CNN卷积

Parallel patterns: convolution —— An introduction to stencil computation

我们将从卷积开始，这是一种流行的阵列操作，以各种形式用于信号处理、数字记录、图像处理、视频处理和计算机视觉。在这些应用领域，卷积通常作为过滤器执行，将信号和像素转换为更理想的值。
王莽v2·2024-01-10 16:17

(Matlab)基于CNN-GRU的多维回归预测(卷积神经网络-门控循环单元网络)

目录一、程序及算法内容介绍：基本内容：亮点与优势：二、实际运行效果：三、部分程序：四、完整代码+数据分享：一、程序及算法内容介绍：基本内容：本代码基于Matlab平台编译，将卷积神经网络(CNN)与门控循环单元网络
神经网络与数学建模·2024-01-10 15:08

3万字计算机视觉学习笔记及重要知识点总结

请问FasterR-CNN和SSD中为什么用smoothl1loss，和l2有什么区别？给定5个人脸关键点和5个对齐后的点，求怎么变换的？Boundingboxes回归原理/公式
搬砖成就梦想·2024-01-10 14:33

MobileViT摘要

前言纯Transformer的问题：1、参数多，复杂度高2、缺少空间归纳偏置3、迁移到其他任务比较繁琐4、模型训练困难解决方法：将CNN与Transformer混合使用。
管不住心的大杜·2024-01-10 14:35

MobileViT

CNN与transformer的混合。轻量级、通用的、对移动端友好的visiontransformer模型。
pythonSuperman·2024-01-10 14:04

CNN和RNN的区别是什么？

CNN（卷积神经网络）和RNN（循环神经网络）是深度学习中的两种主要神经网络类型，它们在结构、功能和应用领域上有显著的区别：核心结构与工作原理:CNN:CNN主要用于处理具有网格状拓扑结构的数据，如图像
CA&AI-drugdesign·2024-01-10 11:08

PyTorch中不同学习率设置

为什么要对不同卷积层设置不同的学习率？
YHFHing·2024-01-10 10:07

改进的yolov5目标检测-yolov5替换骨干网络-yolo剪枝（TensorRT及NCNN部署）

YOLOv5改进点2022.10.30复现TPH-YOLOv52022.10.31完成替换backbone为Ghostnet2022.11.02完成替换backbone为Shufflenetv22022.11.05完成替换backbone为Mobilenetv3Small2022.11.10完成EagleEye对YOLOv5系列剪枝支持2022.11.14完成MQBench对YOLOv5系列量化支
阿利同学·2024-01-10 10:58

CNN 10 - November 15, 2019

点击此处，可以收听音频CARLAZUZ,CNN10ANCHOR:You'reattheendoftheweek,themiddleofNovemberandthebeginningofaneweditionofCNN10
Mankiw007·2024-01-10 08:53

51-6 Vision Transformer ，ViT 论文精读

ViT取代了CNN，打通了CV和NLP之间的鸿沟，而且挖了一个更大的多模态的坑。ViT未来有可能真就是一个简洁、高效、通用的视觉骨干网络，而且可以完全不用任何标注信息
深圳季连AIgraphX·2024-01-10 08:41

CNN算法实现手写数字识别（MNIST数据集）

基本过程如下图所示：x（图片的特征值）：这里使用了一个28*28=784列的数据来表示一个图片的构成，也就是说，每一个点都是这个图片的一个特征，这个其实比较好理解，因为每一个点都会对图片的样子和表达的含义有影响，只是影响的大小不同而已。W（特征值对应的权重）：这个值很重要，经过一系列训练，从而得出每一个特征对结果影响的权重，我们训练就是为了得到这个最佳权重值。b（偏置量）：为了去线性化。y（预测的
你好，明天，，·2024-01-10 06:34

李沐之卷积层

目录1.从全连接到卷积2.卷积层3.代码4.部分函数1.从全连接到卷积如果一个系统输入是不稳定的，而输出是稳定的，我们就可以用卷积求系统的存量。
sendmeasong_ying·2024-01-10 06:21

基于深度学习的手势识别

本文提出了一种基于深度学习的手势识别方法，通过使用卷积神经网络（CNN）对手势图像进行特征提取和分类。实验结果表明，该方法在手势识别准确率和实时性方面都有着较好的表现。
automan_huyaoge·2024-01-10 05:26

AI量化策略 篇一：方向综述

文章目录简述特点传统AI方向循环神经网络(RNN)卷积神经网络(CNN)深度自回归网络（DeepAR）其他长短时记忆网络(LSTM)线性回归模型自回归模型（ARIMA,GARCH）随机森林（RandomForests
李小白杂货铺·2024-01-10 04:08

EI级 | Matlab实现VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元多变量光伏功率时间序列预测

EI级|Matlab实现VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元多变量光伏功率时间序列预测目录EI级|Matlab实现VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元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·2024-01-10 04:05

