CNN硬件加速第5页

深度学习的新进展：从模型架构到应用领域的创新

第一部分：深度学习模型架构的新进展（800字）-卷积神经网络（CNN）的创新：近年来，卷积神经网络在计算机视觉领域取得了重要突破。例如，残差

梓德原·2024-02-11 02:11

TensorFlow(3)CNN中的函数

tf.nn.conv2d()函数参数介绍：tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)input：输入参数，具有这样的shape[batch,in_height,in_width,in_channels]，分别是[batch张图片,每张图片高度为in_height,每张图片宽度为in_width

山阴少年·2024-02-10 15:43

大模型基础架构的变革：剖析Transformer的挑战者（上）

有在原Transformer架构基础上微调改良的，也有采用传统RNN模型的思想的架构，还有以CNN为基础模型的架构，更有将Transformer和其他RNN、CNN架构结合的混合架构模型。

深度人工智能·2024-02-10 15:09

隐写分析steganalysis深度学习Deep learning卷积神经网络CNN

引言：图像隐写将秘密图像嵌入到载体图像，并尽可能少地修改图像的内容和统计特征，秘密信息可以在两个domain中嵌入：spatialdomain和frequencydomain.空域隐写微量修改像素值，频域隐写通常应用于JPEG图像，通过改变离散余弦变换(DCT)系数来实现。LSB算法将秘密信息嵌入到像素值的最低有效位，算法简单但改变了图像的统计特征。目前提出了许多自适应隐写算法（如空域的那三种)，

夜枭子·2024-02-10 12:32

Efficient feature learning and multi-size image steganalysis based on CNN【Zhu-Net基于高效特征学习与多尺度图像隐写分析】

本文针对上述问题，设计了一种基于CNN的改进网络结构。首先，我们使用3×3核代替传统的5×5核，并在预处理层优化卷积核。

CV误会了我·2024-02-10 12:01

Convolutional Neural Networks for No-Reference Image Quality Assessment 论文翻译

ConvolutionalNeuralNetworksforNo-ReferenceImageQualityAssessment论文翻译TranslationAbstract1Introduction2RelatedWork3CNNforNR-IQA3.1NetworkArchitecture3.2LocalNormalization3.3Pooling3.4ReLUNonlinearity3.5

亚里·2024-02-10 12:30

JPEG图像格式加速神经网络训练--使用DCT训练CNN

JPEG图像格式加速神经网络训练JPEG图像格式加速神经网络训练工作原理DCT系数与JPEG直接利用DCT系数阶段1:数据准备步骤1:读取JPEG文件结构步骤2:提取量化表和Huffman表步骤3:解析图像数据步骤4:反量化步骤5:获取DCT系数阶段2:输入处理预处理1:正规化（Normalization）预处理2:中心化（Centering）预处理3:选择性剔除预处理4:量化系数补偿预处理5:重

kadog·2024-02-10 12:00

Vitis AI 集成

IApacheTVM中文站**VitisAI**是用在Xilinx平台（包括边缘设备和Alveo卡）上进行硬件加速AI推理的Xilinx开发堆栈。它由优化的IP、工具、库、模型和示例设计组成。

HyperAI超神经·2024-02-10 08:33

卷积神经网络（CNN）

栉风沐雪·2024-02-10 07:44

GraphicsMagick 的 OpenCL 开发记录（三十四）

文章目录如何写`ScaleImage()`的硬件加速函数（八）如何写ScaleImage()的硬件加速函数（八）我觉得Y方向的缩放以下面这种ScaleFilter()的方法是实现不了的，我只能添加进X方向的处理

遍地是牛·2024-02-10 07:58

Action!录屏工具免费完整版，录屏软件，打开即可解锁最新完整可用版本，支持GPU加速HDR视频录制和播放

该录屏工具支持GPU硬件加速，可以智能识别主流硬件设备，支持通过GPU进行HDR视频录制和播放进行。

DoNot_996·2024-02-10 07:41

从浏览器渲染层面解析css3动效优化原理

谈及动效便不可避免地会想到动效性能优化这个话题:减少页面DOM操作，可以使用CSS实现的动效不多出一行js代码使用绝对定位脱离让DOM脱离文档流，减少页面的重排(relayout)使用CSS33D属性开启硬件加速那么

