CNN网络结构

图像处理之《基于端到端哈希生成模型的鲁棒无覆盖图像隐写》论文精读

与现有方法不同的是，哈希序列是由端到端的CNN模型生成的，输入是原始图像，输出是相应的哈希序列。因此，
Hard Coder·2024-02-04 15:54

SSVEPNet:使用标签平滑与谱归一化的高效CNN-LSTM网络

SSVEPNet:使用标签平滑与谱归一化的高效CNN-LSTM网络1.论文摘要2.背景介绍3.CNN-LSTM网络4.正则化技术4.1.基于视觉注意力机制的标签平滑技术4.2.谱归一化技术5.实验结果5.1
Ethan Hunt丶·2024-02-04 11:54

基于YOLOv8算法的照片角度分类项目实践

目录一、任务概述二、YOLOv8算法简介2.1算法改进2.2算法特点2.3网络结构2.4性能比较三、工程实践3.1安装算法框架库ultralytics3.2库存照片预处理3.2.1提取所有图片3.2.2
钱彬 (Qian Bin)·2024-02-04 11:33

YOLO部署实战（1）：YOLO数据集制作

FasterR-CNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。生成的XML文件是遵循PASCALVOC的格式的。
马上到我碗里来·2024-02-04 11:01

深度学习实战 | 卷积神经网络LeNet手写数字识别（带手写板GUI界面）

引言在深度学习领域，卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种广泛应用于图像识别任务的神经网络结构。
两只程序猿·2024-02-04 10:11

GAN知识点（一）：GAN的网络结构与损失

1.引言该知识点中，我们首先介绍生成对抗网络GAN的主要模型架构——生成器和鉴别器。其次，我们介绍GAN的损失函数以及相关的训练过程。2.生成对抗网络模型架构GAN是一种生成对抗学习方式的深度学习神经网络框架，由IanJ.Goodfellow于2014年首次推出。可以看得出来，GAN存在时间已经很“久远”了，但GAN仍能经久不衰的被人研究和应用也与它的生成对抗学习方式和模型有效性密不可分。与传统的
Arya算法笔记·2024-02-04 10:07

vit细粒度图像分类（九）RAMS-Trans学习笔记

1.摘要在细粒度图像识别(FGIR)中，区域注意力的定位和放大是一个重要因素，基于卷积神经网络(cnn)的方法对此进行了大量探索。
无妄无望·2024-02-04 09:01

深度学习的进展

深度学习的进展深度学习的进展包括但不限于以下几个方面：1.算法和模型的改进：随着研究的不断深入，深度学习算法和模型不断得到改进和优化，例如更有效的神经网络结构、新的激活函数、更好的优化算法等。
番茄不是西红柿1·2024-02-04 08:20

互联网加竞赛 基于深度学习的植物识别算法 - cnn opencv python

文章目录0前言1课题背景2具体实现3数据收集和处理3MobileNetV2网络4损失函数softmax交叉熵4.1softmax函数4.2交叉熵损失函数5优化器SGD6最后0前言优质竞赛项目系列，今天要分享的是**基于深度学习的植物识别算法**该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：4分创新点：4分更多资料,项目分享：ht
Mr.D学长·2024-02-04 07:55

回归预测 | Matlab实现CPO-CNN-LSTM-Attention冠豪猪优化卷积长短期记忆神经网络注意力机制多变量回归预测（SE注意力机制）

回归预测|Matlab实现CPO-CNN-LSTM-Attention冠豪猪优化卷积长短期记忆神经网络注意力机制多变量回归预测（SE注意力机制）目录回归预测|Matlab实现CPO-CNN-LSTM-Attention
机器学习之心·2024-02-04 05:28

回归预测 | Matlab实现RIME-CNN-LSTM-Attention霜冰优化卷积长短期记忆网络注意力多变量回归预测（SE注意力机制）

回归预测|Matlab实现RIME-CNN-LSTM-Attention霜冰优化卷积长短期记忆网络注意力多变量回归预测（SE注意力机制）目录回归预测|Matlab实现RIME-CNN-LSTM-Attention
机器学习之心·2024-02-04 05:28

