cnn图像识别

Transformer 模型架构

以下是详细解释：1.架构vs框架的区别概念定义示例模型架构定义神经网络的结构设计Transformer、CNN、RNN开发框架提供实现模型的工具和库PyTorch、TensorFlow2.Transformer

2401_89793006·2025-02-20 15:24

鸢尾花分类项目 GUI

常见的应用包括图像识别、语音识别、推荐系统等。

编织幻境的妖·2025-02-20 14:49

图像识别与应用

图像识别作为人工智能领域的重要分支，近年来取得了显著进展，其中卷积神经网络（CNN）功不可没。

狂踹瘸子那条好脚·2025-02-20 13:10

Mamba超绝创新！搭上异常检测准确率99%+！一区秒了！

以往的异常检测方法，以基于CNN、Transformer为主。但CNN在处理长距离依赖性方面存在困难，Transformer虽然表现出色，但由于其自注意力机制，计算复杂度较高。

人工智能学起来·2025-02-20 13:10

基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用

深度学习等任务的基本处理流程梯度下降算法讲解不同初始化，学习率对梯度下降算法的实例分析从机器学习到深度学习算法专题二深度卷积网络、卷积神经网络、卷积运算的基本原理池化操作，全连接层，以及分类器的作用BP反向传播算法的理解一个简单CNN

xiao5kou4chang6kai4·2025-02-20 11:20

卷积神经网络之AlexNet经典神经网络，实现手写数字0~9识别

深度学习中较为常见的神经网络模型AlexNet，AlexNet是一个采用GPU训练的深层CNN，本质是种LeNet变体。由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。

知识鱼丸·2025-02-20 08:24

【机器学习】基于3D CNN通过CT图像分类预测肺炎

1.引言1.1.研究背景在医学诊断中，医生通过分析CT影像来预测疾病时，面临一些挑战和局限性：图像信息的广度与复杂性：CT扫描生成的大量图像对医生来说既是信息的宝库也是处理上的负担。每组CT数据可能包含数百张切片，医生必须迅速审阅这些图像，以便捕捉到病变的微小细节。这种庞大的信息量要求医生在有限的时间内做出精准诊断，但同时也增加了漏诊或误诊的风险。部分容积效应也可能模糊小病变的边界，使得准确诊断变

MUKAMO·2025-02-20 07:43

探索Vearch：高效的深度学习向量相似度搜索系统

scaFHIO·2025-02-20 06:08

华为的云端训练算力与迭代效率

华为云、云端训练、算力、迭代效率、人工智能、深度学习、模型训练、分布式训练、优化算法1.背景介绍人工智能（AI）技术近年来发展迅速，深度学习作为其核心驱动力，在图像识别、自然语言处理、语音识别等领域取得了突破性进展

AI大模型应用之禅·2025-02-20 05:34

图像识别技术与应用第三课

一、感知机感知机由美国学者FrankRosenblatt在1957年提出，它根据输入x、权重w和偏差b进行输出，输出结果是二分类（0或1），这和输出实数的回归以及输出概率用于多分类的Softmax不同。像与门、与非门、或门都能通过设定合适的权重和偏差实现。w称为权重：控制输入信号的重要性的参数b称为偏置：偏置是调整神经元被激活的容易程度参数感知机的局限性:感知机的局限性就是只能表示由一条直线分割的

哈哈~156·2025-02-20 01:25

从代码到专利：如何用自注意力机制实现高效序列转换？——深度解析Google的Transformer架构

在传统的序列转换任务（如机器翻译、语音识别等）中，循环神经网络（RNN）和卷积神经网络（CNN）是常用的模型架构。然而，这些模型存在以下问题：

CodePatentMaster·2025-02-19 21:53

2.19 图像技术识别与应用

本节课介绍了多层感知机（MLP）及其在图像识别技术中的应用。以下是主要内容总结：1.感知机：-由FrankRosenblatt于1957年提出。-输入为x，权重为w，偏置为b，输出为二分类（0或1）。

不要不开心了·2025-02-19 19:04

【深度学习】计算机视觉（CV）-目标检测-DETR（DEtection TRansformer）—— 基于 Transformer 的端到端目标检测

DETR（DEtectionTRansformer）是FacebookAI（FAIR）于2020年提出的端到端目标检测算法，它基于Transformer架构，消除了FasterR-CNN、YOLO等方法中的候选框

IT古董·2025-02-19 16:12

遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）

一：深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习，深度学习等任务的基本处理流程4.卷积神经网络的基本原理5

岁月如歌，青春不败·2025-02-19 15:05

医学顶会 MICCAI‘24 | COVID19 至肺炎：使用 CNN Transformer 位置感知特征编码网络对多区域肺部严重程度进行分类

本文内容只为星球内部成员学习和学术交流，请勿用作他用论文信息题目：COVID19toPneumonia:MultiRegionLungSeverityClassificationusingCNNTransformerPosition-AwareFeatureEncodingNetworkCOVID19

