cnn图像分类

《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

Fashion MNIST数据集介绍及基于Pytorch下载数据集

FashionMNIST数据集简介FashionMNIST数据集的类别说明FashionMNIST数据集图片示例基于PyTorch下载FashionMNIST数据集使用FashionMNIST数据集进行图像分类任务小结结尾引言
高斯小哥·2024-02-03 13:56

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

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

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

深度学习之图像分类

深度学习对于图像分类来说已经斩获了显著的成果，无论是识别日常生活中的物体还是识别疾病肺部CT扫描中的异常病变，深度学习在图像分类中的应用都已经相当广泛。
kadog·2024-02-03 01:11

real-time-emotion-detection 排坑记录

real-time-emotion-detection排坑记录任务踩坑回顾CV2包版本问题症状描述解决方法模型文件路径问题症状描述解决办法tensorflow版本问题症状描述解决办法其他任务我之前跑了一个CNN
Debug的魔法小马·2024-02-03 01:40

嵌入式人工智能实验方向

1可在stm32，esp32，NXP，arduino，树莓派上部署人工智能模型，图像理解，图像分类。
周南音频科技教育学院(AI湖湘学派)·2024-02-03 01:05

基于stm32F4卷积神经网络手写数字识别项目

加我微信hezkz17可以申请加入嵌入式人工智能技术研究开发交流答疑群，赠送企业嵌入式AI图像理解/音/视频项目核心开发资料1采用CNNBP反向传播算法更新权重系数2原理解析3实现策略训练与识别分离，先在电脑上训练好
周南音频科技教育学院(AI湖湘学派)·2024-02-03 01:35

分类预测 | Matlab实现GAF-PCNN-MATT格拉姆角场和双通道PCNN融合多头注意力机制的分类预测/故障识别

分类预测|Matlab实现GAF-PCNN-MATT格拉姆角场和双通道PCNN融合多头注意力机制的分类预测/故障识别目录分类预测|Matlab实现GAF-PCNN-MATT格拉姆角场和双通道PCNN融合多头注意力机制的分类预测
机器学习之心·2024-02-03 01:27

SCI一区 | Matlab实现mRMR-CNN-GRU-Mutilhead-Attention最大相关最小冗余特征选择卷积门控循环单元融合多头注意力机制多特征分类预测

SCI一区|Matlab实现mRMR-CNN-GRU-Mutilhead-Attention最大相关最小冗余特征选择卷积门控循环单元融合多头注意力机制多特征分类预测目录SCI一区|Matlab实现mRMR-CNN-GRU-Mutilhead-Attention
机器学习之心·2024-02-03 01:57

故障诊断 | 一文解决，CNN-LSTM卷积神经网络-长短期记忆神经网络组合模型的故障诊断（Matlab）

效果一览文章概述故障诊断|一文解决，CNN-LSTM卷积神经网络-长短期记忆神经网络组合模型的故障诊断（Matlab）模型描述CNN-LSTM模型是一种结合了卷积神经网络（ConvolutionalNeuralNetwork
机器学习之心·2024-02-03 01:26

深度学习之循环神经网络

前言卷积神经网络CNN在图象处理领域起到了重要的作用,在自然语言处理中还要看循环神经网络RNN,RNN对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息.为什么要发明循环神经网络我们先来看一个
懒猫gg·2024-02-02 22:19

【深度学习】从0完整讲透深度学习第2篇：TensorFlow介绍和基本操作（代码文档已分享）

具体包括：TensorFlow的数据流图结构，神经网络与tf.keras，卷积神经网络(CNN)
程序员一诺·2024-02-02 22:09

Pytroch 自写训练模板适合入门版 包含十五种经典的自己复现的一维模型 1D CNN

训练模板在毕业之前，决定整理一下手头的代码，自己做1D-CNN这吗久，打算开源一下自己使用的1D-CNN的代码，包括用随机数生成一个模拟的数据集，到自己写的一个比较好的适合入门的基础训练模板，以及自己复现的所有
浩浩的科研笔记·2024-02-02 21:47

基于GAN-CNN-CNN的鲁棒笔迹识别方法(一)

笔迹识别（writerrecognition）是生物特征识别的一个重要分支.对于每个书写者而言，其笔迹总体上具有相对稳定性，而笔迹的局部变化则是每个书写者笔迹的固有特性；而对于不同的书写者而言，其笔迹的差别则比较大[1].基于这种特性,笔迹识别是一种可行的身份鉴别方法.前言目前的笔迹识别方法或多或少都要用到一些传统方法,如切割字符、特征提取等过程.这些方法比较常用的有投影法、滴水法、HOG特征、G
kadog·2024-02-02 21:41

基于GAN-CNN-CNN的鲁棒笔迹识别方法(二)

上一篇文章讲到了HTID_0数据集的建立以及它的缺陷,本节主要内容是模型的架构和新数据集HTID_1的建立.笔迹识别有了制作HTID_0的经验,我意识到分类任务并不是最难解决的那部分,因为现在已经有非常多性能优秀的分类网络,重点是传入网络的图片质量,也就是笔迹图像.理想的输入为图片中只有笔迹信息,没有多余的杂质(如横线、印刷体、污渍等).一些笔迹来源原始材料(来自互联网、IMA数据集[1]、ICD
kadog·2024-02-02 21:41

图像分类的发展史

图像分类的发展史图像分类技术的发展史与计算机视觉、机器学习、神经网络等诸多领域紧密相连。它是一场从理论探索到实际应用的演变历程，同时也是一次由人类视觉启发来模拟视觉感知的冒险之旅。
kadog·2024-02-02 21:41