凹凸实验室·2024-02-10 05:31

数字IC实践项目（8）—CNN加速器（ASIC_Flow；付费项目补充）

数字IC实践项目（8）—CNN加速器（ASIC_Flow；付费项目补充）更新说明项目整体框图神经网络框图Filetree项目简介和学习目的软件环境要求Area、QOR、Power&Timing报告Area

IC_Brother·2024-02-09 22:06

orbslam_semantic_nav_ros 编译出现的问题1

安装环境ubuntu20.04rosNODES项目链接：https://github.com/MRwangmaomao/semantic_slam_nav_ros安装腾讯ncnn库其他库opencv3.4.9eigen3.4.0pangolin

sugarkss·2024-02-09 20:02

使用深度学习对网络摄像头图像进行分类

此示例使用GoogLeNet，它是预训练的深度卷积神经网络（CNN或ConvNet），已基于超过一百万个

jk_101·2024-02-09 20:30

安装使用MMDeploy（Python版）

/configs/mmdet/detection/detection_tensorrt_dynamic-320x320-1344x1344.pymmdetection/configs/faster_rcnn

*Major*·2024-02-09 15:01

Transformer实战-系列教程13：DETR 算法解读

Transformer实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在Pycharm中进行本篇文章配套的代码资源已经上传点我下载源码1、物体检测说到目标检测你能想到什么faster-rcnn

机器学习杨卓越·2024-02-09 14:16

YOLOv5独家原创改进：大核卷积涨点系列| Shift-ConvNets，稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文

本文独家改进：大的卷积核设计成为使卷积神经网络（CNNs）再次强大的理想解决方案，Shift-ConvNets稀疏/移位操作让小卷积核也能达到大卷积核效果，创新十足实现涨点，助力YOLOv8在多个私有数据集和公开数据集

AI小怪兽·2024-02-09 11:17

使用PyTorch识别简单验证码

示例比较简单，主要演示图片预处理及简单的CNN网络。

tomo_wang·2024-02-09 11:43

深度学习|Keras识别CIFAR-10图像（CNN）

数据和方法CIFAR-10数据集有6000个32×32个彩色图片，50000个训练图片和10000个测试图片。有10个类别：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车。数据下载和处理数据下载Keras已经提供了模块用于下载数据，通过一下代码即可完成下载。fromkeras.datasetsimportcifar10importnumpyasnpnp.random.seed(10)(x_img_

罗罗攀·2024-02-09 09:42

目标检测 | 卷积神经网络（CNN）详细介绍及其原理详解

卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种深度学习模型，主要用于图像识别和计算机视觉任务。它的设计灵感来自于生物学中视觉皮层的工作原理。

小哥谈·2024-02-09 08:59

深度学习入门笔记（八）可以不断思考的模型：RNN与LSTM

8.1循环神经网络RNN之前学到的CNN和全连接，模型的输入数据之间是没有关联的，比如图像分类，每次输入的图片与图片之间就没有任何关系，上一张图片的内容不会影响到下一张图片的结果。

zhanghui_cuc·2024-02-09 08:56

基于卷积神经网络-最小二乘支持向量机CNN-LSSVM回归预测，多变量输入模型，matlab代码，要求2019及以上版本。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方

%%清空环境变量warningoff%关闭报警信息closeall%关闭开启的图窗clear%清空变量clc%清空命令行%%导入数据P_train=xlsread('data','trainingset','B2：G191')';T_train=xlsread('data','trainingset','H2：H191')';%测试集——44个样本P_test=xlsread('data','te

智能算法及其模型预测·2024-02-09 07:12

基于卷积神经网络-最小二乘支持向量机CNN-LSSVM分类预测，CNN-LSSVM多特征输入模型。多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序语言为matl

%%清空环境变量warningoff%关闭报警信息closeall%关闭开启的图窗clear%清空变量clc%清空命令行%%读取数据res=xlsread('数据集.xlsx');%%分析数据num_class=length(unique(res(:,end)));%类别数（Excel最后一列放类别）num_dim=size(res,2)-1;%特征维度num_res=size(res,1);%样

