CNN卷积

大创项目推荐 深度学习疲劳驾驶检测 opencv python

文章目录0前言1课题背景2实现目标3当前市面上疲劳驾驶检测的方法4相关数据集5基于头部姿态的驾驶疲劳检测5.1如何确定疲劳状态5.2算法步骤5.3打瞌睡判断6基于CNN与SVM的疲劳检测方法6.1网络结构
laafeer·2024-01-16 08:22

pytorch集智-5手写数字识别器-卷积神经网络

1简介简称：CNN，convolutionalneuralnetwork应用场景：图像识别与分类（CNN），看图说话（CNN+RNN）等优越性：和多层感知机相比，cnn可以识别独特的模式，可以自动从数据中提取特征
peter6768·2024-01-16 07:15

CCPC 2023 北京市赛 G.【模板】线段树（线段树区间合并20次多项式）

题目思路来源lyw题解洛谷高仿题目P4247(ai+x)(ai+x)(ai+x)注意到当x有超过20项时，20个2相乘，对2的20次方取模就为0所以，维护0次项到19次项乘积的和，向上合并时，是两个多项式卷积
Code92007·2024-01-16 07:32

YOLOv5改进 | 主干篇 | 12月份最新成果TransNeXt特征提取网络（全网首发）

本文介绍本文给大家带来的改进机制是TransNeXt特征提取网络,其发表于2023年的12月份是一个最新最前沿的网络模型，将其应用在我们的特征提取网络来提取特征，同时本文给大家解决其自带的一个报错，通过结合聚合的像素聚焦注意力和卷积
Snu77·2024-01-16 07:58

分类预测 | Matlab实现ZOA-CNN-MATT-SVM斑马优化卷积神经网络多头注意力机制结合支持向量机的数据分类预测【24年新算法】

分类预测|Matlab实现ZOA-CNN-MATT-SVM斑马优化卷积神经网络多头注意力机制结合支持向量机的数据分类预测【24年新算法】目录分类预测|Matlab实现ZOA-CNN-MATT-SVM斑马优化卷积神经网络多头注意力机制结合支持向量机的数据分类预测
机器学习之心·2024-01-16 07:36

自然语言中的神经网络基础（1）

本文介绍在自然语言处理中常用的四种神经网络模型，即多层感知机模型、卷积神经网络、循环神经网络和以Transformer为代表的自注意力模型。
makelope·2024-01-16 07:48

图像处理-像素位置的一阶导数和二阶导数

图像处理-像素位置的一阶导数和二阶导数空间卷积是一种图像处理中常用的技术，用于计算图像中每个像素位置的一阶导数和二阶导数。在这里将解释如何使用卷积操作来实现这些导数的计算。
Persus·2024-01-16 06:38

李沐之使用块的网络VGG

目录1.VGG2.代码实现1.VGGn层是指可以有N个窗口3*3，填充为1的卷积层。有m个通道，这里输入和输出都是一样的。VGG就是替换掉AlexNet整个卷积层的架构。
sendmeasong_ying·2024-01-16 06:12

网络中的网络 NiN

目录1.NiN2.代码1.NiN卷积层的参数等于输入的通道数*输出的通道数乘以窗口的平方，然而全连接层的参数的大小等于输入的通道乘以图片的大小乘以输出的通道数。
sendmeasong_ying·2024-01-16 06:12

（四）卷积神经网络 -- 9 含并行连结的网络（GoogLeNet）

9.1Inception块GoogLeNet中的基础卷积块称作Inception块。与上一节介绍的
Fiona-Dong·2024-01-16 06:12

27 含并行连结的网络 GoogLeNet / Inception V3【动手学深度学习v2】（笔记）

一、含并行连结的网络GoogLeNet/InceptionV31、卷积层个数超过了100层，怎么选择最好的卷积层超参数2、GoogleLeNet全要首先，输入和输出等高等宽其次，不同的路径3、白色的1*
hlllllllhhhhh·2024-01-16 06:41

含并行连结的网络（GoogLeNet）

GoogLeNet也大量使用1*1卷积，把它当作全连接用。V3耗内存比较多，计算比较慢，但是精度比较准确。
sendmeasong_ying·2024-01-16 06:08