回归预测 | Matlab实现POA-CNN-LSTM-Attention鹈鹕算法优化卷积长短期记忆网络注意力多变量回归预测（SE注意力机制）

回归预测|Matlab实现POA-CNN-LSTM-Attention鹈鹕算法优化卷积长短期记忆网络注意力多变量回归预测（SE注意力机制）目录回归预测|Matlab实现POA-CNN-LSTM-Attention
机器学习之心·2024-02-04 05:26

R-CNN阅读笔记

R-CNN是第一次将CNN用到目标检测领域上来的算法。（待确认）本篇博文主要讲解2014年CVPR上的经典pap
tang-0203·2024-02-04 02:40

基于花授粉算法的极限学习机(ELM)回归预测

回归问题数据处理4.基于花授粉算法优化的ELM5.测试结果6.参考文献7.Matlab代码8.Python摘要：本文利用花授粉算法对极限学习机进行优化，并用于回归预测1.极限学习机原理概述典型的单隐含层前馈神经网络结构如图
智能算法研学社（Jack旭）·2024-02-04 00:42

基于回溯搜索算法的极限学习机(ELM)回归预测

回归问题数据处理4.基于回溯搜索算法优化的ELM5.测试结果6.参考文献7.Matlab代码8.Python摘要：本文利用回溯搜索算法对极限学习机进行优化，并用于回归预测1.极限学习机原理概述典型的单隐含层前馈神经网络结构如图
智能算法研学社（Jack旭）·2024-02-04 00:42

基于果蝇算法的极限学习机(ELM)回归预测

回归问题数据处理4.基于果蝇算法优化的ELM5.测试结果6.参考文献7.Matlab代码8.Python摘要：本文利用果蝇算法对极限学习机进行优化，并用于回归预测1.极限学习机原理概述典型的单隐含层前馈神经网络结构如图
智能算法研学社（Jack旭）·2024-02-04 00:41

基于孔雀算法的极限学习机(ELM)分类算法

ELM学习算法3.分类问题4.基于孔雀算法优化的ELM5.测试结果6.参考文献7.Matlab代码摘要：本文利用孔雀算法对极限学习机进行优化，并用于分类问题1.极限学习机原理概述典型的单隐含层前馈神经网络结构如图
智能算法研学社（Jack旭）·2024-02-04 00:10

在 PyTorch 中动态构建和更新模型

这意味着开发者无需预先定义完整的计算图，而是在运行时根据需要构建神经网络结构，并可以随时修改模型参数、添加或删除网络层等。这种动态图机制为研究人员提供了极大的灵活性，尤其适合进行快速实验和原型开发。
科学禅道·2024-02-03 23:08

Pycharm配置conda虚拟环境出现unsupported

1.最近小黑皮在学习Mask-Rcnn框架，初步计划是先跑通一遍，再去深入学习。起初我的anaconda里已经有一个支持做图像处理的虚拟环境了。2.tensorflow-gpu就是之前配置好的环境。
徐徐祥来-小黑皮·2024-02-03 21:28

Python学习笔记--CNN实例/RNN/LSTM

cnnlenet5编程实例#!
花季秃头少女·2024-02-03 21:20

深度学习的发展历程和最新进展

深度学习是机器学习领域的一个子集，它通过模仿人脑的神经网络结构，使用多层神经网络（深度神经网络）进行学习和模式识别。它的发展经历了多个阶段，早期阶段，冷静期，深度学习复兴时期等。
稚肩·2024-02-03 19:14

目标检测任务的调研与概述

2目标检测的进阶知识：2.1经典的backbone：2.2目标检测器-传统的检测方法2.3目标检测器-两阶段的检测方法：2.3.1R-CNN开山之作2.3.2SPP-Net2.3.
Alexa2077·2024-02-03 16:56

Deeplearning with pytorch p1ch2

Deeplearningwithpytorchp1ch2AlexNet&ResNetResNet&resnet101AlexNet&ResNetResNet&resnet101ResNet：residualnetworksresnet101多层神经网络结构
风与海的半神·2024-02-03 16:17

【深度学习】P1 Deep Learning 简介

目录什么是深度学习深度学习网络结构深度学习重要历史节点常见深度学习库什么是深度学习深度学习，deeplearning，是机器学习的分支，是一种以人工神经网络为架构，对资料进行表征学习的算法。
脚踏实地的大梦想家·2024-02-03 16:15