FPN（Feature Pyramid Networks）

图b图b是FastR-CNN和FasterR-C
meteor,across T sky·2024-01-10 04:02

卷积神经网络全过程

作为计算机视觉中最重要的部分卷积神经网络，从输入到输出做一个全方面的梳理。
meteor,across T sky·2024-01-10 04:31

TORCH02-04:Torch两种实现方式与框架结构说明

是一个比较简单的框架，在自动求导与静态图方面比较有特色，但整个框架在软件设计层面是简捷方便的，本主题就是用两种方式实现深度网络，强化对框架封装的理解；本主题主要内容包含：  1.全链接深度网络实现  2.卷积深度神经网络实现
杨强AT南京·2024-01-10 04:13

多特征变量序列预测(一)——CNN-LSTM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-LSTM预测模型2.1定义CNN-LSTM预测模型2.2设置参数，训练模型3模型评估与可视化
建模先锋·2024-01-10 03:52

Python轴承故障诊断 (十)基于VMD+CNN-Transfromer的故障分类

目录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3基于VMD+CNN-Transformer的轴承故障诊断分类3.1定义VMD-CNN-Transformer
建模先锋·2024-01-10 03:50

第2章 大模型的基础知识2.2 大模型的关键技术2.2.1 模型架构

从传统的多层感知器（MLP）到卷积神经网络（CNN）、循环
OpenChat·2024-01-10 02:29

关于CNN卷积神经网络与Conv2D标准卷积的重要概念

一、参考资料深入解读卷积网络的工作原理（附实现代码）深入解读反卷积网络（附实现代码）WaveletU-net进行微光图像处理卷积知识点CNN网络的设计论：NASvsHandcraft二、卷积神经网络(CNN
花花少年·2024-01-10 01:16

深入浅出理解Dilated Convolution(空洞卷积，膨胀卷积)

Multi-ScaleContextAggregationbyDilatedConvolutions图片素材来源：Convolutionarithmetic理解DilationconvolutionDilatedConvolution——空洞卷积
花花少年·2024-01-10 01:42

nn网络层-卷积层

一、1d/2d/3dConvolution卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征。
-恰饭第一名-·2024-01-10 00:04

竞赛保研 基于深度学习的动物识别 - 卷积神经网络 机器视觉 图像识别

文章目录0前言1背景2算法原理2.1动物识别方法概况2.2常用的网络模型2.2.1B-CNN2.2.2SSD3SSD动物目标检测流程4实现效果5部分相关代码5.1数据预处理5.2构建卷积神经网络5.3tensorflow
iuerfee·2024-01-09 20:08

Attention Is All You Need--Transformer

这个架构只需要运用注意力机制，而不需要用RNN和CNN，通过减少模型参数简化了模型。作者通过实验同时说明了该架构的适应性较好。
sweet_Mary·2024-01-09 20:37

Transformer论文--Attention Is All You Need

原文链接：AttentionisAllyouNeed文章概述目前主要的序列传导模型基于复杂的循环或卷积神经网络，包括encoderandadecoder。
pepsi_w·2024-01-09 20:37

Attention Is All You Need (Transformer 原文)

Transformer系列经典论文最前面是论文翻译，中间是背景+问题+方法步骤+实验过程，最后是文中的部分专业名词介绍（水平线分开，能力有限，部分翻译可能不太准确）摘要主要的序列转导模型基于复杂的循环或卷积神经网络
Y蓝田大海·2024-01-09 20:36

【读文献】Attention is all your need - Transformer

基于RNN/CNN的Encoder-Decoder或者RNN带Attention的Encoder-Decoder不能并行计算或者并行计算的复杂度会随着输入输出距离的增加而大幅度增加，以及RN
无名草鸟·2024-01-09 20:05

论文阅读-Attention Is All You Need阅读报告-机器翻译

文中提到，主流的序列转换模型都是基于复杂的循环神经网络（RNN）或卷积神经网络（CNN），且都包含一个encoder和一个decoder。RNN及其衍生网络的缺点就是慢，问题在于前后隐藏状
完美屁桃·2024-01-09 20:05

图像分类任务的可视化脚本，生成类别json字典文件

如这篇文章中：CNN卷积神经网络对染色血液细胞分类(blood-cells)在分类任务中，必定经历过图像预处理，缩放啊、随即裁剪啊之类的，可视化效果不太明显本章将从数据角度出发，直接根据数据目录将图像可视化
听风吹等浪起·2024-01-09 19:46

【****君正T40XP规格参数****】

256KBL2CacheSIMD512指令集三、MCU:内置600MHzRISC-V协处理器四、Memory:两种DDR封装模式：SIP内置DDR、外置DDR支持外置DDR2／DDR3／DDR3L，最大容量支持2GB五、AIE:NNA卷积加速硬件单元典型
Chat_zhanggong345·2024-01-09 18:08

[C#]使用PaddleInference图片旋转四种角度检测

它提供了一系列先进的目标检测算法，包括但不限于FasterR-CNN,MaskR-CNN,YOLOv3,YOLOv4,PP-YOLO等，以及丰富的高质量预训练模型，方
FL1623863129·2024-01-09 16:51

