CNN卷积第34页

机器学习 Pytorch 教程

https://morvanzhou.github.io/tutorials/machine-learning/torch/在我们学习完机器学习、深度学习、卷积神经网络以及结构化机器学习项目等理论知识后

苏高峰·2024-01-01 05:18

散射成像相关原理的数学理论推导与证明

散射技术汇总1.平面波2.传输损耗3.光学记忆效应4.菲涅尔衍射5.菲涅尔衍射-凸透镜成像6.光的传输过程7.传输矩阵8.波前整形调制9.光与物体的相互作用10.反卷积成像11.自相关成像12.相位恢复算法散射技术汇总散射成像技术汇总散射成像技术先验信息散射复杂度利用的光子

翼达口香糖·2024-01-01 05:07

工智能基础知识总结--什么是CNN

什么是CNN卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习

北航程序员小C·2024-01-01 02:58

2020广东事业单位面试热点：“李子柒”式文化走出去

CNN，作为美国影响力最大媒体之一，在YouTube上也只有792万粉丝，而李子柒的单个视频播放量，更多是在CNN十倍以上，但在外网上的视频并没有英文字幕，依旧受到非常多人的喜爱。

dcf82b55a13f·2024-01-01 01:12

论文笔记：DELPHI:预测蛋白质相互作用位点的精确深度集成模型

文章目录摘要：一、介绍二、材料和方法（一）、数据库（二）、测试集（三）、训练集和验证集（四）、输入特征（六）、CNN模型架构（七）、RNN网络的体系结构（八）、综合网络架构（九）、实现（十）、参数调整三

wangpan007·2023-12-31 23:52

基于改进通道注意力和多尺度卷积模块的蛋白质二级结构预测

一、背景：传统的蛋白质三维结构预测可以通过一些传统方法预测，但是此类方法过于昂贵和耗费时间。蛋白质二级结构是三维结构和序列的桥梁，其由多肽链中氢键的作用决定。许多研究表明，我们可以通过蛋白质的二级结构来了解其三维结构，因此对蛋白质二级结构的研究可以提高三维结构预测的准确性蛋白质二级结构预测方法的三个阶段：1、依赖于二级结构的单个残基的统计概率2、通过滑动考虑蛋白质的临近残基信息，准确率低3、多序列

seowhi·2023-12-31 23:21

2023下半年的总结

对于人脸识别，可以采用了基于深度学习的特征提取方法，通过训练卷积神经网络（CNN）来提取人脸特征，并使用余弦相似度进行特征匹配，实现人脸的快速识别。

从零开始的奋豆·2023-12-31 22:39

基于轻量级神经网络GhostNet开发构建光伏太阳能电池缺陷图像识别分析系统

，efficientnet、mobilenetv2、mobilenetv3、ghostnet、mnasnet、shufflenetv2驾驶危险行为识别模型对比开发测试》《基于Pytorch框架的轻量级卷积神经网络垃圾分类

Together_CZ·2023-12-31 20:42

基于轻量级GhostNet模型开发构建工业生产制造场景下滚珠丝杠传动表面缺陷图像识别系统

，efficientnet、mobilenetv2、mobilenetv3、ghostnet、mnasnet、shufflenetv2驾驶危险行为识别模型对比开发测试》《基于Pytorch框架的轻量级卷积神经网络垃圾分类识别系统

Together_CZ·2023-12-31 20:42

基于轻量级GhostNet模型开发构建生活场景下生活垃圾图像识别系统

，efficientnet、mobilenetv2、mobilenetv3、ghostnet、mnasnet、shufflenetv2驾驶危险行为识别模型对比开发测试》《基于Pytorch框架的轻量级卷积神经网络垃圾分类识别系统

Together_CZ·2023-12-31 20:40

【转载】深度学习—常见问题总结（调优方法）

2、CNN基本问题层级结构：输入层->卷积层->激活层->池化层->卷积层->激活层->池化层->全连接层····

dopami·2023-12-31 19:52

cnn pytorch实现（从获取数据到训练模型)

目录cnn整体框架（从获取数据到训练模型)1、导入必要包2、获取数据3、数据处理1、生成张量2、数据装载3、数据预处理4、定义模型0、nn.Sequential容器1、卷积2、激活3、最大池化4、全连接层

小白学习记录·2023-12-31 18:19

YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制

YOLOv8改进有效系列目录前言Hello，各位读者们好本专栏自开设两个月以来已经更新改进教程60余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新。同时本人一些讲解视频和包含我所有创新的YOLOv8文档并不能在CSDN上传(所有的创新点都经过我的测试是可用的，得到该文件之后大家可以随意组合使用)，所以会建立群的形式在内上传我的文件和视频我也会在

