CNN图像处理基础

cnn中的dropout技术

lenet5中这个：boolconnection_table[6*16]={O,X,X,X,O,O,O,X,X,O,O,O,O,X,O,O,O,O,X,X,X,O,O,O,X,X,O,O,O,O,X,O,O,O,O,X,X,X,O,O,O,X,X,O,X,O,O,O,X,O,O,O,X,X,O,O,O,O,X,X,O,X,O,O,X,X,O,O,O,X,X,O,O,O,O,X,O,O,X,O,X,
机器之眼_机器视觉MeGauging实现·2025-03-26 13:21

6 卷积神经网络实现MNIST手写数字识别

代码实现了基本的CNN共两层神经网络，包括两层卷积层两层池化层使用的数据集为单通道28*28像素的MNIST数据集，共10个标签训练集可直接在代码里下载代码模块如下：importtorchfromtorchimportnnfromtorch.utils.dataimportDataLoaderfromtorchvisionimportdatasets
机械专业搞视觉的小白·2025-03-25 21:18

基于Python卷积神经网络的Mnist手写数字识别

使用卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）来解决手写数字识别问题，不
2301_79809972·2025-03-25 20:12

AI视频自动剪辑的核心原理

以下是其技术实现的分层解析：1.内容分析与特征提取自动剪辑的第一步是“理解素材“，需从视频中提取关键信息：视觉分析：场景分割：通过帧间差异检测（如颜色直方图变化、边缘检测）或机器学习模型（如CNN）识别镜头切换点
xinxiyinhe·2025-03-25 14:24

基于ISSA-CNN-BiGRU-SelfAttention多变量时序预测（多输入单输出）Matlab

基于ISSA-CNN-BiGRU-SelfAttention的多变量时序预测模型研究一、引言1.1研究背景与意义在当今信息化、数字化飞速发展的时代，多变量时序预测在诸多领域都发挥着至关重要的作用。
默默科研仔·2025-03-25 09:45

神经网络中层与层之间的关联

数据流动与参数传递1.1数据流动（ForwardPropagation）1.2参数传递（BackwardPropagation）2.常见层与层之间的关联模式2.1典型全连接网络（如手写数字分类）2.2卷积神经网络（CNN
iisugar·2025-03-24 06:40

【图像去噪】论文精读：CVPR 2025 | DnLUT: Ultra-Efficient Color Image Denoising via Channel-Aware Lookup Tables

去噪概述、文章目录、资料汇总、问题汇总（更新中）文章目录前言Abstract1.Introduction2.Relatedworks2.1.ColorImagedenoising2.2.ReplacingCNNwithLUT3
十小大·2025-03-23 16:41

OpenCV图像处理基础2

接着上一篇OpenCV图像处理基础1继续说。
指尖下的技术·2025-03-23 03:43

CBNet--一种新的目标检测的复合骨干网体系结构

一、Introduction一般来说，在一个典型的基于CNN的目标检测器中，使用主干网络来提取检测对象的基本特征，该网络通常是为图像分类任务而设计的，并在ImageNet上预训练。
weixin_45963617·2025-03-22 22:43

机器学习结合伏羲模型高精度多尺度气象分析与降尺度实现

技术路线：伏羲模型提供大尺度气象数据和预报使用机器学习模型（如CNN、LSTM、XGBoost）进行降尺度2.数据准备与处理2.1气象数据获取
Hardess-god·2025-03-22 21:07

强化学习中的深度卷积神经网络设计与应用实例

深度学习，特别是深度卷积神经网络（DeepConvolutionalNeuralNetworks，DCNNs）的引入，为强化学习在处理高维度数据方面提供了强大工具。
数字扫地僧·2025-03-22 01:40

10.2 如何解决从复杂 PDF 文件中提取数据的问题？

方法：使用计算机视觉和深度学习技术，如卷积神经网络（CNN）或其他先进的图像处理算法。效果：能够检测出页面
墨染辉·2025-03-21 21:33

常见经典目标检测算法

以下是一些常见的经典目标检测算法：1.R-CNN（RegionswithCNNfeatures）:R-CNN通过使用区域提议方法（如选择性搜索）首先生成潜在的边界框，然后使用卷积神经网络(CNN)提取特征
109702008·2025-03-21 15:39