智能算法及其模型预测·2024-02-09 07:12

linux 消息发布工具-kafka

下载地址：https://mirrors.cnnic.cn/apache/kafka一、系统构成在整个消息发布流程中，kafka作为一个中间件对系统的运行提供了解耦、削峰、异步处理的能力。

强壮的向阳花·2024-02-09 05:53

基于轻量级模型YOLOX-Nano的菜品识别系统

工程Gitee地址：https://gitee.com/zhong-liangtang/ncnn-android-yolox-nano一、YOLOX简介YOLOX是一个在2021年被旷视科技公司提出的高性能且无锚框

钟良堂·2024-02-09 05:46

智慧自助餐饮系统（SpringBoot+MP+Vue+微信小程序+JNI+ncnn+YOLOX-Nano）

一、项目简介本项目是配合智慧自助餐厅下的一套综合系统，该系统分为安卓端、微信小程序用户端以及后台管理系统。安卓端利用图像识别技术进行识别多种不同菜品，识别成功后安卓端显示该订单菜品以及价格并且生成进入小程序的二维码，用户扫描后在小程序进行付款和提交订单，用户也可查看订单和菜品等信息，管理员在Web后台管理系统进行信息查看餐厅运营情况和管理菜品、订单评价等信息。本系统涉及的论文文献，可以进行参考和引

钟良堂·2024-02-09 05:15

【论文+代码】ZS-N2N实现小样本零网络图像去噪

然后用一致性损失训练一个简单的2层CNN，将一个下采样的图像映

小Z的科研日常·2024-02-09 04:42

【数据＋代码】CNN-LSTM模型实现时间序列预测

本文使用深度学习组合模型CNN-LSTM来进行销售额的预测。将介绍这一模型的原理并应用于一个销售数据集，帮助我们理解销售模式并进行准确的销售额预测。本期内容『数据+代码』已上传百度网盘。

小Z的科研日常·2024-02-09 04:12

Web前端新手入门系列：HTML5

HTML部分详见：Web前端新手入门系列：1、HTML6.1HTML5新特性增加了audio和video音频播放，抛弃了Flash新增canvas画布（绘画，制作动画，小游戏开发等)地理定位离线缓存硬件加速

lsslcj·2024-02-08 20:03

刘知远LLM——神经网络基础

Word2Vec例子负采样：循环神经网络RNN门控计算单元GRU长短时记忆网络LSTM遗忘门输入门输出门双向RNN卷积神经网络CNNpytorch实战神经网络基础基本构成全称：人工神经网络。

李日音·2024-02-08 15:43

YOLO系列详解(YOLO1-YOLO5)

YOLOv1使用一个单一的CNN网络，在

Y T·2024-02-08 13:50

应用ANN+SMOTE+Keras Tuner算法进行信用卡交易欺诈侦测

目录SMOTE：ANN：ANN(MLP)三种预测-CSDN博客KerasTuner：CNN应用KerasTuner寻找最佳HiddenLayers层数和神经元数量-CSDN博客数据：建模：SMOTESampling

取名真难.·2024-02-08 11:51

深度学习(15)--PyTorch构建卷积神经网络

目录一.PyTorch构建卷积神经网络(CNN)详细流程二.graphviz+torchviz使PyTorch网络可视化2.1.可视化经典网络vgg162.2.可视化自己定义的网络一.PyTorch构建卷积神经网络

GodFishhh·2024-02-08 09:32

caffez转ncnn，及环境配置

一、安装ncnn1、安装protobuf(a)、gitclonehttps://github.com/google/protobuf(b)、自动生成configure配置文件，运行：.

宁静深远·2024-02-08 09:31

OPENGL NCNN GPU零拷贝实现

概要OPENGL拿到的相机帧，通过有拷贝的方式进行GPU推理CPU占用率太高，而NCNN没有提供OPENGL零拷贝GPU推理的接口，因此只能自己实现整体流程主要方法是使用AndroidHardwareBuffer

陈立里·2024-02-08 09:58

NCNN GPU初始化加速——cache实现

概要NCNN的CPU初始化速度很快，但是当使用GPU进行推理时，初始化往往要花费几秒甚至更长时间。

陈立里·2024-02-08 09:56

GraphicsMagick 的 OpenCL 开发记录（三十二）

文章目录如何写`ScaleImage()`的硬件加速函数（六）如何写ScaleImage()的硬件加速函数（六）不管什么事儿看来都怕琢磨，如果连做梦都能梦到你正在琢磨的事儿，估计离成功也就不远了。

