- 本文翻译自http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html，大概介绍下反向传播的基本原理。 本文旨在描述反向传播算法在多层神经... 本文翻译自http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html，大概介绍下反向传播的基本原理。 本文旨在描述反向传播算法在多层神经...
- 目标跟踪论文一般提到VGG-M神经网络，也就是CNN-M神经网络，其出处是论文《Return of the Devil in the Details: Delving Deep into Convolutional Nets》，其定义如下： 其架构包含5个卷积层和3个全连接层，它的特点是第一个卷积层的步幅减小和感受野较小，这在ILSV... 目标跟踪论文一般提到VGG-M神经网络，也就是CNN-M神经网络，其出处是论文《Return of the Devil in the Details: Delving Deep into Convolutional Nets》，其定义如下： 其架构包含5个卷积层和3个全连接层，它的特点是第一个卷积层的步幅减小和感受野较小，这在ILSV...
- 一、神经网络前向传播公式推导 这样设计的原因：第一是这种一致的完全连接形式事实上可以相对容易地编码成计算机指令，第二是神经网络的学习过程将会弱化这些实际上不需要的连接（也就是这些连接的权重将趋近于0），因此对于解决特定任 务所需最小数量的连接冗余几个连接，也无伤大雅。 这意味着，随着神经网络学习过程的进行，神经网络通过调整优化网... 一、神经网络前向传播公式推导 这样设计的原因：第一是这种一致的完全连接形式事实上可以相对容易地编码成计算机指令，第二是神经网络的学习过程将会弱化这些实际上不需要的连接（也就是这些连接的权重将趋近于0），因此对于解决特定任 务所需最小数量的连接冗余几个连接，也无伤大雅。 这意味着，随着神经网络学习过程的进行，神经网络通过调整优化网...
- 对于监督分类，可视化每个类别的每个波段的平均光谱响应很有用。此类图表称为光谱响应曲线或光谱特征。此类图表有助于确定类的可分离性。如果类具有非常不同的签名，分类器将能够很好地将它们分开。 我们还可以绘制一个类的所有训练样本的光谱特征并检查训练数据集的质量。如果所有训练样本都显示相似的特征，则表明您在收集适当的样本方面做得很好。您还可以从... 对于监督分类，可视化每个类别的每个波段的平均光谱响应很有用。此类图表称为光谱响应曲线或光谱特征。此类图表有助于确定类的可分离性。如果类具有非常不同的签名，分类器将能够很好地将它们分开。 我们还可以绘制一个类的所有训练样本的光谱特征并检查训练数据集的质量。如果所有训练样本都显示相似的特征，则表明您在收集适当的样本方面做得很好。您还可以从...
- 手写字体识别模型LeNet5诞生于1994年，是最早的卷积神经网络之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。虽然现在看来Lenet基本实际用处不大，而且架构现在基本也没人用了，但是可以作为神经网络架构的一个... 手写字体识别模型LeNet5诞生于1994年，是最早的卷积神经网络之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。虽然现在看来Lenet基本实际用处不大，而且架构现在基本也没人用了，但是可以作为神经网络架构的一个...
- 论文题目①：BAM: Bottleneck Attention Module论文题目②：CBAM：CBAM: Convolutional Block Attention Module Bottlenet... 论文题目①：BAM: Bottleneck Attention Module论文题目②：CBAM：CBAM: Convolutional Block Attention Module Bottlenet...
- 论文题目：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 论文链接：https://arxiv.org/abs/1704.04861 论文研究目标 提出了一种深度模型加速的算法，可以在基本不影响准确率的前提下... 论文题目：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 论文链接：https://arxiv.org/abs/1704.04861 论文研究目标 提出了一种深度模型加速的算法，可以在基本不影响准确率的前提下...
- 卷积神经网络基础 我们介绍卷积神经网络的卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 import torch from torch.autograd import Variable ... 卷积神经网络基础 我们介绍卷积神经网络的卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 import torch from torch.autograd import Variable ...