Snu77·2023-12-31 18:39

具有置信度学习的困难感知注意力网络用于医学图像分割

具有置信度学习的困难感知注意力网络用于医学图像分割背景贡献难点：实验方法分割网络SegmentationNetwork（分割网络）FullyConvolutionalConfidenceLearning（全卷积的置信度学习网络

火柴狗·2023-12-31 18:34

用于流式传输自由视点视频的神经残余辐射场

3.1、总体实现3.2、细节实现3.3、信号实现4、相关方法4.1、Motion-awareResidualFields4.2、ResidualGridOptimization5、测试实验傅里叶变换与卷积神经网络

qq_43314576·2023-12-31 15:33

YOLOv5算法进阶改进（9）— 引入ASPP | 空洞空间金字塔池化

ASPP通过在不同尺度上进行空洞卷积操作，从而捕捉到图像中不同尺度的上下文信息。

小哥谈·2023-12-31 15:19

图像分割实战-系列教程2：Unet系列算法（Unet、Unet++、Unet+++、网络架构、损失计算方法）

现在也是虽然用的不是很多，在16年特别火，在医学领域、小目标领域做分割，其实到现在为止也还在用，因为在深度学习中网络越简单越好，这篇内容也会介绍Unet++版和Unet最新版相比于yolo、maskrcnn

机器学习杨卓越·2023-12-31 12:28

计算机视觉全教程目录

1、OpenCV图像处理框架实战系列总目录OpenCV图像处理框架实战系列总目录2、现代卷积网络实战系列总目录现代卷积网络实战系列总目录3、YOLO物体检测系列教程总目录YOLO物体检测系列教程总目录4

机器学习杨卓越·2023-12-31 12:22

车牌识别系统设计与实现

车牌识别系统设计与实现项目概述本项目旨在设计和实现一套车牌识别系统，通过使用车牌字符数据集进行训练，应用OpenCV、CNN（卷积神经网络）和PyQt5技术，实现车牌图像的预处理、位置选定、定位、字符分割和最终的车牌识别功能

爱欲无极·2023-12-31 11:01

pytorch05:卷积、池化、激活

目录一、卷积1.1卷积的概念1.2卷积可视化1.3卷积的维度1.4nn.Conv2d1.4.1无padding无stride卷积1.4.2无paddingstride=2卷积1.4.3padding=2

慕溪同学·2023-12-31 07:45

CNN架构的演变：EfficientNet 简介

概述在各种卷积神经网络中，EfficientNet是其中最重要的一种。与所有前辈相比，它提供了更好的性能。EfficientNet是复合缩放和神经架构搜索（NAS）的产物。

新华·2023-12-31 07:11

【deep learning】利用卷积神经网络做音乐推荐 Recommending music on Spotify with deep learning

原文地址：http://benanne.github.io/2014/08/05/spotify-cnns.htmlThissummer,I’minterningatSpotifyinNewYorkCity

xceman1997·2023-12-31 07:10

深度学习 | ModernTCN模型结构

TCN是一种使用卷积神经网络（CNN）进行时间序列建模的方法，它通过卷积操作捕捉时间序列中的局部和全局模式。ModernTCN在TCN的

机器学习之心·2023-12-31 06:25

【23-24 秋学期】NNDL 作业7 基于CNN的XO识别

一、用自己的语言解释以下概念局部感知、权值共享局部感知是只连接相邻层的部分神经元。若每一层神经元之间使用全连接（Fully-Connected）的结构，在数据量较大时，训练速度会非常的慢，需要较大的计算内存。图像局部范围内的像素有较高的关联性，随着距离的加长，像素的信息相关性会降低，因此在经元时，不需要同时输入全局信息给单个神经元，只需要感知图像的局部信息，随着层数的增加深层的神经元会拥有广阔的感

Morning.&·2023-12-31 06:53

【机器学习】卷积神经网络（一）

一、网络结构典型CNN结构卷积神经网络是一种能够从图像、声音或其他类型的数据中学习特征的人工智能模型。

十年一梦实验室·2023-12-31 06:11

【Pytorch】学习记录分享10——PyTorchTextCNN用于文本分类处理

【Pytorch】学习记录分享10——PyTorchTextCNN用于文本分类处理1.TextCNN用于文本分类2.代码实现1.TextCNN用于文本分类具体流程：2.代码实现#coding:UTF-8importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimportnumpyasnpclassConfig

