CNN 第5页

【目标检测标签转换工具】YOLO 格式与 Pascal VOC XML 格式的互转详解（含完整代码）

在目标检测任务中，不同的模型和标注工具使用的标签格式常常不同：YOLO系列（YOLOv5/v8）使用的是.txt格式，每行为一个目标，记录相对归一化的位置信息；FasterR-CNN、SSD、RetinaNet

DragonnAi·2025-05-14 10:36

电商直播实时字幕生成：语音-视觉同步对齐技术详解与实战

一、技术原理与数学建模1.1多模态特征同步机制核心公式：声学特征提取：X_audio=CNN1D(MFCC(wav))视觉特征提取：X_vision=ResNet(frame)同步对齐：A=softmax

燃灯工作室·2025-05-14 07:12

AI大模型全景干货：分类、特点、应用、数据与学习指南

一、AI大模型的分类1、按模型结构分类（1）深度神经网络（DNN）：包括卷积神经网络（CNN）、循环神经网络（RNN）等。

程序员辣条·2025-05-14 03:18

ImportError: attempted relative import with no known parent package

mask.py代码：from.import_maskFile"E:\kangcheng\python\pvanet\TFFRCNN\lib\pycocotools\mask.py",line3,infrom.import_maskImportError

AI算法网奇·2025-05-14 02:12

深度学习---常用优化器

优化器一：Adam（AdaptiveMomentEstimation）一、适用场景总结（实践导向）场景是否推荐用Adam说明小模型训练（如MLP、CNN）✅✅✅稳定、无需复杂调参，适合快速实验初学者使用或结构新颖

灬0灬灬0灬·2025-05-14 01:35

机器人竞赛目标识别系统：基于YOLOv10的实时识别与图形界面实现

随着深度学习特别是YOLO系列模型的兴起，基于CNN的实时检测算法成为主流。本项目旨在构建一个完整的目标物检测

YOLO实战营·2025-05-13 00:52

2025年ide java python j系列激活码（持续更新）

UX394X3HLT-eyJsaWNlbnNlSWQiOiJVWDM5NFgzSExUIiwibGljZW5zZWVOYW1lIjoiSG9uZ2lrIFVuaXZlcnNpdHntmY3snbXrjIDtlZnqtZAiLCJsaWNlbnNlZVR5cGUiOiJDTEFTU1JPT00iLCJhc3NpZ25lZU5hbWUiOiLkvJfliJvkupEg5bel5L2c5a6kIiwiY

qq_33421488·2025-05-12 13:36

Vision Transformer（ViT）

它打破了传统卷积神经网络（CNN）在图像处理中的主导地位，通过全局注意力机制直接建模图像块（patches）之间的关系，尤其在大规模数据集上表现出色。

豆芽819·2025-05-12 00:07

python3.7-3.11版本whl文件快速直接安装dlib库（无需安装cmake！！！）手把手教你安装

1人脸特征提取：利用深度学习技术，特别是29层的卷积神经网络（CNN）。

heyday_period·2025-05-11 17:54

什么是AI大模型?常见的AI大模型有哪些?

深度学习架构：它们通常基于深度学习架构，如卷积神经网络（CNNs）用

程序员二飞·2025-05-11 12:55

AI大模型干货 | AI大模型的分类、特点、应用、详细数据、如何学习大模型？

一、AI大模型的分类1、按模型结构分类（1）深度神经网络（DNN）：包括卷积神经网络（CNN）、循环神经网络（RNN）等。

大模型RAG实战·2025-05-11 11:22

深入理解卷积神经网络的输入层：数据的起点与预处理核心

关键词：卷积神经网络；输入层；数据预处理在卷积神经网络（ConvolutionalNeuralNetwork,CNN）的复杂架构中，输入层作为数据进入网络的初始关卡，承

青橘MATLAB学习·2025-05-11 11:48

AI是如何修复老照片的？

在修复前，AI先对图片进行预处理：去噪：利用卷积神经网络（CNN）识别并去除噪点，提高图片质量。去划痕：使用掩膜R-CNN识别照片中的划痕，并用图像修复（Inpaintin

