CNNS

[23组] ShuffleNet:An Extremely Efficient Convolutional Neural Network for Mobile Devices

现在的CNNs模型已经具
ucascv7·2020-03-17 03:07

Gate.io 关于给CNNS开盘买入用户补偿办法和相关问题说明公告

关于CNNS事件的过程说明：Gate.ioStartup是一个全球初创项目“首发上线通道”，作为团队和用户的桥梁，给优质初创项目提供展示机会，并为用户提供早期投资渠道。
Gateio·2020-03-15 06:50

[Deep Learning] 卷积神经网络 CNNs

本文是DeepLearningCourse总结翻译系列的第二篇，主要课程内容是卷积神经网络。讲义参考：FeedforwardNetsandConvNets(lecturer:DarioGarcia)和Stanfordcs231n视频课程。本系列第一篇传送门：[DeepLearning]神经网络基础本文对卷积神经网络（ConvNeuralNetworks）的主要内容进行简要介绍，感兴趣部分可根据参考
JingYANG_8·2020-03-12 10:43

[Deep Learning] 集成学习Ensemble Learning&迁移学习Transfer Learning

本系列前两篇传送门：第一篇[DeepLearning]神经网络基础；第二篇[DeepLearning]卷积神经网络CNNs。集成学习在kaggle等比赛或应用中使用集成学习最常见的方法是直
JingYANG_8·2020-03-11 01:41

胶囊网络到底是什么东东？

我们不是都已经见过卷积神经网络(CNNs)在各种计算机视觉任务(如分类、定位、目标检测、语义分割或实例分割)中达到超人
阿里云云栖号·2020-03-10 21:40

能帮你更好理解分析深度卷积神经网络，今天要解读的是一款新型可视化工具——CNNVis，看完就能用！

摘要：深度卷积神经网络（CNNs）在许多模式识别任务中取得了很大的性能突破，然而高质量深度模型的发展依赖于大量的尝试，这是由于没有很好的理解深度模型是怎么工作的，在本文中，提出了一个可视化分析系统CNNVis
阿里云云栖号·2020-03-10 01:15

使用卷积神经网络识别交通标志

什么是卷积神经网络以下解释来源于ujjwalkarn的博客：卷积神经网络（ConvNets或者CNNs）属于神经网络的范畴，在图像识别和分类领域具有高效的能力。
实验楼·2020-03-09 14:00

《Named Entity Recognition with Bidirectional LSTM-CNNs》阅读笔记

Collobert等提出一个有效的神经网络模型，只需要littlefeatureengineering而不是在大量的unlabelledtext中训练wordembeddings。无监督的训练wordembeddings(Collober，Mikolov等)但是这些模型有缺点：1.使用简单的前向神经网络，使用固定大小的窗口获取每个词的上下文，会丢弃掉单词之间长距离的关系。2.只依赖wordembe
best___me·2020-03-09 02:43

04组-ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

背景介绍在现代视觉人工智能系统中，卷积神经网络起着至关重要的作用，但现许多CNNs模型的发展方向是更大更深，这让深度网络模型难以运行在移动设备上，针对这一问题，许多工作的重点放在对现有预训练模型的修剪、
Winme·2020-03-08 19:22

GhostNet: More Features from Cheap Operations

arxiv.org/abs/1911.11907PyTorch代码:https://github.com/huawei-noah/ghostnet摘要由于存储和计算资源有限，在嵌入式设备上部署卷积神经网络(CNNs
五毛钱特效（）·2020-03-06 21:40

Gate.io为前两期Startup首发项目参与用户补发GT结果公告

前两期Startup首发项目CNNS和DREP发布时，因GT尚未上线或刚开通交易不久，GT价格尚未稳定，根据规则暂定GT价格P1为1GT=0.60USDT，上线一个月后，平台将根据北京时间4月25号-5
Gateio·2020-03-02 22:45

[Deep Learning] 神经网络基础 Foundations

本系列更多文章传送门：第二篇[DeepLearning]卷积神经网络CNNs；第三篇[DeepLearning]集成学习EnsembleLearning&迁移学习TransferLearning；第四篇
JingYANG_8·2020-02-29 14:40