小白学视觉·2025-02-19 14:24

本地部署Deepseek：从零开始，打造你的私人AI助手！

简单来说，Deepseek是一个基于深度学习的AI模型，它可以帮助你完成各种任务，比如自然语言处理、图像识别、数据分析等等。

软件求生·2025-02-19 12:36

用deepseek学大模型08-卷积神经网络(CNN)

yuanbao.tencent.com从入门到精通卷积神经网络(CNN),着重介绍的目标函数，损失函数，梯度下降标量和矩阵形式的数学推导，pytorch真实能跑的代码案例以及模型,数据，预测结果的可视化展示

wyg_031113·2025-02-19 07:30

什么是神经网络

函数我们以MNIST手写数字图像识别为例，来定义一下对应的函数形式：任务类型：图像分类输入：一张图像包含28x28=784个像素，每个像素用一个实数表示输出：0-9任务描述：从图像张识别出唯一的数字函数定义

jerryjee·2025-02-18 20:09

搜广推校招面经十九

Y1nhl·2025-02-18 16:28

深度学习与图像识别：机器学习基础之回归

1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，一般用于处理二分类问题，因为这个式子的一个显著特征在于：当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候，以p的值来反映y_pre是一个不错的选择，此

Shenrn_·2025-02-18 14:34

深度学习下的图像分割

基于学习的图像分割算法主要依赖于深度神经网络，经典的深度神经网络分为如下几种：2.1卷积神经网络CNN：卷积神经网络是图像处理领域应用最为广泛的网络，其权值共享，局部连接等特性

人工智能大讲堂·2025-02-18 14:01

AIMv2：多模态自回归预训练的视觉新突破

近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】导言视觉模型在人工智能领域的地位愈发重要，从图像识别

·2025-02-17 20:28

PyTorch实战深度学习——用CNN进行手写数字识别

用CNN进行手写数字识别---计算机专业研究生的代码第一课，相当于”HelloWorld“，不管以后选择什么研究方向，都值得一看,欢迎大家留言交流学习！

一位小说男主·2025-02-17 19:43

计算机视觉中图像的基础认知

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络一、图像/视频的基本属性在计算机视觉中

全栈你个大西瓜·2025-02-17 15:38

【深度学习】计算机视觉（CV）-图像分类-ResNet（Residual Network，残差网络）

ResNet（ResidualNetwork，残差网络）是一种深度卷积神经网络（CNN）架构，由何恺明（KaimingHe）等人在2015年提出，最初用于ImageNet竞赛，并在分类任务上取得了冠军。

IT古董·2025-02-17 14:57

全面解析：AI大模型入门教程，让你的学习之路不再迷茫，这个大模型学习路线非常详细收藏这篇就够了！

应用：广泛应用于自然语言处理、图像识别、生成等领域。学习大模型的意义提升技术能力：掌握大模

AGI大模型老王·2025-02-17 11:03

智能巡检机器人在电力行业的应用

二、智能巡检机器人在电力行业的应用场景（一）变电站巡检设备外观检查智能巡检机器人配备高清摄像头和图像识别技术，能够对变电站内的变压器、断路器、隔离开关、互感器等

zxsz_com_cn·2025-02-16 22:50

YOLOv11 火焰识别：智能时代的火灾预警新利器

前言随着人工智能（AI）在各个领域如火如荼发展，图像识别技术也跟着飞速进步。从最初的传统算法到如今的深度学习模型，图像识别在准确性和效率上提升令人惊叹。

星际编程喵·2025-02-16 18:48

计算机视觉：COCO数据集

COCO（CommonObjectsinContext）是一个广泛使用的计算机视觉数据集，主要用于图像识别、物体检测、分割和关键点检测等任务。

00&00·2025-02-16 17:15

《DeepSeek Janus Pro 7B：多模态人工智能大模型部署全攻略》

从智能语音助手到图像识别系统，从自动驾驶汽车到智能医疗诊断，多模态AI的身影无处不在，它让机器能够理解和处理多种类型的信息，如文本、图像、音频等，从而实现更加智能、高效的交互。DeepSee

空云风语·2025-02-16 03:57

Transformer

1.TransformerTransformer是一种新的、基于attention机制来实现的特征提取器，可用于代替CNN和RNN来提取序列的特征。

AI专题精讲·2025-02-15 18:18

PyTorch入门实战：从零搭建你的第一个神经网络

核心概念：张量与自动求导1.张量（Tensor）：深度学习的数据基石2.自动求导（Autograd）：神经网络训练的核心四、实战：手写数字识别（MNIST）1.数据集加载与预处理2.构建卷积神经网络（CNN

不打滑的西瓜皮·2025-02-15 08:58

基于深度学习YOLOv8的海洋动物检测系统（Python+PySide6界面+训练代码）

深度学习，尤其是卷积神经网络（CNN）的出现，极大地提高了计算机处理图像和视频的能力。

深度学习&目标检测实战项目·2025-02-15 04:57

双通道CNN的惊人突破，准确率接近100%！

双通道CNN作为一种创新的卷积神经网络架构，正引领深度学习领域的新趋势。其核心优势在于并行卷积层设计，能够同时处理更多特征信息，从而显著提升模型的特征表示能力和识别精度。