遍地是牛·2024-02-08 08:32

GraphicsMagick 的 OpenCL 开发记录（三十三）

文章目录如何写`ScaleImage()`的硬件加速函数（七）如何写ScaleImage()的硬件加速函数（七）其实“如何写ScaleImage()的硬件加速函数（六）”的实现就是一个ResizeHorizontalFilter

遍地是牛·2024-02-08 08:32

实例分割模型解析：solo模型

为了预测每个实例的掩码，主流方法要么遵循“检测然后分段”策略（例如，MaskR-CNN），要么首先预测嵌入向量，然后使用聚

交换喜悲·2024-02-08 06:16

出走香港-好去处：海滩

CNN旅游作家JoeMinihane发表文章，提到夏季的休闲活动，当然是到海滩及泳池畅泳，并列出12大适合游泳的城市。

出走世界·2024-02-08 04:01

【前沿技术杂谈：深度学习新纪元】探索人工智能领域的革命性进展

【前沿技术杂谈：深度学习新纪元】探索人工智能领域的革命性进展深度学习的进展深度学习的基本原理和算法深度学习的历史发展神经网络的基本构成神经元层次结构激活函数关键技术和算法反向传播算法卷积神经网络（CNN

jcfszxc·2024-02-08 02:48

【计算机视觉】Openvino给yolov5目标检测提速实战

常用的目标检测方法分为两大流派：一步走（one_stage）算法：直接对输入的图像应用算法并输出类别和相应的定位，典型的算法有yolo，ssd；两步走（two_stage)算法：先产生候选区域，然后在进行CNN

Sciengineer-Mike·2024-02-07 20:19

分子对接软件gnina主要功能与使用案例

主要功能与使用案例文章目录分子对接软件gnina主要功能与使用案例前言一、关于gnina介绍二、使用方法及案例1.gninausage2.配体文件与受体文件准备3.gnina分子对接案例3.1一般用法，在bindingsite对接3.2CNNrefinement3.3singleCNN3.4noneCNN

Blockbuater_drug·2024-02-07 20:27

卷积神经网络算法分子对接软件-gnina的编译安装

gnina包含MonteCarlo采样和CNN算法打分，性能较为突出，可媲美主流商业软件。源文档中gnina的安装介绍较为简略，这里提供gnina的编译安装一些细节，仅供参

Blockbuater_drug·2024-02-07 20:57

mmdetection模型转onnx和tensorrt实战

一,说明1.本次实战使用的是mmdetection算法框架中的Cascase-Rcnn训练的模型；2.模型转换时,运行环境中各种工具的版本要保持一致；3.TensorRT我一直装不上,我用的是镜像环境.

dream_home8407·2024-02-07 19:45

【计算机视觉】目标检测 |滑动窗口算法、YOLO、RCNN系列算法

一、概述首先通过前面对计算机视觉领域中的卷积神经网络进行了解和学习，我们知道，可以通过卷积神经网络对图像进行分类。如果还想继续深入，会涉及到目标定位(objectlocation)的问题。在图像分类的基础上(Imageclassification)的基础上，除了判断图像中的物体类别是什么，还需要给出其在图像中的位置，我们成为分类和定位的问题（Classificationandlocalizatio

Yaoyao2024·2024-02-07 18:08

多维时序 | MATLAB实现基于CNN-LSSVM卷积神经网络-最小二乘支持向量机多变量时间序列预测

多维时序|MATLAB实现基于CNN-LSSVM卷积神经网络-最小二乘支持向量机多变量时间序列预测目录多维时序|MATLAB实现基于CNN-LSSVM卷积神经网络-最小二乘支持向量机多变量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·2024-02-07 14:17

CVPR 2023: SFD2 Semantic-Guided Feature Detection and Description

学习特征:这些特征是使用深度学习技术（例如卷积神经网络(CNN)）从数据中自动学习的。它们可以捕捉像素之间更复杂的关系，并有可能获得更好的性能，但计算成本可能很高。语义

结构化文摘·2024-02-07 12:20

推荐频道

CNN硬件加速