深度学习 CNTK使用入门

可以训练DNNs、RNNs、CNNs、LTMS、罗杰斯特回归及最大熵模型，对于在做深度学习的朋友会有帮助。下面介绍CNTK中的几个样例的使用：1.首先下载工具包及源码。下载地址http
xiaozhuo12138·2020-02-26 17:56

卷积神经网络综述 （上）

我们怎样理解卷积神经网络章节1引言1.1动机近几年来，计算机视觉研究主要聚焦在卷积神经网络，通常称为ConvNets或CNNs。
美不胜收oo·2020-02-21 08:33

《动手学》：Transformer_课后作业

Transformer在之前的章节中，我们已经介绍了主流的神经网络架构如卷积神经网络（CNNs）和循环神经网络（RNNs）。让我们进行一些回顾：CNNs易于并行化，却不适合捕捉变长序列内的依赖关系。
木头杨_88f8·2020-02-19 19:51

L12 Transformer

Transformer在之前的章节中，我们已经介绍了主流的神经网络架构如卷积神经网络（CNNs）和循环神经网络（RNNs）。让我们进行一些回顾：CNNs易于并行化，却不适合捕捉变长序列内的依赖关系。
rainman999·2020-02-14 16:00

Bilinear CNNs for Fine-grained Visual Recognition

1.前言作者提出了BilinearConvolutionalNeuralNetworks(B-CNNs)用于精细化的视觉识别问题，这个网络将一个图片表示为两个CNN特征的outerproduct。
Junr_0926·2020-02-14 04:54

怎样设计最优的卷积神经网络架构？| NAS原理剖析

关于CNNs的一些线索我们从如下几点开始剖析。近期研究提供了一些具体地证据证明这几点确实可以用来提升CNN的表现：增
人工智能遇见磐创·2020-02-12 22:10

图像分割中CNN的简史：从R-CNN到Mask R-CNN

自从AlexKrizhevsky，GeoffHinton和IlyaSutskever在2012年赢得ImageNet以来，卷积神经网络（CNNs）已经成为图像分类的黄金标准。
Cui_Shu·2020-02-12 12:39

【目标检测】SPPnet论文详解（Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition）

在我看来，SPPnet主要有两处亮点：1.它解决了深度卷积神经网络（CNNs）的输入必须要求固定图像尺寸（例如224*224）的限制。
不可能打工·2020-02-09 16:40

SAD---Learning Lightweight Lane Detection CNNs by Self Attention Distillation

概括论文地址：https://arxiv.org/pdf/1908.00821.pdf论文代码：[GitHub](https://github.com/cardwing/Codes-for-Lane-Detection)这篇论文用于检测车道线，作者提出SelfAttentionDistillation（SAD）模块，可用于现有任何网络结构，提升检测效果但不增加inferencetime。在模型EN
看_有灰碟·2020-02-02 11:42

[透析] 卷积神经网络CNN究竟是怎样一步一步工作的？

它们也被称作CNNs或着ConvNets，是深层神经网络领域的主力。它们已经学会对图像进行分类，在某些情况下甚至超过了人
zhwhong·2020-01-08 15:47

【干货】端到端深度学习在自动驾驶汽车上的应用

原文：End-to-EndDeepLearningforSelf-DrivingCars翻译：KK4SBB在最近的一款汽车应用产品中，我们用卷积神经网络（CNNs）将车前部摄像头捕捉到的原始像素图映射为汽车的方向操控命令
Major术业·2020-01-06 21:16

001_卷积神经网络在自然语言处理的应用

当我们听到卷积神经网络（ConvolutionalNeuralNetwork,CNNs）时，往往会联想到计算
希希爸爸·2020-01-04 12:59

[Deep Learning] 生成模型

本系列前四篇传送门：第一篇[DeepLearning]神经网络基础；第二篇[DeepLearning]卷积神经网络CNNs；第三篇[DeepLearning]集成学习EnsembleLearning&迁移学习
JingYANG_8·2020-01-02 09:54