多维时序 | Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测

多维时序|Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测目录多维时序|Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测效果一览基本介绍程序设计参考资料效果一览基本介绍
机器学习之心·2024-02-03 15:16

时序预测 | MATLAB实现基于CNN-BiLSTM-AdaBoost卷积双向长短期记忆网络结合AdaBoost时间序列预测

时序预测|MATLAB实现基于CNN-BiLSTM-AdaBoost卷积双向长短期记忆网络结合AdaBoost时间序列预测目录时序预测|MATLAB实现基于CNN-BiLSTM-AdaBoost卷积双向长短期记忆网络结合
机器学习之心·2024-02-03 15:16

《动手学深度学习(PyTorch版)》笔记6.3

Chapter6ConvolutionalNeuralNetwork(CNN)6.3LeNetLeNet模型中每个卷积块中的基本单元是一个卷积层、一个
南七澄江·2024-02-03 13:31

《动手学深度学习(PyTorch版)》笔记6.1

Chapter6ConvolutionalNeuralNetwork(CNN)6.1BasicConcepts卷积神经网络将空间不变性（spatial
南七澄江·2024-02-03 13:57

《动手学深度学习(PyTorch版)》笔记6.2

Chapter6ConvolutionalNeuralNetwork(CNN)6.2ImageConvolutionOperation6.2.1Con
南七澄江·2024-02-03 13:57

神经网络模型设计的方法和技巧

选择合适的模型架构：根据问题类型选择基础模型结构，例如卷积神经网络（CNN）用于图像识别，循环神经网络（RNN）、长短时记忆网络（LSTM）或门控循环单元（GRU）用于序列数据处理，Trans
科学禅道·2024-02-03 11:56

【交通规划原理】第四章 —— 交通网络布局规划与设计

文章目录引言一、概述二、交通网络布局理论与方法2.1节点重要度2.2区位理论2.3线路重要度三、交通网络布局与线路规划3.1交通网络布局3.2交通网络结构3.3交通网络布局规划评价四、交通网络拓扑建模4.1
Douglassssssss·2024-02-03 10:40

GAF-PCNN-AT格拉姆角场和双通道PCNN融合注意力机制的分类/故障识别程序！Excel导入，直接运行

适用平台：Matlab2023版本及以上本程序参考中文EI期刊《电力自动化设备》12月29号网络首发文献：《基于格拉姆角场与并行CNN的并网逆变器开关管健康诊断》,此外，在此基础上进一步对模型进行复现并改进
预测及优化·2024-02-03 09:43

在树莓派下使用NCNN部署YOLOv5-lite

在树莓派下使用NCNN部署YOLOv5-lite前置的开发环境操作可以先看这篇文章：树莓派下部署NCNN_树莓派部署神经网络我这里的yolov5-lite的param文件和bin文件是参考这个github
TTao9·2024-02-03 09:12

TTAO-CNN-BiGRU-MSA三角拓扑聚合优化、双向GRU融合注意力的多变量回归预测程序！

我们利用该创新性极高的优化算法对我们的CNN-BiGRU-Attention时序和空间特征结合-融合注意力机制的回归预测程序代码中的超参数
预测及优化·2024-02-03 09:37

深度学习有何新进展

近年来，深度学习的新进展主要集中在以下几个方面：网络结构的创新：为了提高模型的性能和效率，研究者们不断探索新的网络结构。例如，卷积神经网络（CNN）在图像处理领域取得了巨
小狗蛋ing·2024-02-03 09:06

AI预测-注意力机制/多头注意力机制及其tensorflow实现

AI预测相关目录AI预测流程，包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制
写代码的中青年·2024-02-03 09:02

AI预测-多任务学习-模型融合策略

AI预测相关目录AI预测流程，包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制
写代码的中青年·2024-02-03 09:01

AI预测-Transformer模型及Paddle实现

AI预测相关目录AI预测流程，包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制
写代码的中青年·2024-02-03 09:01

AI预测-迁移学习在时序预测任务上的tensoflow2.0实现

AI预测相关目录AI预测流程，包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制
写代码的中青年·2024-02-03 09:01