沃恩智慧·2025-02-15 03:45

焦损函数（Focal Loss）与RetinaNet目标检测模型详解

近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】目前，精度最高的目标检测器大多基于由R-CNN

·2025-02-14 22:31

【深入探讨 ResNet：解决深度神经网络训练问题的革命性架构】

深入探讨ResNet：解决深度神经网络训练问题的革命性架构随着深度学习的快速发展，卷积神经网络（CNN）已经成为图像识别、目标检测等计算机视觉任务的主力军。

机器学习司猫白·2025-02-14 16:26

【故障诊断】基于RIME-CNN-SVM霜冰算法优化卷积神经网络结合支持向量机的故障诊断模型（matlab)

【故障诊断】基于RIME-CNN-SVM霜冰算法优化卷积神经网络结合支持向量机的故障诊断模型（matlab)文章目录【故障诊断】基于RIME-CNN-SVM霜冰算法优化卷积神经网络结合支持向量机的故障诊断模型

天天科研工作室·2025-02-14 10:12

cnn以及例子

cnnCNN即卷积神经网络（ConvolutionalNeuralNetwork），是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型，在计算机视觉、语音识别等诸多领域都有广泛应用。

阿拉斯攀登·2025-02-14 10:41

【JCR一区级】雾凇算法RIME-CNN-BiLSTM-Attention故障诊断分类预测【含Matlab源码 5471期】

Matlab武动乾坤博客之家

Matlab武动乾坤·2025-02-14 10:40

【SCI2区】雾凇优化算法RIME-CNN-GRU-Attention用电需求预测Matlab实现

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机

matlab科研帮手·2025-02-14 10:40

RIME-CNN-SVM故障诊断

构建一个高效、准确的基于卷积神经网络（CNN）的电力系统故障识别与分类仿真系统，实现对电力系统故障的精准识别与分类。

九亿AI算法优化工作室&·2025-02-14 10:39

视觉中的transformer：ViT

但是在cv领域用的很少，视觉里一般是和cnn一起用或者把某些conv替换成transformer（整体还是CNN）本篇文章证明纯的transformer直接在图片分类上也做得很好：在大量数据集上进行预训练的前提上

ch隔壁老张·2025-02-14 06:12

【语义分割专题文章】

一、数据篇【遥感】【道路】篇：【语义分割】【专题系列】一、MassachusettsRoadsDataset马萨诸塞州道路数据集获取二、CNN篇Unet(2015)：【语义分割】【专题系列】二、Unet

BoostingIsm·2025-02-13 22:59

使用爬虫获取按图搜索1688商品（拍立淘）案例指南

一、技术背景按图搜索功能通常依赖于图像识别技术和搜索引擎。1688的“拍立淘”功能允许用户上传图片，系统会通过图像识别技术找到与上传图片相似的商品。通过爬虫技术，我们可以模拟这一过程，获取搜索

数据小小爬虫·2025-02-13 20:43

R-CNN架构

R-CNN架构架构RCCN由三个模块组成：第一个模块生成与类别无关的区域提议。这些提议定义了我们的检测器可用的候选检测集。第二个模块是一个大型卷积神经网络，它从每个区域中提取固定长度的特征向量。

·2025-02-13 16:10

常见的深度学习模型总结

应用场景：分类、回归、语音识别、图像识别等。2.卷积神经网络(Convolutio

编码时空的诗意行者·2025-02-13 13:29

基于深度学习的半导体检测与预测算法研究(二)

本文详细探讨了深度学习在半导体缺陷检测、工艺参数预测等方面的应用原理和方法，介绍了常见的深度学习模型如卷积神经网络（CNN）、循环神经网络（RNN）及其变体在半导体数据处理中的应用，分析了模型训练与优化的关键技术

埃菲尔铁塔_CV算法·2025-02-13 12:45

基于深度学习的半导体算法原理及应用

本文全面阐述了基于深度学习的半导体算法原理，涵盖卷积神经网络（CNN）、循环神经网络（RNN）及其变体长短时记忆网络（LSTM）和门控循环单元（GRU）等在半导体制造过程监测、缺陷检测、性能预测等方面的应用

埃菲尔铁塔_CV算法·2025-02-13 12:44

瑞熙贝通|智能实验教学管理平台建设方案

以虚实一体化建设为基础，融实验教学、开放创业和服务社会等功能于一体，借助互联网，在负一楼室外建设废液、废气和生物制品的处理平台，在虚拟仿真室建设局域网和数据采集中心，以“物联网”模式贯穿始终，运用射频识别、传感识别、图像识别

瑞熙贝通实验室综合管理平台·2025-02-13 02:27

《解锁AI芯片新境界：提升专用人工智能芯片通用性与灵活性的热点技术》

如现场可编程门阵列（FPGA），内部有大量可配置逻辑单元和布线资源，用户能通过编程实现不同的逻辑功能，可针对不同的人工智能算法和应用场景快速重构，像在图像识别和自然语言处理任务间灵

程序猿阿伟·2025-02-12 18:30

推荐频道