【论文分享】TCCT: Tightly-coupled convolutional transformer on time series forecasting

TCCT:时间序列预测的紧耦合卷积Transformer提高Transformer的效率和增强局部性，将Transformer与CNN进行了不同程度的结合。
Holy姜姜·2024-01-16 06:58

深度学习---从入门到放弃（四）优化器

1.1网络构建思路1.网络种类：MLP通常来说在对于图片的分类上，卷积神经网络（CNN）应用更为广泛且效果更好，但是鉴于目前只了解了MLP，那么请允许我用MLP
佩瑞·2024-01-16 02:33

caffe版本Faster-RCNN：py-faster-rcnn-master/lib/datasets/factory.py ->用于集成程序默认提供的数据集

分析：这个代码分两个部分：1）首先往__sets()字典的key中注入名字，往对应的val中注入对应的初始化函数。下次只要在__sets()字典中输入key的名字就可以执行对应的初始化函数。__sets（）的具体情况如下：2）get_imdb(name)用于配套__sets()的初始化，输入__sets（）中存在key，调用他对应的val进行初始化list_imdbs()用于配套__sets()，
a1103688841·2024-01-16 02:31

多维时序 | Matlab实现GRO-CNN-LSTM-Attention淘金算法优化卷积神经网络-长短期记忆网络结合注意力机制多变量时间序列预测

多维时序|Matlab实现GRO-CNN-LSTM-Attention淘金算法优化卷积神经网络-长短期记忆网络结合注意力机制多变量时间序列预测目录多维时序|Matlab实现GRO-CNN-LSTM-Attention
机器学习之心·2024-01-16 02:10

《动手学深度学习》学习笔记 第10章 注意力机制

有大篇幅的描述性的文字，内容很多，笔记只保留主要内容，同时也是对之前知识的查漏补缺《动手学深度学习》学习笔记第4章多层感知机《动手学深度学习》学习笔记第5章深度学习计算《动手学深度学习》学习笔记第6章卷积神经网络
北方骑马的萝卜·2024-01-15 19:13

基于Python实现地标景点识别

目录前言简介地标景点识别的背景地标景点识别的原理卷积神经网络（CNN）的基本原理地标景点识别的工作流程使用Python实现地标景点识别的步骤数据收集数据预处理构建卷积神经网络模型模型训练参考文献前言简介地标景点识别是一种基于计算机视觉技术的应用
摔跤猫子·2024-01-15 19:52

文本分类的一些记录

常用模型TEXTCNNText
hema12138·2024-01-15 18:29

基于反卷积方法的重大突破：结构光系统中的测量误差降低3倍

作者：小柠檬|来源：3DCV在公众号「3DCV」后台，回复「原论文」可获取论文pdf结构光三维测量技术在工业自动化、逆向工程和图形学领域越来越受欢迎。然而，现有的测量系统在成像过程中存在不完美，会导致在不连续边缘周围出现测量误差。这种误差被称为“不连续引起的测量伪影”（DMA）。现有的DMA减小方法需要准确检测所有边缘，但在边缘模糊的情况下很难实现。同时，误差区域中的校正数据严重依赖于其最近的未受
3DCV·2024-01-15 17:46

文本检测最近文章检索（2）

期刊1）RotatedcascadeR-CNN:Ashaperobustdetectorwithcoordinateregression旋转叶栅R-CNN：具有坐标回归的形状鲁棒检测器YixingZhu
葛葛葛立鹏啊·2024-01-15 17:08

【文本分类】Attention Is All You Need

Transformer是继于MLP、RNN、CNN模型的又一大模型，且解决了RNN应用于长输入乏力的情况，随后提出的BERT、GPT都是基于Transformer。
征途黯然.·2024-01-15 16:09

《超强掌控》分享

几十年来，他一直致力于“身体语言”和“非语言行为”的研究，多次受到CNN（美国有线电视新闻网）、ABC（美国
Erica愛蕊珂梦·2024-01-15 15:35

FGSM方法生成交通信号牌的对抗图像样本

背景：生成对抗样本，即扰动图像，让原本是“停车”的信号牌识别为“禁止驶入”实验准备模型：找一个训练好的，识别交通信号牌的CNN模型，灰度图像模型地址：GitHub-Daulettulegenov/TSR_CNN
Rnan-prince·2024-01-15 15:48

