- 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 尽管最近长尾目标检测取得了成功，但几乎所有的长尾目标检测器都是基于两阶段范式开发的。在实践中，一阶段检测器在行业中更为普遍，因为它们有一个简单和快速的Pipeline，易于部署。然而，在长尾情况下，这一工作迄今还没有得到探索。 在... 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 尽管最近长尾目标检测取得了成功，但几乎所有的长尾目标检测器都是基于两阶段范式开发的。在实践中，一阶段检测器在行业中更为普遍，因为它们有一个简单和快速的Pipeline，易于部署。然而，在长尾情况下，这一工作迄今还没有得到探索。 在...
- 前言 BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。 BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive... 前言 BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。 BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive...
- 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★，第一时间获取资源 仅做学术分享，如有侵权，联系删除 转载于 ：量子位 AI识别你的语音、回答你的问题、帮你翻译外语，都离不开一种特殊的循环神经网络（RNN）：长短期记忆网络（Long short-term ... 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★，第一时间获取资源 仅做学术分享，如有侵权，联系删除 转载于 ：量子位 AI识别你的语音、回答你的问题、帮你翻译外语，都离不开一种特殊的循环神经网络（RNN）：长短期记忆网络（Long short-term ...
- 目录 前言专业名词笔记Recurrent Graphneural networks 递归图神经网络Convolutional graph neural networks 卷积图神经网络(ConvG... 目录 前言专业名词笔记Recurrent Graphneural networks 递归图神经网络Convolutional graph neural networks 卷积图神经网络(ConvG...
- 文章目录 一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head 三、改进方法1、自适应锚框计算2、自适应灰度填充 四、性能表现五、YOLOv5入门... 文章目录 一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head 三、改进方法1、自适应锚框计算2、自适应灰度填充 四、性能表现五、YOLOv5入门...
- NLP：Transformer的简介(优缺点)、架构详解之详细攻略 目录 Transformer的简介(优缺点)、架构详解之详细攻略 1、Transformer的简介 (1)、Transforme的四4个优点和2个缺点 2、Transformer 结构—纯用attention搭建的模型→计算速度更快 ... NLP：Transformer的简介(优缺点)、架构详解之详细攻略 目录 Transformer的简介(优缺点)、架构详解之详细攻略 1、Transformer的简介 (1)、Transforme的四4个优点和2个缺点 2、Transformer 结构—纯用attention搭建的模型→计算速度更快 ...
- 转自：https://blog.csdn.net/zhazhiqiang/article/details/22613763 解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间... 转自：https://blog.csdn.net/zhazhiqiang/article/details/22613763 解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间...
- 文章目录 一、卷积与交换性1、卷积概念2、卷积交换律 二、相关函数交换性 一、卷积与交换性 1、卷积概念 对于 线性时不变系统 ( LTI - Lin... 文章目录 一、卷积与交换性1、卷积概念2、卷积交换律 二、相关函数交换性 一、卷积与交换性 1、卷积概念 对于 线性时不变系统 ( LTI - Lin...
- 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★，第一时间获取资源 仅做学术分享，如有侵权，联系删除 转载于 ：量子位 最近，一款神经网络可视化工具火了。 这款工具叫做「nn_vis」，它采用了新的3D可视化技术，可以呈现这样的效果： 其作者表示，之所... 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★，第一时间获取资源 仅做学术分享，如有侵权，联系删除 转载于 ：量子位 最近，一款神经网络可视化工具火了。 这款工具叫做「nn_vis」，它采用了新的3D可视化技术，可以呈现这样的效果： 其作者表示，之所...
- 文章目录 一、线性卷积起点定理推导过程 推导 【数字信号处理】线性时不变系统 LTI “ 输入 “ 与 “ 输出 “ 之间的关系 ( 线性卷积起点定理 | 左边序列概念 | 推理 ) 一... 文章目录 一、线性卷积起点定理推导过程 推导 【数字信号处理】线性时不变系统 LTI “ 输入 “ 与 “ 输出 “ 之间的关系 ( 线性卷积起点定理 | 左边序列概念 | 推理 ) 一...
- 文章目录 一、线性卷积计算 案例二 一、线性卷积计算 案例二 给定如下两个序列 : ... 文章目录 一、线性卷积计算 案例二 一、线性卷积计算 案例二 给定如下两个序列 : ...
- 一、产生如下因果线性时不变系统的冲激响应的前45个样本并绘图： clf; N = 45; num = [0.9 -0.45 0.35 0.002]; den = [1 0.71 -0.46 -0.6... 一、产生如下因果线性时不变系统的冲激响应的前45个样本并绘图： clf; N = 45; num = [0.9 -0.45 0.35 0.002]; den = [1 0.71 -0.46 -0.6...
- 文章目录 深度学习 - 深度学习 （人工神经网络的研究的概念）1、概念2、相关应用场景3、简介4、区别于浅层学习5、典型模型案例6、深度学习是如何进行训练的自下上升的非监督学习自顶向下的监督学习 ... 文章目录 深度学习 - 深度学习 （人工神经网络的研究的概念）1、概念2、相关应用场景3、简介4、区别于浅层学习5、典型模型案例6、深度学习是如何进行训练的自下上升的非监督学习自顶向下的监督学习 ...
- 目录 什么是K近邻算法？ 关于空间的一些基本概念 几何空间的五条公理 向量 关于距离的一些基本概念 欧氏距离（Euclidean distance） 曼哈顿距离(Manhattan Distance) 切比雪夫距离 (Chebyshev Distance) 闵可夫斯基距离(Minko... 目录 什么是K近邻算法？ 关于空间的一些基本概念 几何空间的五条公理 向量 关于距离的一些基本概念 欧氏距离（Euclidean distance） 曼哈顿距离(Manhattan Distance) 切比雪夫距离 (Chebyshev Distance) 闵可夫斯基距离(Minko...
- 简 介： 生成对抗网络利用博弈的思想训练出生成器用来生成数据，是近几年的热点研究领域。本文对基本的生成对抗网络模型进行介绍，概述了生成对抗网络这一概念提出以来得到的发展，列举了几个不同变种的生成... 简 介： 生成对抗网络利用博弈的思想训练出生成器用来生成数据，是近几年的热点研究领域。本文对基本的生成对抗网络模型进行介绍，概述了生成对抗网络这一概念提出以来得到的发展，列举了几个不同变种的生成...
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