谷歌十年大佬图解详谈十大CNN架构

你了解不同的卷积神经网络(CNNs)吗？近年来，我们见证了无数CNNs的诞生。这些网络已经发展得如此深入，以至于很难将整个模型可视化。我们不再细究它们的原理，而是把它们当作黑盒模型。
AI女神安娜·2019-12-29 06:59

Deep CNNs with Spatially Weighted Pooling for Fine-Grained Car Recognition

  看到一篇新出的文章VehicleclassicationusingResNets,localisationandspatially-weightedpooling，里面提到了一种新的池化方法spatially-weightedpooling，看名字觉得挺新奇的，但是没有具体解释具体的操作过程。然后，去搜索了一下关于这种方法，于是找到了DeepCNNswithSpatiallyWeightedP
haoshengup·2019-12-27 11:10

CS231n 卷积神经网络: 架构, 卷积/池化层(下)

卷积神经网络:架构,卷积/池化层(下)卷积神经网络:架构,卷积/池化层(下)2.CNNs中的各种层(接上文)2.2池化层2.3归一化层2.4全连接层2.5FC层转化为CONV层3.CNNs架构3.1层排列
tech0ne·2019-12-26 13:14

2D CNN vs 3D CNN

adetailedcomparisonbetween2Dand3Dneuralnetworksformedicalimagerecognitionandshowthat3Dconvolutionneuralnetworks(CNNs
loveplay1983·2019-12-23 19:03

基于深度学习的目标检测算法综述

R-CNN(2013)RegionCNN(简称R-CNN)由RossGirshick在2013.11提出，是利用深度学习进行目标检测的里程碑之作，奠定了这个子领域的基础.1.1创新点将大型卷积神经网络(CNNs
sunny4handsome·2019-12-23 01:47

雪球笔记：除了抢购，IEO还有什么机会

额度就会很低，比如昨天GATE的CNNS，USDT只有1.3%，相信B
唐晓阳_雪球行动·2019-12-21 13:59

To be writen

ConvolutionalNeuralNetworks(CNNs)andotherdeepnetworkshaveenabledunprecedentedbreakthroughsinavarietyofcomputervisiontasks
aaai2017·2019-12-20 12:07

经典 CNNs 的 TensorFlow 实现资源汇总

本文简单整理了网上公布的基于TensorFlow实现图像语义分析的一些经典网络，方便大家参考学习。1.TensorFlow-SlimTF-Slim是tensorflow较新版本的扩充包，可以简化繁杂的网络定义，其中也提供了一些demo:AlexNetInceptionV1/V2/V3OverFeatResNetVGG例如VGG-16网络，寥寥数行就可以定义完毕：defvgg16(inputs):w
yhlleo·2019-12-20 03:49

201912一种改进动物音频分类的数据增强方法

Dataaugmentationapproachesforimprovinganimalaudioclassification标题：一种改进动物音频分类的数据增强方法作者：LorisNanni,MichelangeloPaci链接：https://arxiv.org/abs/1912.07756本文利用卷积神经网络（CNNs
Grace_yanyanyan·2019-12-18 13:51

【论文阅读】Second-order Attention Network for Single Image Super-Resolution

概要近年来，深度卷积神经网络（CNNs）在单一图像超分辨率（SISR）中进行了广泛的探索，并获得了卓越的性能。
Kobay·2019-12-15 11:00

笔记1Alex Net

Alexnet使用卷积神经网络（CNNS）网络结构：五层卷积三层全连接1.神经元使用RELU函数激活：线性整流函数（RectifiedLinearUnit,ReLU），又称修正线性单元,目的是加速训练RELU
平心静气666·2019-12-13 05:57

用于多任务CNN的随机滤波分组，性能超现有基准方法

本文提出了一种用于多任务学习的CNNs中任务
AI科技大本营·2019-12-02 06:58

Few-shot Object Detection via Feature Reweighting (ICCV2019)

当标记数据不足时，CNNs会严重过度拟合而不能泛化。计算机视觉系统需要从少量样本中进行检测的学习能力，因为一些对象类别天生就样本稀
SuperLab·2019-11-28 21:00

机器视角：长文揭秘图像处理和卷积神经网络架构

近日，DishashreeGupta在Analyticsvidhya上发表了一篇题为《ArchitectureofConvolutionalNeuralNetworks(CNNs)demystified
Kimichen7764·2019-11-07 01:49