人工之梦·2025-05-11 06:17

神经网络开发实战：从零基础到企业级应用（含CNN、RNN、BP网络代码详解）

简介神经网络作为深度学习的核心，正在成为现代AI应用的基石。从基础的感知机到复杂的Transformer架构，从图像识别到自然语言处理，神经网络技术的演进推动了人工智能的快速发展。本文将系统介绍神经网络的核心概念、主流模型及其实现原理，并通过三个企业级实战案例（医学图像分类、对话系统开发和光伏预测）展示如何从零开始构建神经网络应用。每个案例都包含完整的Python代码实现、详细解释和部署策略，确保

Android洋芋·2025-05-10 23:57

零基础，快速学YOLO目标检查算法（YOLO—v1,2,3快速学习）

一.深度学习经典检测方法1.two-stage(两阶段)：Faster-rcnnMask-Rcnn系列，先有预选，预选完之后再通过预选得到最终结果。

2301_80355452·2025-05-10 18:24

AI技术视角：美联储信号与黄金动态的量化研究——基于多模态数据分析框架

一、美联储政策文本的量化解构与市场响应追踪技术框架说明：采用自然语言处理（NLP）领域的主流模型BERT-CNN，对美联储政策声明进行语义权重分析。

金融小师妹·2025-05-10 04:20

yolov5和yolov8的区别是什么

主要区别如下：模型架构：YOLOv5使用了一个简单的卷积神经网络(CNN)架构，而YOLOv8则使用了更加复杂的网络架构，包括多个残差单元(ResidualUnit)和多个分支。

李多田·2025-05-10 00:59

结合CNN多变量时间序列预测！！

1.LSTM（LongShort-TermMemory）LSTM是一种特殊的循环神经网络（RNN），旨在解决RNN的梯度消失与梯度爆炸问题。它通过引入“门控机制”，能够在时间序列中记住长时间的依赖关系，同时避免对无关信息的记忆。LSTM结构LSTM单元的核心在于一个“细胞状态”()，它能够通过线性传递保留重要信息。此外，LSTM包括三个门控单元：遗忘门、输入门和输出门，用于控制信息的流动。1.遗忘

江湖人称麻花滕·2025-05-09 22:16

推荐项目：基于3D ResNet的视频分类库

周琰策Scott·2025-05-09 21:10

CUDA：out of memory的解决方法（实测有效）

这个问题可能由几个因素引起：模型和数据规模：深度学习模型尤其是大型模型，如Transformer或大型CNN，拥有大量的参数，这些参数在训练时需要被加载到GPU显存中。

摆烂仙君·2025-05-09 20:30

第24节：卷积神经网络(CNN)-卷积层、池化层与全连接层

一、卷积神经网络概述卷积神经网络(ConvolutionalNeuralNetwork,CNN)是深度学习领域最具代表性的网络架构之一，专门设计用于处理具有网格状拓扑结构的数据，如图像、视频、语音等。

点我头像干啥·2025-05-09 19:52

基于深度学习的交通标志识别系统

基于深度学习的交通标志识别系统项目简介本项目实现了一个基于深度学习的交通标志识别系统，使用卷积神经网络(CNN)对交通标志图像进行分类识别。

小彭律师·2025-05-09 19:52

机器学习与深度学习

目录一、机器学习（一）机器学习的分类1.监督学习2.无监督学习3.强化学习（二）机器学习的应用场景二、深度学习（一）深度学习的核心原理（二）常见的深度学习模型1.卷积神经网络（CNN）2.循环神经网络（

水花花花花花·2025-05-09 16:28

【人工智能核心技术全景解读】从机器学习到深度学习实战

目录前言️技术背景与价值当前技术痛点️解决方案概述目标读者说明一、技术原理剖析核心概念图解核心作用讲解关键技术模块说明⚖️技术选型对比二、实战演示️环境配置要求️核心代码实现案例1：图像分类（CNN）案例

满怀1015·2025-05-09 13:42

26备战秋招day19——VIT

一、ViT模型介绍1.背景长期以来，卷积神经网络(CNN)一直是计算机视觉的主流架构。2020年，Goo

如意鼠·2025-05-09 05:52

LeNet-5详解

LeNet-5是卷积神经网络（CNN）的开山之作，由YannLeCun团队于1998年提出，最初用于手写数字识别（MNIST数据集）。

巷955·2025-05-08 18:41

常见的卷积神经网络列举

经典的卷积神经网络（CNN）在深度学习发展史上具有重要地位，以下是一些里程碑式的模型及其核心贡献：1.LeNet-5（1998）提出者：YannLeCun特点：首个成功应用于手写数字识别（MNIST）的