深度学习-标注文件处理（txt批量转换为json文件）

接上篇，根据脚本可将coco128的128张图片，按照比例划分成训练集、测试集、验证集，同时生成相应的标注的labels文件夹，最近再看实例分离比较火的maskrcnn模型，准备进行调试但由于实验室算力不足
交换喜悲·2024-01-15 12:42

【转载】用Masking GAN让100,000人都露出灿烂笑容

继卷积神经网络（CNN）掀起深度学习的浪潮后，生成对抗网络（GAN）逐渐成为了计算机
dopami·2024-01-15 11:11

基于多媒体的深度学习 Midreport自我总结分析

ResistorOhmValueEstimationChallenge需要将误差降低到1%以下1、调整模型架构：增加模型的复杂性，例如增加卷积层或全连接层的数量，增加神经元数量等#在ResistorEstimator
okimaru·2024-01-15 10:28

LeNet-5（用于手写体字符识别）

结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层每层有多个FeatureMap（每个FeatureMap有多个神经元）FeatureMap通过一种卷积滤波器提取输入的一种特征各层参数详解
okimaru·2024-01-15 10:27

Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类

目录往期精彩内容：前言模型整体结构1变分模态分解VMD的Python示例2轴承故障数据的预处理2.1导入数据2.2故障VMD分解可视化2.3故障数据的VMD分解预处理3基于VMD-CNN-BiGRU-Attenion
建模先锋·2024-01-15 10:39

多特征变量序列预测(三)——CNN-Transformer风速预测模型

目录往期精彩内容：前言1多特征变量数据集制作与预处理1.1导入数据1.2数据集制作与预处理2基于Pytorch的CNN-Transformer预测模型2.1定义CNN-Transformer预测模型2.2
建模先锋·2024-01-15 10:05

Mask R-CNN 学习笔记

MaskR-CNN学习笔记前述从VGGNet到ResNet从ROIPooling到ROIAlign量化误差是从哪来的ROIAlign的改进之处网络结构FPN网络损失函数参考博客前述从R-CNN，fastR-CNN
丶夜未央丶·2024-01-15 09:55

geemap学习笔记046：线性卷积--低通滤波器和拉普拉斯算子

前言本节的主要的内容是介绍earthengine中的线性卷积，主要的函数是image.convolve()，主要的操作包括低通滤波器和拉普拉斯算子。
静观云起·2024-01-15 09:51

实例分割模型Mask2Former解析

Masked2Former是在maskrcnn基础上改进的一个实例分割模型，参考了一些经典模型的思想，如DETR，实验表明效果很好。
交换喜悲·2024-01-15 09:15

mask rcnn项目复现debug记录：‘FreeTypeFont‘ object has no attribute ‘getsize‘

这是因为安装了新版本的Pillow,查看了一下我安装的pillow版本是10.x版本，pipinstalltf-models-official删除了该getsize功能，降级到Pillow9.5解决了该问题：pipunintsallPillowpipinstallPillow==9.5再次运行代码，bug解决。
交换喜悲·2024-01-15 09:14

geemap学习笔记047：边缘检测

前言边缘检测适用于众多的图像处理任务，除了上一节[[geemap046：线性卷积–低通滤波器和拉普拉斯算子|线性卷积]]中描述的边缘检测核之外，EarthEngine中还有几种专门的边缘检测算法。
静观云起·2024-01-15 09:42

实例分割论文精读：Mask R-CNN

摘要本文提出了一种概念简单、灵活、通用的实例分割方法，该方法在有效地检测图像中的物体同时，为每个物体实例生成一个实例分割模板，添加了一个分支，用于预测一个对象遮罩，与现有的分支并行，用于边界框识别，MaskR-CNN
交换喜悲·2024-01-15 09:40

机器学习 | 卷积神经网络

机器学习|卷积神经网络实验目的采用任意一种课程中介绍过的或者其它卷积神经网络模型（例如LeNet-5、AlexNet等）用于解决某种媒体类型的模式识别问题。
rookiexiong·2024-01-15 08:23

