- @Author：Runsen 图像标注主要用于创建数据集进行图片的标注。本篇博客将推荐一款非常实用的图片标注工具LabelImg，重点介绍其安装使用过程。如果想简单点，请直接下载打包版（下载地址见结尾），无需编译，直接打开即可！ 感谢原作者对Github的贡献，博主发现软件已经更新，可以关注最新版本。这个工具是一个用 Python 和 Qt 编写的完整的图形界面。最... @Author：Runsen 图像标注主要用于创建数据集进行图片的标注。本篇博客将推荐一款非常实用的图片标注工具LabelImg，重点介绍其安装使用过程。如果想简单点，请直接下载打包版（下载地址见结尾），无需编译，直接打开即可！ 感谢原作者对Github的贡献，博主发现软件已经更新，可以关注最新版本。这个工具是一个用 Python 和 Qt 编写的完整的图形界面。最...
- 今天给大家介绍中山大学杨跃东教授课题组发表在Journal of Cheminformatics上的一篇论文。该论文指出蛋白质的溶解度对于生产新的可溶性蛋白质非常重要，但是目前预测蛋白质溶解度的方法大多基于氨基酸的一维嵌入，仅限于捕获空间结构信息。针对上述问题，作者开发了一种新的结构感知方法——GraphSol，通过注意力图卷积网络（GCN）预测... 今天给大家介绍中山大学杨跃东教授课题组发表在Journal of Cheminformatics上的一篇论文。该论文指出蛋白质的溶解度对于生产新的可溶性蛋白质非常重要，但是目前预测蛋白质溶解度的方法大多基于氨基酸的一维嵌入，仅限于捕获空间结构信息。针对上述问题，作者开发了一种新的结构感知方法——GraphSol，通过注意力图卷积网络（GCN）预测...
- @Author：Runsen 计算机视觉中具有挑战性的主题之一，对象检测，可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10... @Author：Runsen 计算机视觉中具有挑战性的主题之一，对象检测，可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10...
- @Author：Runsen Faster R-CNN 由于Fast R-CNN 过程中仍然存在一个瓶颈，即ROI Projection。众所周知，检测对象的第一步是在对象周围生成一组潜在的边界框。在 Fast R-CNN 中，ROI Projection是使用Selective Search创建的，发现一个非常缓慢的过程是整个对象检测过程的瓶颈。 选择性搜索是一... @Author：Runsen Faster R-CNN 由于Fast R-CNN 过程中仍然存在一个瓶颈，即ROI Projection。众所周知，检测对象的第一步是在对象周围生成一组潜在的边界框。在 Fast R-CNN 中，ROI Projection是使用Selective Search创建的，发现一个非常缓慢的过程是整个对象检测过程的瓶颈。 选择性搜索是一...
- 今天给大家介绍的是华盛顿大学蛋白质设计研究所所长，著名的蛋白质设计天才科学家David Baker课题组发表在Nature Communications上的一项工作。在这项工作中，作者提出了一个深度学习框架DeepAccNet，用于估计蛋白质模型中每个残基的准确性和残基-残基距离中的符号错误，并使用这些预测来指导Rosetta蛋白质结构优化。在R... 今天给大家介绍的是华盛顿大学蛋白质设计研究所所长，著名的蛋白质设计天才科学家David Baker课题组发表在Nature Communications上的一项工作。在这项工作中，作者提出了一个深度学习框架DeepAccNet，用于估计蛋白质模型中每个残基的准确性和残基-残基距离中的符号错误，并使用这些预测来指导Rosetta蛋白质结构优化。在R...
- 系列内容深度学习CNN 文章目录 CNN网络架构图展示的卷积神经网络：卷积神经网络的层结构和全连接神经网络的层结构不同：卷积计算池化全连接 CNN网络架构 一个卷积神经网络由若干卷积层、Pooling层、全连接层组成。你可以构建各种不同的卷积神经网络，它的常用架构模式 INPUT -> [[CONV]*N -> POOL?]*M ... 系列内容深度学习CNN 文章目录 CNN网络架构图展示的卷积神经网络：卷积神经网络的层结构和全连接神经网络的层结构不同：卷积计算池化全连接 CNN网络架构 一个卷积神经网络由若干卷积层、Pooling层、全连接层组成。你可以构建各种不同的卷积神经网络，它的常用架构模式 INPUT -> [[CONV]*N -> POOL?]*M ...
