Paper研读_图像分类

全星 APQP 软件系统：汽车部件行业研发管理的卓绝之选

结合二十年来全星客户反馈，全星研发项目管理APQP软件系统以下功能特色，为汽车部件行业用户带来收益，成为各类客户的关注点：一、深度契合行业标准全星研发项目管理APQP软件系统深入研读并精确契合IATF16949
全星007·2025-03-26 22:30

修改Android系统默认桌面壁纸

frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.jpg找到这个路径下的文件直接替换
七个橘子多少钱·2025-03-25 15:03

Android 13 替换默认壁纸

Android13替换默认壁纸，替换如下图片即可，frameworks/base/core/res/res/drawable-sw720dp-nodpi/default_wallpaper.pngframeworks
大秦樗里疾·2025-03-25 15:03

COMP 5076 Problem Solving in the Digital Age

COMP5076ProblemSolvingintheDigitalAgeAssignment1–Wizard-of-OzPaperPrototypeUniSASTEMTheUniversityofSouthAustralia2025SP2Warning
W_X_99515681·2025-03-24 19:58

神经网络中层与层之间的关联

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，如图像分类
iisugar·2025-03-24 06:40

Vue.js 模板语法全解析：从基础到实战应用

通过对《Vue.js快速入门实战》中关于Vue项目部署章节（实际围绕Vue模板语法展开）的深入研读，我们将全面剖析Vue项目结构、应用程序实例、生命周期、插值、指令以及自定义指令等关键内容，并通过实战案例加深理解
予安灵·2025-03-23 13:42

OpenCV ML 模块使用指南

本指南将详细介绍该模块中主要的机器学习算法，包括支持向量机（SVM）、K均值聚类（K-Means）和神经网络（ANN），并结合图像分类和聚类分析这两个典型应用场景进行代码实现与解释。
ice_junjun·2025-03-23 07:02

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

CBNetV2: A Composite Backbone Network Architecture for Object Detection论文阅读

融合方式对Assistant的监督实验与SOTA的比较在主流backbone架构上的通用性与更宽更深的网络比较与可变形卷积的兼容在主流检测器上的模型适用性在SwinTransformer上的模型适用性消融实验paper
Laughing-q·2025-03-22 22:38

COMP 5076 Problem Solving in the Digital Age

COMP5076ProblemSolvingintheDigitalAgeAssignment1–Wizard-of-OzPaperPrototypeUniSASTEMTheUniversityofSouthAustralia2025SP2Warning
·2025-03-21 20:52

CVPR2025 | 对抗样本&智能安全方向论文汇总 | 持续更新中~

汇总结果来源：CVPR2025AcceptedPapers若文中出现的论文链接和GitHub链接点不开，则说明还未公布，在公布后笔者会及时添加.若笔者未及时添加，欢迎读者告知.文章根据题目关键词搜索，可能会有遗漏
四口鲸鱼爱吃盐·2025-03-21 19:18

ACI EP Learning Whitepaper 1. ACI EP组件

1.ACIEndpointACI网络架构的Endpoint表整合了传统MAC地址表和ARP表的功能。其核心机制是通过硬件层直接学习数据包的源MAC地址与IP地址映射关系，摒弃了传统ARP协议依赖广播请求获取下一跳MAC地址的模式。这种设计优化体现在两方面：1）减少控制面ARP流量处理带来的资源消耗；2）基于终端实际流量即可实时感知主机IP/MAC地址的拓扑迁移，无需依赖GARP通告即可实现终端移动
m0_54931486·2025-03-21 10:56

【DeepSeek干货总结】对不同类型学术内容进行润色的顶级提示词汇总！

目录1.英文润色2.中文润色3.SCI润色4.润色Prompt汇总连贯性与句子逻辑提示词多参考版本提示词语法矫正提示词润色内容定位提示词修改建议提示词大家好这里是AIWritePaper官方账号！
AIWritePaper官方账号·2025-03-21 02:24

模型部署实战：PyTorch生产化指南

模型部署是将训练好的模型‌投入实际应用‌的关键步骤，涉及：模型格式转换（TorchScript/ONNX）性能优化（量化/剪枝）构建API服务移动端集成本章使用ResNet18实现图像分类，并演示完整部署流程
小诸葛IT课堂·2025-03-21 01:45

Lodash源码分析-every,some,size,includes

lodash源码研读之every,some,size,includes一、源码地址GitHub地址:GitHub-lodash/lodash:AmodernJavaScriptutilitylibrarydeliveringmodularity
初学者7.·2025-03-20 17:35

Lodash源码分析-uniq,uniqBy,uniqWith

lodash源码研读之uniq,uniqBy,uniqWith一、源码地址GitHub地址:GitHub-lodash/lodash:AmodernJavaScriptutilitylibrarydeliveringmodularity
初学者7.·2025-03-20 17:35