为什么我们对图像使用卷积而不仅仅是FC层？

首先，卷积保存、编码和实际使用来自图像的空间信息。如果我们只使用FC层，我们将没有相对的空间信息。其次，卷积神经网络(CNNs)具有部分内建的平移不变性，因为每个卷积核充当其自身的滤波器/特征检测器。
城市中迷途小书童·2024-01-09 16:33

图像分类保姆级教程-深度学习入门教程（附代码）

1.算法原理：深度学习图像分类利用卷积神经网络（CNN）作为模型的核心。CNN具有多层卷积和池化层，能够自动发现图像中的特征。
从懒虫到爬虫·2024-01-09 16:39

自动驾驶轨迹预测

目录神经网络轨迹预测综述：比较新的轨迹预测网络Uber：LaneRCNN[5]Google：VectorNet[6]Huawei：HOME[7]Waymo：TNT[8]Aptive：Covernet[9
AI视觉网奇·2024-01-09 15:22

如何标注mask用于图像分割模型训练（VIA标注semantic segmentation数据集的mask）

近几年深度学习发展非常迅猛，深度学习用于图像识别、分割等方面效果非常好，像maskrcnn这类网络已经可以做到对象分割了（instancesegmentation）。再不跟进就落伍了！！
dvlee1024·2024-01-09 14:27

经典卷积神经网络简介之【AlexNet】

论文中转：ImageNetClassificationwithDeepConvolutionalNeuralNetworks1AlexNet简介自LeNet-5在1998年提出以后，时隔14年，AlexNet横空问世，在2012年ImageNet竞赛中以冠军的成绩笑傲群雄，也就是从那时起，更多更优秀的网络被相继提出。论文第一作者是来自多伦多大学的AlexKrizhevsky，因此网络称为AlexN
Lurker_0·2024-01-09 13:41

基于tensorflow CNN的花卉识别系统

用户可以上传一张花卉图片，系统通过使用卷积神经网络（CNN）模型，自动识别出该花卉的品种。
沐知全栈开发·2024-01-09 12:12

海街の日記|倒映在海里的绚烂烟火

图片发自App夏日午后，蝉鸣依旧响亮，浓云时而卷积时而飘散，慵懒的夏日穿着吊带裙窝在沙发椅上打开《海街日记》，周围的空气都变得宁静而温柔。
早安sa小姐·2024-01-09 12:30

六、计算机视觉相关内容

翻转和裁剪1.1.2变换颜色1.1.3结合多种图像增广方法二、微调2.1微调的步骤2.2具体案例三、目标检测和边界框3.1边界框四、锚框五、多尺度目标检测六、目标检测数据集七、单发多框检测(SSD)八、区域卷积神经网络
穆_清·2024-01-09 12:59

五、卷积神经网络

文章目录前言一、图像卷积1.1不变性1.2互相关运算1.3卷积层1.4互相关和卷积1.5特征映射和感受野二、填充和步幅2.1填充2.2步幅三、多输入多输出通道3.1多输入通道3.2多输出通道3.31×1
穆_清·2024-01-09 12:29

图像匹配几种常见算法与实践

和2D卷积一样，它也是用模板图像在输入图像（大图）上滑动，并在
霍格沃兹测试开发学社·2024-01-09 11:36

yolov1， yolo v2 和yolo v3系列分析

其网络架构如下：（24个卷积层和两个全连接层，注意最后一个全连接层
AI小白龙*·2024-01-09 11:17

静态背景下运动目标检测 matlab_干货 | 视频显著性目标检测（文末附有完整源码）...

背景将CNN应用于视频显著性的第一个问题是缺乏足够大、标记密集的视频训练数据。据我所知，CNN在计算机视觉方面的成功在很大程度上归功于大规模标注图像
weixin_39747049·2024-01-09 10:57

互联网加竞赛 基于卷积神经网络的乳腺癌分类 深度学习 医学图像

部分代码实现5.2.1导入库5.2.2图像加载5.2.3标记5.2.4分组5.2.5构建模型训练6分析指标6.1精度，召回率和F1度量6.2混淆矩阵7结果和结论8最后1前言优质竞赛项目系列，今天要分享的是基于卷积神经网络的乳腺癌分类该项目较为新颖
Mr.D学长·2024-01-09 09:20

Pytorch上下采样函数--interpolate()

Unpooling是在CNN中常用
Activewaste·2024-01-09 09:05

基于YOLOv6开发构建道路交通场景下CCTSDB2021交通标识检测识别系统

卷积神经网络（CNN）在计算机视觉任务中取得了突破性进展，在交通标志分类方面取得了巨大的成功。
Together_CZ·2024-01-09 09:52

基于YOLOv7开发构建道路交通场景下CCTSDB2021交通标识检测识别系统

卷积神经网络（CNN）在计算机视觉任务中取得了突破性进展，在交通标志分类方面取得了巨大的成功。
Together_CZ·2024-01-09 09:52

基于YOLOv3开发构建道路交通场景下CCTSDB2021交通标识检测识别系统

卷积神经网络（CNN）在计算机视觉任务中取得了突破性进展，在交通标志分类方面取得了巨大的成功。
Together_CZ·2024-01-09 09:22
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他