深度学习的颠覆性发展：从卷积神经网络到Transformer

深度学习的发展历程可以分为以下几个阶段：2006年，GeoffreyHinton等人开始研究卷积神经网络（ConvolutionalNeuralNetworks，CNN），这是深度学习的第一个大突破。
AI天才研究院·2025-03-21 07:57

YOLO魔改之频率分割模块（FDM）

深度学习方法，如FasterR-CNN和YOLO系列，已成为主流解决方案。这些方法通常采用两阶段或单阶段策略，通过卷积神经网络(CNN)提取特征并进行分类和定位。
清风AI·2025-03-20 21:11

使用 TensorFlow 进行图像处理：深度解析卷积神经网络（CNN）

目录使用TensorFlow进行图像处理：深度解析卷积神经网络（CNN）1.什么是卷积神经网络（CNN）？CNN的基本结构为什么CNN适合图像处理？
一碗黄焖鸡三碗米饭·2025-03-20 12:28

图像处理篇---图像预处理

数据增强目的实现1.5特征增强目的实现：边缘检测直方图均衡化锐化二、分领域预处理2.1传统机器学习（如SVM、随机森林）2.1.1特点2.1.2预处理重点灰度化二值化形态学操作特征工程2.2深度学习（如CNN
Ronin-Lotus·2025-03-20 02:00

深度学习五大模型：CNN、Transformer、BERT、RNN、GAN详细解析

卷积神经网络（ConvolutionalNeuralNetwork,CNN）原理：CNN主要由卷积层、池化层和全连接层组成。
·2025-03-19 11:37

大模型黑书阅读笔记--第一章

cnn,rnn达到了极限，憋了三十年（这段时间已经有注意力了，并且注意力也加到了cnn，rnn中，但没啥进展）憋来了工业化最先进的transformertransformer的核心概念可以理解为混合词元
53年7月11天·2025-03-19 01:29

OpenCV-Python实战（1）——OpenCV简介与图像处理基础

OpenCV介绍Python安装OpenCV：对于Linux和Windows操作系统，首先需要在shell或cmd中运行以下命令安装NumPy：pipinstallnumpy。然后再安装OpenCV，可以选择仅安装主模块包：pipinstallopencv-python，或者安装完整包（包括主模块和附加模块）：pipinstallopencv-contrib-python。OpenCV主要模块：O
数字化转型2025·2025-03-18 19:17

锂电池剩余寿命预测 | 基于CNN-BiLSTM的锂电池剩余寿命预测研究附Matlab参考代码

基于CNN-BiLSTM的锂电池剩余寿命预测研究附Matlab参考代码一、引言1.1、研究背景和意义锂电池因其高能量密度和长循环寿命，在移动设备、电动汽车和储能系统等领域得到广泛应用。
默默科研仔·2025-03-18 05:58

请编写一个Python程序，实现WOA-CNN-BiLSTM鲸鱼算法优化卷积双向长短期记忆神经网络多输入单输出回归预测功能。

实现一个基于鲸鱼优化算法（WOA）优化的卷积双向长短期记忆神经网络（CNN-BiLSTM）的多输入单输出回归预测功能是一个复杂的任务，涉及到多个步骤和组件。
2301_81121233·2025-03-17 17:21

【Attention】SEAttention

SEAttention摘要卷积神经网络（CNNs）的核心构建模块是卷积算子，它使网络能够通过在每一层的局部感受野内融合空间和通道信息来构建有价值的特征。
shanks66·2025-03-17 12:12

【sklearn 04】DNN、CNN、RNN

DNNDNN（DeepNeuralNetworks，深度神经网络）是一种相对浅层机器学习模型具有更多参数，需要更多数据进行训练的机器学习算法CNNCNN（convolutionalNeuralNetworks
@金色海岸·2025-03-17 09:24

【大模型开发】大模型转换为 NCNN 格式并在 微信小程序 中进行调用

以下内容将介绍如何将大模型转换为NCNN格式并在微信小程序中进行调用。
云博士的AI课堂·2025-03-17 09:19

java实现卷积神经网络CNN（附带源码）

Java实现卷积神经网络（CNN）项目详解目录项目概述1.1项目背景与意义1.2什么是卷积神经网络（CNN）1.3卷积神经网络的应用场景相关知识与理论基础2.1神经网络与深度学习概述2.2卷积操作与卷积层原理
Katie。·2025-03-17 07:38