根据论文复现大模型方法以及出错处理技巧

这里给出一个基本的实现方法示例，假设我们选择复现一个图像分类任务中的经典模型，例如ResNet。
Ai玩家hly·2025-03-20 13:39

深度革命：ResNet 如何用 “残差连接“ 颠覆深度学习

这一年，微软亚洲研究院的何恺明团队带着名为ResNet（残差网络）的模型横空出世，在ImageNet图像分类竞赛中以3.57%的错误率夺冠，将人类视觉的识别误差（约5.1%）远远甩在身后。
安意诚Matrix·2025-03-19 20:46

图形编辑器基于Paper.js教程25：材料测试矩阵功能的实现

最近做了一个材料测试矩阵的需求，现在已经上线了，现在来回顾总结一下，有哪些做的好的，有哪些做的不好的。材料测试矩阵在测试激光头在某一种材料上的表现，很有必要，如果你在一种新的材料上进行加工时，最好先做一次材料测试矩阵，挑选出合适的功率和速度。材料测试矩阵的表单比较多横坐标是功率，纵坐标是速度。最终雕刻效果是会把雕刻的木板切割下来。整个表单需要设置，雕刻模式还是切割模式，然后设置最小最大速度，最小最
拿我格子衫来·2025-03-19 09:10

深度合成算法备案十大雷区拆解

解决方案：仔细研读相关政策法规，
AI产品备案·2025-03-17 10:25

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

VisionTransformer(ViT)是一种将Transformer架构应用于图像分类任务的模型。
AIGC_ZY·2025-03-17 02:23

Python Turtle 海龟画图 官方文档

最初来自于WallyFeurzeig,SeymourPapert和CynthiaSolomon于1967年所创造的Logo编程语言。请想象绘图区有一只机器海龟，起始位置在x-y平面的(0,0)点。
Leleprogrammer·2025-03-16 23:03

玩转Python绘图利器——Turtle库

一、Turtle库简介Turtle库最早由WallyFeurzeig、SeymourPapert和CynthiaSolomon等人在1960年代末期开发，目的是为了教学和艺术创作。
Ai_绘画小南·2025-03-16 23:32

【大一新生必收藏系列】❤机器学习7大方面，30个数据集。纯干货分享❤

.记住了就可以跟同学装起来了嗷....目录.纯干货回归问题分类问题图像分类文本情感分析自然语言处理自动驾驶金融类...........纯干货..................在刚刚开始学习算法的时候，
.Boss.·2025-03-15 18:05

全网最全luckysheet协同编辑导出功能，包含单元格样式、超链接、数据验证、条件格式、图片导出、批注、数据透视图等等复杂功能的导出

无奈，只能打开luckysheet官网，仔细研读文档，并照着敲了个在线协同的demo。
熙熙鬼·2025-03-15 04:32

pytorch实现cifar10多分类总结

cifar-10简介：CIFAR-10是一个常用的图像分类数据集，每张图片都是3×32×32，3通道彩色图片，分辨率32×32。
L_pyu·2025-03-15 00:31

多分类—微调DistilBERT对生物医学文本进行实验方法多分类：Automated Text Mining of Experimental Methodologies from Biomedical

AutomatedTextMiningofExperimentalMethodologiesfromBiomedicalLiterature从生物医学文献中自动挖掘实验方法文本paper：https:/
小小帅AIGC·2025-03-14 23:56

大模型开发教程：从零开始的入门指南！

概述大模型开发教程引领人工智能领域前沿，从基础概念至实战项目，全面覆盖Python与深度学习框架使用，指导初学者构建线性回归、逻辑回归、神经网络等模型，深入探索图像分类、情感分析等复杂应用，为探索未来智能世界提供坚实基石
程序员二飞·2025-03-14 11:41

Manus技术深度研读：AI智能体的技术突破、应用场景与未来影响

Manus技术深度研读：AI智能体的技术突破、应用场景与未来影响引言2025年3月6日，全球科技领域迎来了一款划时代的产品——Manus。
emmm形成中·2025-03-14 03:12

第81期 | GPTSecurity周报

SecurityPapers1.大语言模型与代码安
·2025-03-13 20:59

AI基于深度学习的代码搜索案例（一）

在计算机视觉领域，以ImageNet为例，计算机的图像分类水平已经超过了人类。在自然语言处理(NLP)领域，BERT、XLNet以及MASS也一遍遍的刷新着任务榜单。
人工智能MOS·2025-03-13 19:23

LLM填坑：训练自己的分词器-Tokenizer

paper:https://zhuanlan.zhihu.com/p/625715830code:Chatterbox/example/TrainTokenizersExample/train_tokenizers.pyatmain
微风❤水墨·2025-03-13 08:53

