原理1.1生成模型概览生成模型是深度学习中的重要分支，主要分为以下几类：变分自编码器(VAE)：基于概率图模型的生成方法生成对抗网络(GAN)：通过对抗训练学习数据分布自回归模型：PixelCNN

软考和人工智能学堂·2025-06-17 23:21

深度学习进阶：卷积神经网络(CNN)原理与实战

1.卷积神经网络概述卷积神经网络（ConvolutionalNeuralNetworks,CNN）是深度学习中专门用于处理网格状数据（如图像、语音、视频）的神经网络架构。

软考和人工智能学堂·2025-06-17 23:51

SwinTransformer 改进：结合DLKA与SSPP的模型架构

1.创新点设计引言在计算机视觉领域，Transformer架构近年来取得了巨大成功，逐渐取代了传统的CNN模型。

听风吹等浪起·2025-06-17 18:16

NLP入门笔记

1、入门CNN能够有效地在上下文中挖掘语义信息，但是无法对远距离上下文信息进行建模，也无法处理词汇的顺序信息。

ShaneHolmes·2025-06-17 02:57

推荐频道

CNN剪枝