大江东去浪淘尽千古风流人物·2023-12-31 06:10

机器学习，深度学习，神经网络，深度神经网络

深度学习的算法又分很多种，比较典型的四种：卷积神经网络—CNN,循环神经网络—RNN,生成对抗网络—GANs,深度强化学习—RL。机器学习和深度学习的

向着光噜噜·2023-12-31 06:53

【Matlab】CNN卷积神经网络时序预测算法

资源下载：https://download.csdn.net/download/vvoennvv/88681558一，概述CNN（ConvolutionalNeuralNetwork，卷积神经网络）是一种前馈神经网络

千源万码·2023-12-31 05:34

基于CNN神经网络的手写字符识别实验报告

作业要求具体实验内容根据实际情况自拟，可以是传统的BP神经网络，Hopfield神经网络，也可以是深度学习相关内容。数据集自选，可以是自建数据集，或MNIST，CIFAR10等公开数据集。实验报告内容包括但不限于：实验目标和动机，应明确说明输入数据，和网络输出数据；所设计相关网络的基本架构；核心架构的具体实现；网络训练和推理过程及说明；实验结果比对和分析；总结和讨论…可根据需要自行扩展评分标准：符

全是头发的羊羊羊·2023-12-31 05:27

我平时常用的分类网络

BasicBlock采用的是两个3x3的卷积核Bottleneck先用1x1卷积核降维，然后3x3卷积

鹏_2857·2023-12-31 03:44

9种卷积注意力机制创新方法汇总，含2024最新

今天咱们来聊聊卷积注意力机制。相信各位在写论文的时候都苦恼过怎么更好地改模型，怎么更高效地提高模型的性能和泛化能力吧？我的建议是，不妨考虑考虑卷积+注意力。

深度之眼·2023-12-31 02:12

nn.Conv2d的使用(卷积层)(附代码)

nn.Conv2d的使用此处我们仍然使用官网自带的数据集进行训练,最后将其可视化加载数据集和可视化部分在此处不在介绍,若需要了解:加载数据集:torch.utils.data中的DataLoader数据加载器(附代码)_硕大的蛋的博客-CSDN博客tensorboard可视化工具:Tensorboard可视化工具的使用-史上最简单(附代码)_硕大的蛋的博客-CSDN博客导入相应的包和模块impor

怎么又在想我·2023-12-31 02:56

初识CNN

读研以来不断地说机器学习，但是机器学习究竟是什么还是不清楚，直到老师要自己讲机器学习算法，我又正好抽到卷积神经网络和循环神经网络，研究了很久，有了些个人的体会，如今写下这篇博文，希望可以对大家起到一个抛砖引玉的作用

将_4c15·2023-12-31 01:42

边缘检测——PidiNet网络训练自己数据集并优化推理测试（详细图文教程）

PiDiNet采用了新颖的像素差卷积，将传统的边缘检测算子集成到现代CNN中流行的卷积运算中，以增强任务性能。

佐咖·2023-12-30 23:43

图像分割之常用损失函数-Focal Loss

twoStage：主要指FastRCNN、RFCN等这样需要regionpropos

唐宋宋宋·2023-12-30 21:34

根据DCT特征训练CNN

记录一次改代码的挣扎经历：看了几篇关于DCT频域的深度模型文献，尤其是21年FcaNet：基于DCT的attentionmodel，咱就是说想试试将我模型的输入改为分组的DCT系数，然后就开始下面的波折了。第一次尝试：我直接调用了库函数，然后出现问题了：这个库函数是应用在numpy数组上，得在CPU上处理。fromscipy.fftpackimportdct,idct...dct_block=dc

youyiketing·2023-12-30 20:21

Python深度学习技术进阶篇|注意力（Attention）机制详解

GPT-1/2/3/3.5/4、DETR、ViT、SwinTransformer等）、生成式模型（变分自编码器VAE、生成式对抗网络GAN、扩散模型DiffusionModel等）、目标检测算法（R-CNN

AIzmjl·2023-12-30 19:02

【YOLO系列】yolo V1 ，V3，V5，V8 解释

LOSSyoloV3yoloV5yoloV8视频来源：https://www.bilibili.com/video/BV13K411t7Zs/AI视频小助理一、YOLO系列的目标检测算法，其中详细讲解了U6V1的网络结构，包括卷积层