AI预测-VMD-CNN-LSTM时序预测

AI预测相关目录AI预测流程，包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测文章目录AI预测相关目录一、
写代码的中青年·2024-02-03 08:31

ConvFormer: Plug-and-Play CNN-StyleTransformers for Improving Medical ImageSegmentation

ConvFormer:改进医学图像分割的即插即用CNN风格转换器摘要：Transformer在医学图像分割中被广泛研究，以建立成对的长程依赖关系（像素之间的长程依赖关系）。
我在努力学习分割（禁止说我水平差）·2024-02-03 08:03

1.27CNN（输入层，特征提取（卷积，最大池化），输出），损失函数（KL散度，交叉熵推导），熵（物理、信息熵推导），点积矩阵运算（CPU,GPU,NPU）

CNN损失函数KL散度，交叉熵B部分是训练集的真实实际值，是常数，C部分是训练结果，目的是要让这个损失最小化，与模型参数紧密相关，取出C（带负号），C非负就是更精简的损失函数熵v所谓M个空间，N个小球在其中的排列组合方式为熵对应概率是
CQU_JIAKE·2024-02-03 07:23

基于FFT + CNN -Transformer时域、频域特征融合的电能质量扰动识别模型

目录往期精彩内容：模型整体结构1快速傅里叶变换FFT原理介绍第一步，导入部分数据，扰动信号可视化第二·步，扰动·信号经过FFT可视化2电能质量扰动数据的预处理2.1导入数据2.2制作数据集3基于FFT+CNN-Transformer
建模先锋·2024-02-03 07:52

深度学习的进展

深度学习的核心是神经网络，包括卷积神经网络（CNN）、循环神经网络（RNN）等，这些网络通过不断地学习和优化，逐渐提高对输入数据的理解和处理能力。深度学习的应用范围十分广泛
佛系爱学习·2024-02-03 07:16

时间序列预测 —— TCN模型

时间序列预测——TCN模型卷积神经网络（ConvolutionalNeuralNetwork，CNN）在图像处理等领域取得了显著的成就，一般认为在处理时序数据上不如RNN模型，而TCN（TemporalConvolutionalNetwork
Persist_Zhang·2024-02-03 06:55

【技术综述】图像与CNN发家简史，集齐深度学习三巨头

本文首发于微信公众号《与有三学AI》【技术综述】图像与CNN发家简史，集齐深度学习三巨头没有一个经典的发现会是突然之间横空出世，它总是需要一些积淀。
城市中迷途小书童·2024-02-03 06:36

目标检测:PC端MobileNetSSD通过Ncnn前向推理框架之实现

我的最终目标是将MobileNetSSD部署到Anroid设备端，考虑到运行效率，采用了NCNN前向推理来实现，下面将在PC端的实现过程和大家分享下，欢迎讨论。
宝坚刘炜·2024-02-03 05:38

深度学习入门笔记（七）卷积神经网络CNN

我们先来总结一下人类识别物体的方法：定位。这一步对于人眼来说是一个很自然的过程，因为当你去识别图标的时候，你就已经把你的目光放在了图标上。虽然这个行为不是很难，但是很重要。看线条。有没有文字，形状是方的圆的，还是长的短的等等。看细节。纹理、颜色、方向等。卷积神经网络就是对上述过程的程序实现。7.1卷积卷积在卷积神经网络中的主要作用是提取图片的特征，同时保留原来图片中各个像素的相对位置（空间）关系。
zhanghui_cuc·2024-02-03 03:03

Neo4j介绍

程序数据是在一个面向对象的、灵活的网络结构下，而不是严格、静态的表中,但可以享受到具备完全的事务特性、企业级的数据库的所有好处。
less more·2024-02-03 03:30

【RT-DETR有效改进】利用YOLO-MS的MSBlock模块改进ResNet中的Bottleneck（RT-DETR深度改进）

模块(其其实不能算是Conv但是其应该是一整个模块)，我们将其用于替换我们ResNet中Basic组合出一种新的结构，来替换我们网络中的模块可以达到一种轻量化的作用，我将其用于我的数据集上实验，其在轻量网络结构的同时
Snu77·2024-02-03 02:26
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他