MobileNet家族：从v1到v4的架构演进与发展历程

MobileNet是一个专为移动设备和嵌入式系统设计的轻量化卷积神经网络（CNN）家族，旨在在资源受限的环境中实现高效的图像分类、对象检测和语义分割等任务。
彩旗工作室·2025-03-17 05:44

Vision Transformer (ViT) 详细描述及 PyTorch 代码全解析

它摒弃了传统卷积神经网络(CNN)的卷积操作，而是将图像分割成patches，并将这些patches视为序列输入到Transformer编码器中。
AIGC_ZY·2025-03-17 02:23

YOLOv5+UI界面在车辆检测中的应用与实现

近年来，深度学习技术的突破，特别是卷积神经网络（CNN）的崛起，使得目标检测技术取得了显著进展。
深度学习&目标检测实战项目·2025-03-16 23:03

YOLO11改进-模块-引入多尺度差异融合模块MDFM

近年来，卷积神经网络（CNN）在具有挑战性的RSCD任务中展现出了良好的效果。然而，这些方法未能有效地融合双时相特征，也未提取出对后续RSCD任务有益的有用信息。
一勺汤·2025-03-16 19:05

YOLO优化之扫描融合模块（SimVSS Block）

传统的卷积神经网络（CNN）虽然在目标检测领域取得了显著进展，但仍存在局限性，如局部关注性导致难以有效检测不同尺度的目标。
清风AI·2025-03-16 19:00

《Python深度学习》第四讲：计算机视觉中的深度学习

其实，这一切都离不开深度学习中的卷积神经网络（CNN）。今天，我们就来深入了解一下CNN是如何工作的。5.1卷积神经网络简介先来看下卷积神经网络（CNN）是什么。
earthzhang2021·2025-03-16 10:56

基于人工智能的智能视频内容分析系统

基于人工智能的智能视频内容分析系统系统功能1.视频数据预处理降噪与滤波：去除视频画面中的噪点和干扰画质增强：调整亮度、对比度和色彩平衡关键帧提取：减少数据量，提取关键信息2.目标识别检测基于深度学习模型（YOLO、FasterR-CNN
小彭律师·2025-03-16 09:21

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

图像处理基础1.1图像表示在数字图像处理中，图像通常被表示为一个二维矩阵，每个元素代表一个像素的灰度值或颜色值。在HarmonyNex
·2025-03-16 00:16

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

1.图像处理基础1.1图像表示在数字图像处理中，图像通常被表示为一个
·2025-03-15 10:50

深度学习项目--基于DenseNet网络的“乳腺癌图像识别”，准确率90%+，pytorch复现

ResNet发布后，很多人做了修改，denseNet网络无疑是最成功的一个，它采用密集型连接，将通道数连接在一起；本文是基于上一篇复现DenseNet121模型，做一个乳腺癌图像识别，效果还行，准确率0.9+;CNN
羊小猪~~·2025-03-14 22:08

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

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。简单来说，卷积就像是用一个小的“扫描仪”在图像上滑动，每次扫描一小块区域，并从中提取有用的信息。
m0_61360701·2025-03-13 13:09

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

基于HarmonyNext的高性能图像处理实战指南

1.图像处理基础在开始编写代码之前，我们需要了解
·2025-03-12 22:52

【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

AttributeError: ‘NoneType‘ object has no attribute ‘astype‘

今天在复现fasterRCNN网络时，出现AttributeError:'NoneType'objecthasnoattribute'astype'报错，如下图所示通过dug,发现im的shape为none
冰虺·2025-03-12 06:55

Faster R-CNN原理详解以及Pytorch实现模型训练与推理

《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【YOLOv8多目标识别与自动标注软件开发】8.【基于深度学习的行人跌倒检测系统】9.【基于深度学习的PCB板缺陷检测系统
阿_旭·2025-03-12 05:51

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

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(convolutionalneuralnetworks,CNNs
shiter·2025-03-12 02:21

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

深度解析：DETR的多尺度特征融合

传统的目标检测方法，如FasterR-CNN和YOLO，通常依赖于预定义的锚框或候选区域来生成目标proposals。然而，这些方法存在一些固有的局限性：人工先验知识:锚框的设
AI天才研究院·2025-03-11 15:17

PyTorch实现CNN：CIFAR-10图像分类实战教程

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·2025-03-11 11:44
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他