联系丝信·2023-12-30 18:57

Self-attention学习笔记（Self Attention、multi-head self attention）

SelfAttention的实现方法以及网络结构Multi-headSelfAttentionpositionalencoding3、SelfAttention方法的应用4、SelfAttention与CNN

shuyeah·2023-12-30 16:49

Mask-RCNN网络——实例分割

Mask-RCNN网络——实例分割实例分割任务可以看做分为两部分：目标检测和语义分割1、Mask-RCNN的网络结构框架2、Mask-RCNN网络的的具体步骤2.1主干特征提取网络ResNet101这里默认输入图片大小为

shuyeah·2023-12-30 16:19

**深度学习 BN 、LeakyReLU算法原理

BN和LeakyReLUdefDarknetConv2D_BN_Leaky(*args,**kwargs):#归一化#DarkNet中用到的卷积块，卷积块中包含了归一化和激活函数"""DarknetConvolution2DfollowedbyBatchNormalizationandLeakyReLU

shuyeah·2023-12-30 16:19

YOLOv8改进 | 主干篇 | EfficientNetV1均衡缩放网络改进特征提取层

一、本文介绍这次给大家带来的改进机制是EfficientNetV1主干，用其替换我们YOLOv8的特征提取网络，其主要思想是通过均衡地缩放网络的深度、宽度和分辨率，以提高卷积神经网络的性能。

Snu77·2023-12-30 13:13

pytorch 训练超分辨率模型的技巧是什么？

模型选择：选择适合任务的模型，如SRCNN、ESPCN、EDSR等。同时，也可以考虑使用已经预训练好的模型进行微调。损失函数：选择适合任务的损失函数，如MSE、MAE、SSIM、LPIPS等。可

weixin_44616020·2023-12-30 12:07

RCNN，Fast RCNN and Faster RCNN

找到了三篇很好的文章，贴链接如下，留作自读：-【目标检测】RCNN算法详解：【目标检测】RCNN算法详解-CSDN博客-【目标检测】FastRCNN算法详解：【目标检测】FastRCNN算法详解-CSDN

biubiubiuoooooo·2023-12-30 11:58

图像金字塔

高斯金字塔向下采样（缩小）1）对于给定的图像先做一次高斯平滑处理，也就是使用一个卷积核对图像进行卷积操作2）然后再对图像采样，去除图像中的偶数行和偶数列，然后就得到一张图片3）对这张图片循环1)和2)操作就可以得到高斯金字塔向上采样

为暗香来·2023-12-30 10:22

Faster RCNN源码解读(1)-NMS非极大值抑制

py_cpu_nms.pyimage.png#---------------------------#非极大值抑制（Non-MaximumSuppression，NMS），顾名思义就是抑制不是极大值的元素#在fasterrcnn

疯人愿的疯言疯语·2023-12-30 08:55

互联网加竞赛基于CNN实现谣言检测 - python 深度学习机器学习

文章目录1前言1.1背景2数据集3实现过程4CNN网络实现5模型训练部分6模型评估7预测结果8最后1前言优质竞赛项目系列，今天要分享的是基于CNN实现谣言检测该项目较为新颖，适合作为竞赛课题方向，学长非常推荐

Mr.D学长·2023-12-30 08:29

论文解读：细粒度分类---SCDA、RA-CNN

细粒度分类解决的问题我们在路边看到萌犬可爱至极，然后却不知道这个是哪种狗；看见路边的一个野花却不知道叫什么名字，吃着一种瓜，却不知道是甜瓜还是香瓜傻傻分不清……细粒度图像分析任务相对通用图像任务的区别和难点在于其图像所属类别的粒度更为精细。大体分类细粒度分类目前的应用场景很广泛，现在的网络大多分为有监督的和半监督的。有监督的做法基于强监督信息的细粒度图像分类模型，是在模型训练时，为了获得更好的分类

机器学习算法工程师·2023-12-30 08:18

【图像分类】【深度学习】【轻量级网络】【Pytorch版本】ShuffleNet_V2模型算法详解

图像分类】【深度学习】【轻量级网络】【Pytorch版本】ShuffleNet_V2模型算法详解前言ShuffleNet_V2讲解四条实用指导思想G1:相等的通道宽度可以降低存储访问成本G2:大量的分组卷积数量会增加存储访问

牙牙要健康·2023-12-30 08:11

【深度学习-图像分类】02 - AlexNet 论文学习与总结

论文地址：ImageNetClassificationwithDeepConvolutionalNeuralNetworks论文学习1.摘要本研究训练了一个大型深度卷积神经网络（CNN），用于对ImageNetLSVRC

CarNong_Blog·2023-12-30 08:10

推荐频道

CNN卷积