【华为机考E卷】-“第k个排列”题解思路java

算法每一题，成长每一天~C0E33第k个排列真题链接：【持续更新】2024华为OD机试E卷机考真题库清单（全真题库）思路Javapackagecom.ccr.paper_f;importjava.util.ArrayList
Coder灬永不止步·2025-03-13 01:34

计算机视觉深度学习入门（4）

在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。
yyc_audio·2025-03-12 10:26

可重构智能表面仿真平台

RIScomponentsThisisapythonprojectforRIS(reconfigurableintelligentsurface)simulations.relatedworksMyfirstpaperLinktomypaper
brook1711·2025-03-12 08:43

【每日论文】Forgetting Transformer: Softmax Attention with a Forget Gate

下载PDF或查看论文，请点击：LlamaFactory-huggingfacedailypaper-每日论文解读|LlamaFactory|LlamaFactory摘要现代循环序列模型的一个关键组件是遗忘门
WHATEVER_LEO·2025-03-12 08:12

最近学习感悟总结

图像识别技术与应用学习到了torchvision、imageFolder以及可视化工具（TensorBoard等）图像分类：将不同的图像，划分到不同的类别标签，实现最小的分类误差。
格蕾丝重度依赖·2025-03-12 07:05

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

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结
苏小夕夕·2025-03-10 18:07

大话机器学习三大门派：监督、无监督与强化学习

以武侠江湖为隐喻，系统阐述了机器学习的三大范式：监督学习（少林派）凭借标注数据精准建模，擅长图像分类等预测任务；无监督学习（逍遥派）通过数据自组织发现隐藏规律，在生成对抗网络（GAN）等场景大放异彩；强化学习
安意诚Matrix·2025-03-10 15:44

利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题

实战1.利用Pytorch解决CIFAR数据集中的图像分类为10类的问题加载数据建立模型模型训练测试评估你的任务是建立一个用于CIFAR图像分类的神经网络，并实现分类质量>0.5。
啥都鼓捣的小yao·2025-03-10 08:57

构建一个完整的视觉Transformer（ViT）图像分类模型 VIT （vision transformer）图像分类

构建一个完整的视觉Transformer（ViT）图像分类模型VIT（visiontransformer）图像分类根据提供的截图内容，我们可以看到一个名为VitNet的视觉Transformer（VisionTransformer
Jackie_AI·2025-03-10 04:29

(即插即用模块-特征处理部分) 三十、(2024) BFAM & CBM & DFEM 特征聚合+特征提取+边界感知

文章目录1、BitemporalFeatureAggregationModule2、ChangeBoundary-AwareModule3、DeepFeatureExtractionModule4、代码实现paper
御宇w·2025-03-10 03:22

2022IJCAI速读：SparseTT，使用稀疏Transformers进行视觉跟踪

VisualTrackingwithSparseTransformers中文标题：SparseTT：使用稀疏Transformers进行视觉跟踪代码地址：GitHub-fzh0917/SparseTT:Theofficialimplementationforpaper"SparseTT
夜深人静打代码·2025-03-10 00:53

DeepSeek底层揭秘——Smallpond

）(1)数据I/O瓶颈(2)数据预处理复杂性(3)分布式缓存一致性(4)与3FS集成5.技术路径(1)需求分析与设计(2)原型开发与测试(3)系统优化与扩展(4)系统部署与维护6.应用场景(1)大规模图像分类
9命怪猫·2025-03-09 13:55

GPT论文润色prompt模板

IampreparingtosubmitmyacademicpapertoXXX(期刊/会议)，pleasepolisheachparagraphinthestyleofaXXX(期刊/会议)article.YouarenowactingasanexpertinthefieldofXXX
s95.·2025-03-08 22:47

深度学习篇---Opencv中的机器学习和深度学习

文章目录前言一、OpenCV中的机器学习1.概述2.使用步骤步骤1：准备数据步骤2：创建模型步骤3：训练模型步骤4：预测3.优点简单易用轻量级实时性4.缺点特征依赖性能有限二、OpenCV中的深度学习1.概述图像分类
Ronin-Lotus·2025-03-08 19:05

DAHSF: An Algorithm for Sequence Parsing for Specific Scenarios and Lightweight Deployment

FullPaperhttps://alphaxiv.org/pdf/2412.14054ProjectLinkhttps://blog.csdn.net/m0_62984100/article/details
AI是这个时代的魔法·2025-03-08 11:09

介绍常见的图片分类模型与算法

随着深度学习技术的飞速发展，很多强大的图像分类算法和模型已经被提出，广泛应用于从医疗影像到自动驾驶、从人脸识别到图像检索等多个领域。
萧鼎·2025-03-07 19:31
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他