机器学习周报第28周

目录摘要Abstract一、文献阅读1.题目：2.摘要3.问题描述4.过去方案5.论文方案6.论文模型7.相关代码摘要本周阅读了一篇混沌时间序列预测的论文，论文模型主要使用的是时间卷积网络（TemporalConvolutionalNetwork
Ramos_zl·2024-01-15 08:49

Pytorch中的标准维度顺序

这种维度顺序在处理图像数据时特别常见，尤其是在使用卷积神经网络（CNN）时。例如，一个包含64张RGB图像（每张图
实名吃香菜·2024-01-15 07:49

经典论文学习：Attention Is All You Need（Transformer）

该模型的创新点在于使用了一种称为“自注意力机制（self-attentionmechanism）”的技术，以取代传统的循环神经网络（RNN）和卷积神经网络（CNN）等结构，这使得模型在处理序列数
才能我浪费·2024-01-15 07:37

【论文阅读】attention is all you need

传统的RNN不能并行处理，如果想要有hih_{i}hi，必须要有hi−1h_{i-1}hi−1作为输出传统的CNN的跨度太大以上两个不是很好的能够捕捉到很久之前的信息3.模型流程由于这个模型的过程比较多
Capsfly·2024-01-15 07:36

EI级 | Matlab实现VMD-TCN-BiLSTM变分模态分解结合时间卷积双向长短期记忆神经网络多变量光伏功率时间序列预测

EI级|Matlab实现VMD-TCN-BiLSTM变分模态分解结合时间卷积双向长短期记忆神经网络多变量光伏功率时间序列预测目录EI级|Matlab实现VMD-TCN-BiLSTM变分模态分解结合时间卷积双向长短期记忆神经网络多变量光伏功率时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍
机器学习之心·2024-01-15 07:00

神经网络与深度学习（五）——人工神经网络和卷积神经网络

姓名：吴丞楚学号：20012100032学院：竹园三号书院【嵌牛导读】简要介绍NN与CNN【嵌牛鼻子】深度学习神经网络【嵌牛提问】NN与CNN的区别有哪些人工神经网络简称神经网络(NN)，是目前各种神经网络的基础
吴丞楚20012100032·2024-01-15 06:08

CNN：Convolutional Neural Network（上）

目录1为什么使用CNN处理图像2CNN的整体结构2.1Convolution2.2Colorfulimage3Convolutionv.s.FullyConnected4MaxPooling5Flatten6CNNinKeras
狂放不羁霸·2024-01-15 05:54

自学习算法

3.模型训练：使用各种深度学习模型进行训练，如卷积神经网络、循
.:::.·2024-01-15 04:26

飞桨day-02 卷积神经网络十二生肖识别实战

Day02-十二生肖实践作业paddle深度学习万能公式一、问题定义十二生肖分类的本质是图像分类任务，我们采用CNN网络结构进行相关实践。
我是竹子丫·2024-01-15 04:22

高光谱分类论文解读分享之基于形态卷积神经网络的高光谱影像分类

IEEETGRS2021：基于形态卷积神经网络的高光谱影像分类题目MorphologicalConvolutionalNeuralNetworksforHyperspectralImageClassification
曦曦逆风·2024-01-15 04:16

《洗脑术：怎样有逻辑地说服他人》：洗脑者和被洗脑者，你想成为哪一种？

在华盛顿开办了培训班，报名费高达10万美金，专为北美地区的私人老板或企业总裁提供课程，后来，微软、美孚、麦克森和CNN等知名的商业及传媒集团均有人成为了他的客户。
懿轮明月·2024-01-15 04:25

Multi-adversarial Faster-RCNN with Paradigm Teacher for Unrestricted Object Detection

GRLmeans‘gradientreversedlayer’，SRMmeans‘ScaleReduceModule’.DiscriminatorsubmoduleatthemmmthblockisdenotedasDm^mm作者未提供代码
宇来风满楼·2024-01-15 02:37

图像分类任务中 CNN 相比于前馈神经网络的优势

在图像分类任务中，卷积神经网络（CNN）相比于前馈神经网络（FeedforwardNeuralNetwork）具有以下优势：局部感知能力：CNN通过使用卷积层和池化层来捕捉图像中的局部特征。
爱打网球的小哥哥一枚吖·2024-01-14 23:59
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他