巷955·2025-05-08 17:36

ResNet改进(38)：与Inception模块的融合实现

代码概述这段代码实现了一个自定义的CNN模型，主要特点包括：基于预训练的ResNet34架构在ResNet的初始层后插入自定义的Inception模块保持模型输出维度兼容性可配置的类别数量和预训练权重加载核心组件解析

点我头像干啥·2025-05-08 07:05

开源近红外光谱数据集

为此，在（北京邮电大学杨辉华老师团队）指导下，近期准备开源传统的PLS，SVM，ANN，RF等经典算和SG，MSC，一阶导，二阶导等预处理以及GA等波长选择算法以及CNN、AE等最新深度学习算法，以帮助其他专业的更容易建立具有良好预测能力和鲁棒性的近红外光谱模型

Echo_Code·2025-05-07 19:19

# 从零构建一个简单的卷积神经网络：手写数字识别

从零构建一个简单的卷积神经网络：手写数字识别在深度学习的世界里，卷积神经网络（CNN）是处理图像数据的强大工具。今天，我们将通过一个简单的例子，从零开始构建一个CNN模型，用于手写数字识别。

www_pp_·2025-05-07 10:17

用卷积神经网络 (CNN) 实现 MNIST 手写数字识别

卷积神经网络（ConvolutionalNeuralNetwork，CNN）作为处理图像数据的强大工具，在该任务中展现出卓越的性能。

进来有惊喜·2025-05-07 04:48

文章五《卷积神经网络（CNN）与图像处理》

文章5：卷积神经网络（CNN）与图像处理——让AI学会"看图说话"引言：你的AI宠物如何认出猫狗？想象你的手机突然有了"眼睛"，不仅能识别照片里的猫狗，还能告诉你它们的品种！

高效匠人·2025-05-07 00:19

揭秘Manus AI如何实现95%+多语言手写识别：从核心技术到工业级部署全解析

技术架构解析多模态特征提取层采用分层CNN结构处

Coderabo·2025-05-06 23:12

python实现cnn特征提取_GitHub - lxztju/pytorch_classification: 利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，.

pytorch_classification利用pytorch实现图像分类，其中包含的densenet，resnext，mobilenet，efficientnet,resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法实现功能基础功能利用pytorch实现图像分类包含带有warmup的cosine学习率调整warmup的step学习率优调整多模型融合预测，加权与

weixin_39662142·2025-05-06 19:23

当前人工智能领域的主流高级技术及其核心方向

以下是当前人工智能领域的主流高级技术及其核心方向，涵盖理论突破与产业应用：一、基础架构创新Transformer架构突破点：通过自注意力机制（Self-Attention）实现长距离依赖建模，颠覆传统RNN/CNN

小赖同学啊·2025-05-06 10:26

CNN-Attention分类预测 | Matlab实现多特征分类预测

内容介绍卷积神经网络(ConvolutionalNeuralNetwork,CNN)和注意力机制(AttentionMechanism)在图像识别、自然语言处理等领域取得了显著的成功。

Matlab算法改进和仿真定制工程师·2025-05-06 10:54

【人工智能数学基础】——卷积神经网络数学原理：从像素到智慧的视觉之旅

代码透视数学本质2.1纯Python实现二维卷积2.2卷积核的可视化实验三、池化层：信息蒸馏的数学艺术3.1最大池化的数学原理四、反向传播中的卷积梯度计算4.1卷积层的梯度推导4.2PyTorch自动微分验证五、CNN

Sonal_Lynn·2025-05-06 07:02

ACNN守护领空的“无人机反制专家”

在这个背景下，鼎讯信通（ACNN）凭借其深厚的军工品质和专业的解决方案，研发的无人机反制设备应运而生，为无人机管理带来了诸多突破。鼎讯信通科技，这家位于天府之国四川成都的创新型企业，自成

a1235k·2025-05-06 03:08

用 Go 和 TensorFlow 实现图像验证码识别系统

1.准备模型(Python部分)由于Go本身不擅长训练模型，我们可以用Python和TensorFlow/Keras训练一个CNN模型，并保存为.pb格式。Python示例代码(训练后保