语义分割：从早期探索到深度学习的突破

语义分割：从早期探索到深度学习的突破语义分割的端倪：从早期探索到深度学习的突破引言早期技术：图像处理与模式识别边缘检测区域生长图割(GraphCut)聚类方法深度学习的兴起：CNN革命2012年AlexNet
kadog·2024-02-02 21:08

CV案例解析：YOLO——从v1到v5

在YOLO诞生之前，目标检测领域热门的深度学习模型是R-CNN系列模型，这一类的模型被称之为二阶段模型（two-stage），其大致思路就是先找出可能含有物体的区域，进而再细致的找出这片区域内的物体是什么
CV案例精选·2024-02-02 18:51

到底是什么特征影响着CNN的性能？

记录一下，CNN到底学到了什么东西，或者换句话讲。到底是什么样的特征在影响着CNN的性能？
城市中迷途小书童·2024-02-02 17:55

基于yolov5模型的200种鸟类检测识别分析系统

前面系列文章链接如下，感兴趣可以移步自行阅读即可：基于CNN的动物识别系统[完整实战源码]基于CNN的字符型验证码识别系统设计开发[完整源码实战]CNN基于肺部C
Together_CZ·2024-02-02 16:40

YOLO系列详解(YOLO1-YOLO5)【实时物体检测算法】

与传统的物体检测方法（例如R-CNN系列）不同，YOLO将物体检测视为一个回归问题，直接从图像中预测物体的边界框和类别。这种方法的主要优点是
super_journey·2024-02-02 12:15

vit细粒度图像分类（七）TBNet学习笔记

在这项工作中，我们提出了一种新的基于机器人视觉跟踪的鸟类监视方法，该方法采用了一种名为TBNet的亲和关系感知模型，该模型结合了CNN和Transformer架构，并具有新颖的特征选择(FS)模块。
无妄无望·2024-02-02 10:18

vit细粒度图像分类（八）SIM-Trans学习笔记

1.摘要细粒度视觉分类(FGVC)旨在从相似的从属类别中识别物体，这对人类准确的自动识别需求具有挑战性和实用性。大多数FGVC方法侧重于判别区域挖掘的注意机制研究，而忽略了它们之间的相互依赖关系和组成的整体对象结构，而这些对模型的判别信息定位和理解能力至关重要。为了解决上述局限性，我们提出了结构信息建模变压器(SIM-Trans)，将对象结构信息整合到变压器中，以增强区分表示学习，使其同时包含外观
无妄无望·2024-02-02 10:47

手写数字识别从训练到部署全流程详解——模型在Android端的部署

目前市面上基本所有的训练框架训练出来的模型都无法直接在移动端上使用和推理，尽管部分框架同时做了移动端部署功能（如Tensorflow-lite、pytorch-mobile等），但是在性能表现上对比专业的部署框架（如ncnn
彧侠·2024-02-02 10:59

网络协议与攻击模拟_12DNS协议及Windows部署DNS服务器

域名：由ICNNN机构统一管理www.baidu.comwww.a.shifen.comwww.sina.c
Zkaisen·2024-02-02 10:59

【遥感入门系列】遥感分类技术之遥感解译

同时遥感图像分类也是目前遥感技术中的热点研究方向，每年都有新的分类方法推出。
地理遥感生态网·2024-02-02 09:00

【Pytorch】CNN中的Attention

目录更大层面上的Attention在attention中，怎么分区channel-wise还是spatial-wise举一个Spatial-ChannelAttention的例子使用广泛的Dot-productAttentionattention机制中的query,key,value的概念解释Attention的一个例子更大层面上的Attention在attention中，怎么分区channel-
leSerein_·2024-02-02 09:16

特征选择＋深度学习：mRMR-CNN-BiGRU-Attention故障识别模型！特征按重要性排序！最大相关最小冗余！

我们将该特征选择方法应用于CNN-BiGRU-Attention故障识别模型上，构建的mRMR-CNN-BiGRU-Attent
预测及优化·2024-02-02 09:12

互联网加竞赛 基于深度学习的动物识别 - 卷积神经网络 机器视觉 图像识别

文章目录0前言1背景2算法原理2.1动物识别方法概况2.2常用的网络模型2.2.1B-CNN2.2.2SSD3SSD动物目标检测流程4实现效果5部分相关代码5.1数据预处理5.2构建卷积神经网络5.3tensorflow
Mr.D学长·2024-02-02 09:38

深度学习(10)-Keras项目详解(递归神经网络)

CNN主要应用在计算机视觉CV中，RNN主要应用在自然语言处理NLP中。1.h0，h1.....ht对应的是不同输入得到的中间结果。
GodFishhh·2024-02-02 09:07

目标检测的发展史及关键技术概述

目录早期阶段：模板匹配与特征工程机器学习时代：特征学习的兴起深度学习革命：CNN的突破区域建议网络（R-CNN）系列
kadog·2024-02-02 08:17

计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）

车辆跟踪及测距该项目一个基于深度学习和目标跟踪算法的项目，主要用于实现视频中的目标检测和跟踪。该项目使用了YOLOv5目标检测算法和DeepSORT目标跟踪算法，以及一些辅助工具和库，可以帮助用户快速地在本地或者云端上实现视频目标检测和跟踪！教程博客_传送门链接------->yolov5单目测距+速度测量+目标跟踪（算法介绍和代码）-CSDN博客yolov5deepsort行人/车辆（检测+计数
毕设阿力·2024-02-02 08:45
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他