- https://segmentfault.com/a/1190000012531507 在我的 Geforce 940mx 上面，ReLU 激活函数比 Swish 激活函数快 10 秒左右。我知道可能 Swish 激活函数在计算 sigmoid 函数的时候比 ReLU 多浪费了 10 秒。 class Swish(nn.Module): d... https://segmentfault.com/a/1190000012531507 在我的 Geforce 940mx 上面，ReLU 激活函数比 Swish 激活函数快 10 秒左右。我知道可能 Swish 激活函数在计算 sigmoid 函数的时候比 ReLU 多浪费了 10 秒。 class Swish(nn.Module): d...
- cuda 带显卡驱动 cudnn git python-opencv 下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/ pycharm pytorch paddlepaddle-gpu numpy cuda 带显卡驱动 cudnn git python-opencv 下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/ pycharm pytorch paddlepaddle-gpu numpy
- Group Convolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，Group Convolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下： Convolution VS Group Convolution 在介绍Group Convolution前，先回顾下常规卷积... Group Convolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，Group Convolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下： Convolution VS Group Convolution 在介绍Group Convolution前，先回顾下常规卷积...
- 1 Attention 和 Self-Attention Attention的核心思想是：从关注全部到关注重点。Attention 机制很像人类看图片的逻辑，当看一张图片的时候，我们并没有看清图片的全部内容，而是将注意力集中在了图片的焦点上。大家看下面这张图自行体会： 对于CV中早期的Attention，例如：SENet，CBAM，通常... 1 Attention 和 Self-Attention Attention的核心思想是：从关注全部到关注重点。Attention 机制很像人类看图片的逻辑，当看一张图片的时候，我们并没有看清图片的全部内容，而是将注意力集中在了图片的焦点上。大家看下面这张图自行体会： 对于CV中早期的Attention，例如：SENet，CBAM，通常...
- 动态slimmable网络：高性能的网络轻量化方法！对比slimmable涨点5.9% 论文链接： https://arxiv.org/abs/2103.13258 代码： https://github.com/changlin31/DS-Net 一、研究动机 动态剪枝算法及其问题 动态网络为每... 动态slimmable网络：高性能的网络轻量化方法！对比slimmable涨点5.9% 论文链接： https://arxiv.org/abs/2103.13258 代码： https://github.com/changlin31/DS-Net 一、研究动机 动态剪枝算法及其问题 动态网络为每...
- 参考：http://www.cnblogs.com/pegasus/archive/2011/05/19/2051416.html 这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像素的加权和。 1.相关算子（Correlation Operator)... 参考：http://www.cnblogs.com/pegasus/archive/2011/05/19/2051416.html 这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像素的加权和。 1.相关算子（Correlation Operator)...
- 原文： http://blog.sina.com.cn/s/blog_6df50e1a01019z95.html 1.使用模板处理图像相关概念 模板：矩阵方块，其数学含义是一种卷积运算。 卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个... 原文： http://blog.sina.com.cn/s/blog_6df50e1a01019z95.html 1.使用模板处理图像相关概念 模板：矩阵方块，其数学含义是一种卷积运算。 卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个...
- https://www.jiqizhixin.com/articles/2018-07-03-14 例子： https://github.com/ShikamaruZhang/AdamW optim_adam = torch.optim.Adam(net_Adam.parameters(), lr=LR, betas=(0.9, 0.99), weight_decay... https://www.jiqizhixin.com/articles/2018-07-03-14 例子： https://github.com/ShikamaruZhang/AdamW optim_adam = torch.optim.Adam(net_Adam.parameters(), lr=LR, betas=(0.9, 0.99), weight_decay...
- EfficientNetV2: Smaller Models and Faster Training paper: https://arxiv.org/abs/2104.00298 code（官方TF代码即将开源）: https://github.com/google/automl/efficientnetv2 code（大神PyTorch复现代码，刚刚... EfficientNetV2: Smaller Models and Faster Training paper: https://arxiv.org/abs/2104.00298 code（官方TF代码即将开源）: https://github.com/google/automl/efficientnetv2 code（大神PyTorch复现代码，刚刚...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签