Context Encoding for Semantic Segmentation

//arxiv.org/pdf/1803.08904.pdf代码地址：https://github.com/zhanghang1989/PyTorch-Encoding1.Introduction  CNNs
顾北向南·2019-11-02 07:25

Modeling and Propagating CNNs in a Tree Structure for Visual Tracking

AbstractWepresentanonlinevisualtrackingalgorithmbymanagingmultipletargetappearancemodelsinatreestructure.TheproposedalgorithmemploysConvolutionalNeuralNetworks(CNNs
LucasX·2019-10-31 21:23

人工智能应用卷积神经网络对食道癌的诊断结果--笔记

人工智能对食道癌的诊断能力--鳞状细胞癌和腺癌数据收集--384例食道癌患者的8428张训练图像（用于CNNs）此外还有47例49种癌症患者和50例非食道癌患者1118张检测图像结果--1118张检测图像的灵敏度大
cwhac·2019-10-25 17:00

基于SincNet的原始波形说话人识别

利用卷积神经网络(CNNs)直接对原始语音样本进行处理，取得了良好的效果。而不是使用标准的手工制作的功能，后一种CNNs从波形中学习低电平的语音表示，潜在地允许网络更好地捕获重要的窄
凌逆战·2019-10-24 09:00

Bilinear CNNs for Fine-grained Visual Recognition

1简介细粒度识别即对隶属于同一类的目标进行分类，包括鸟的物种识别、汽车的型号识别和狗的品种识别。细粒度识别高度依赖目标的局部特征，例如，要将“加利福尼亚鸥”与“环嘴鸥”区分开来，需要识别其喙上的图案或它们羽毛的细微颜色差异。两类技术适合于解决细粒度分类任务。一是基于部件的识别模型，这些模型检测并提取部件的特征进行细粒度的类别区分。另一种方法是基于全局图像的整体模型。基于部件的模型往往更加精确，但由
cdknight_happy·2019-10-22 13:22

分类、检测、分割任务均有SOTA表现，ACNet有多强？

utm_source=aicamp（图片付费下载自视觉中国）作者|路一直都在来源|知乎专栏Abstract本文提出了一种新的自适应连接神经网络(ACNet)，从两个方面对传统的卷积神经网络(CNNs)进行了改进
AI科技大本营·2019-10-07 19:36

Paper | Toward Convolutional Blind Denoising of Real Photographs

摘要Whiledeepconvolutionalneuralnetworks(CNNs)haveachievedimpressivesuccessinimagedenoisingwithadditivewhiteGaussiannoise
RyanXing·2019-10-01 14:00

使用GAN实现可变形医学图像配准DEFORMABLE MEDICAL IMAGE REGISTRATION USING GENERATIVE ADVERSARIAL NETWORKS

前人工作：Sokootiet.al.[6]提出RegNet，它使用经过模拟变形训练的CNNs为一对单一模态图像生成位移向量场。
一只大南瓜·2019-09-29 16:38

人工智能快速发展，目前的人工智能处于什么阶段？

卷积神经网络（CNNs）具有分层结构，通过（训练过的）卷积滤波器将图像采样到一个低分辨率的映射中，该映射表示每个点上卷积运算的值。
duozhishidai·2019-09-26 19:43

【论文阅读纪录】Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

前言：{前几篇分割网络的论文都是在[1]中找到的，开始我发现我忘了[2]，在[2]中我找到了一个比较新的网络：Gated-SCNN[3]，这次就来看看它有什么特点。}正文：{在论文的第一节，作者指出了目前分割网络所面临的问题，包括使用略微修改的分类网络会降低网络输出的空间解析度，和颜色、形状(shape)、纹理信息都被混在一起处理。因此，作者提出了一种新网络结构，其多出一条处理形状的分支（原文叫流
爱吃苹果的魚·2019-09-13 23:27

目标检测(3)——SPPnet

在我看来，SPPnet主要有两处亮点：1.它解决了深度卷积神经网络（CNNs）的输入必须要求固定图像尺寸（例如224*224）
Zxiaosong·2019-09-07 16:40
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他