- 一、研究背景 研究鸟类鸣声有利于人们掌握其繁殖行为和生活习性等生命活动规律,从而更好地开发和利用经济鸟类,更有效保护濒危珍稀类。随着我国经济的高速发展,生态问题越来越受到重视。由于发展经济的需要,如今很... 一、研究背景 研究鸟类鸣声有利于人们掌握其繁殖行为和生活习性等生命活动规律,从而更好地开发和利用经济鸟类,更有效保护濒危珍稀类。随着我国经济的高速发展,生态问题越来越受到重视。由于发展经济的需要,如今很...
- 一、垂直边缘检测 1、图片如果是黑白的就是像素*像素*1，如果是彩色的就是像素*像素*3【后面数字是维度】3表示RGB 对图片进行卷积运算 如图所示，6x6的图片*3x3的图片=4x4的图片，计算过程如下图： 4x4每个元素的计算是把3x3的矩阵一行一行的覆盖在6x6的矩阵上，大图片每一列的元素乘以小图片的每一列然后相加... 一、垂直边缘检测 1、图片如果是黑白的就是像素*像素*1，如果是彩色的就是像素*像素*3【后面数字是维度】3表示RGB 对图片进行卷积运算 如图所示，6x6的图片*3x3的图片=4x4的图片，计算过程如下图： 4x4每个元素的计算是把3x3的矩阵一行一行的覆盖在6x6的矩阵上，大图片每一列的元素乘以小图片的每一列然后相加...
- 论文题目：Faster R-CNN: T owards Real-Time Object Detection with Region Proposal Networks 论文链接：https://arxiv.org/abs/1506.01497 作者及单位 研究目标 Faster R-CNN是为了改进Fast R-CNN而... 论文题目：Faster R-CNN: T owards Real-Time Object Detection with Region Proposal Networks 论文链接：https://arxiv.org/abs/1506.01497 作者及单位 研究目标 Faster R-CNN是为了改进Fast R-CNN而...
- 一、胶囊网络 池化运算会丢失一些图像信息。这是因为为了获得更小的特征级图像表示，池化会丢弃像素信息。与池化层相比，有一些分类方法不会丢弃空间信息，而是学习各个部分之间的关系（例如眼睛、鼻子和嘴之间的空间关系）。 学习各部分之间的空间关系的一种方法就叫胶囊网络。 胶囊网络能够从图像中检测出对象的各个部分，并表示这些部分之间... 一、胶囊网络 池化运算会丢失一些图像信息。这是因为为了获得更小的特征级图像表示，池化会丢弃像素信息。与池化层相比，有一些分类方法不会丢弃空间信息，而是学习各个部分之间的关系（例如眼睛、鼻子和嘴之间的空间关系）。 学习各部分之间的空间关系的一种方法就叫胶囊网络。 胶囊网络能够从图像中检测出对象的各个部分，并表示这些部分之间...
- cfg是配置文件，一般为了代码的可读性，把一层层的神经网络用cfg格式文件保存，用的时候可以直接读取调用，简单轻便。以下用一个例子来了解。 下面cfg文件是yolov3的网络层次： [net] # Testing batch=1 subdivisions=1 # Training # batch=64 # subdivisions=... cfg是配置文件，一般为了代码的可读性，把一层层的神经网络用cfg格式文件保存，用的时候可以直接读取调用，简单轻便。以下用一个例子来了解。 下面cfg文件是yolov3的网络层次： [net] # Testing batch=1 subdivisions=1 # Training # batch=64 # subdivisions=...
- 梯度下降算法推导与实现 import matplotlib.pyplot as pltimport numpy as npimport pandas as pd #Some helper functions for plotting and drawing lines def plot_points(X, y): admit... 梯度下降算法推导与实现 import matplotlib.pyplot as pltimport numpy as npimport pandas as pd #Some helper functions for plotting and drawing lines def plot_points(X, y): admit...
- 本文首发于微信公众号“计算机视觉cv” # Title文章标题 ImageNet classification with deep revolutional Neural Networks（也就是经典的Alexnet网络） # Summary 作者使用ImageNet更大的数据集来训练神经网络。 1、激活... 本文首发于微信公众号“计算机视觉cv” # Title文章标题 ImageNet classification with deep revolutional Neural Networks（也就是经典的Alexnet网络） # Summary 作者使用ImageNet更大的数据集来训练神经网络。 1、激活...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
回顾中
热门标签