大G哥·2025-05-05 17:08

Swin-Transformer改进（1）：与SE模块的结合

1.在SwinTransformer中集成SE模块在计算机视觉领域，Transformer架构已经逐渐成为卷积神经网络(CNN)的有力竞争者。

点我头像干啥·2025-05-05 13:08

2022年美国大学生数学建模（MCM/ICM）C题：量化交易策略

比去年的亚洲大黄蜂要简单很多，去年我们组同时用了元胞自动机和CNN。任务：开发一个模型，仅根据截至当天的价格数据，给出最佳的每日交易策略。

理想不闪火·2025-05-05 09:45

【OpenCV 计算机视觉典型应用】液晶面板缺陷分类实战应用

摘要：本文聚焦OpenCV与卷积神经网络（CNN）在液晶面板缺陷分类的实战应用。

AI_DL_CODE·2025-05-05 00:11

从零实现LeNet5卷积神经网络：MNIST手写数字识别实战

在深度学习领域，卷积神经网络(CNN)已成为图像处理的核心技术。本文将带您实现经典的LeNet5网络架构，并在MNIST手写数字数据集上进行训练与评估。

loopdeloop·2025-05-05 00:40

AI+Python支持向量机/随机森林/神经网络/CNN/LSTM/迁移学习在植被参数反演中的实战应用与优化

在全球气候变化与生态环境监测的重要需求下，植被参数遥感反演作为定量评估植被生理状态、结构特征及生态功能的核心技术，正面临诸多挑战。随着遥感技术的发展，数据复杂度不断提升，模型精度的要求也越来越高。同时，多源异构数据的融合成为了一个亟待解决的问题。这些挑战对传统遥感反演方法提出了严峻的考验。人工智能技术为遥感反演带来新机遇幸运的是，人工智能（AI）技术的快速发展，尤其是机器学习与深度学习算法的突破，

小艳加油·2025-05-04 15:08

基于PyTorch的食物图像分类实战：从数据处理到模型训练

本文将以食物图像分类为例，详细介绍如何使用PyTorch框架构建一个卷积神经网络（CNN）模型，实现对20种不同食物的分类。一、数据准备与预处理1.1数据集介绍本项目使用的食物图像数据集包含

不吃香菜？·2025-05-04 13:58

卷积神经网络（CNN）详解

一、动因篇卷积与池化的意义卷积神经网络（ConvolutionalNeuralNetwork，CNN）之所以在图像处理中表现突出，源于两个关键操作：卷积（Convolution）与池化（Pooling）

Chaos_Wang_·2025-05-04 09:38

Transformer：颠覆性架构的革命之路与全景指南

一、认知破壁：重新理解序列建模1.1传统序列模型局限RNN困境：梯度消失与并行化瓶颈CNN局限：局部感受野与长程依赖Attention起源：神经机器翻译的破局者1.2核心思想可视化#缩放点积注意力实现d

Gupao1·2025-05-03 06:07

Transformer：颠覆序列建模的架构革命与全场景实践指南

一、认知跃迁：重新定义序列建模1.1传统模型局限对比模型类型最大序列长度并行性长程依赖处理RNN100-300❌❌CNN任意✔️△Transformer任意✔️✔️#序列建模效率对比importtimeimp

Gupao12·2025-05-03 06:07

Unet改进24：添加DualConv||轻量级深度神经网络的双卷积核

本文内容：在不同位置添加DualConv目录论文简介1.步骤一2.步骤二3.步骤三4.步骤四论文简介卷积神经网络(CNN)架构通常对内存和计算要求很高，这使得它们在硬件资源有限的嵌入式系统中不可行。

AICurator·2025-05-03 02:38

手写数字识别入门实战

《手写数字识别实战：从逻辑回归到CNN的进阶之路（完整代码解析）》##前言手写数字识别（MNIST）是机器学习领域的"HelloWorld"。

wizonebb·2025-05-02 21:35

推荐频道

CNN