- 空洞卷积广泛应用于语义分割与目标检测等任务中，通过保持特征图相对的空间位置，提高感受野照顾到分割任务的上下文信息，一定程度上提高了在分割场景中的效果，语义分割中经典的deeplab系列与DUC对空洞卷积进行了深入的思考。目标检测中SSD与RFBNet也使用了空洞卷积。但是空洞卷积也存在着一定的缺陷，一是产生网格效应，如下图：我们发现感受野并不是连续的，也就是并不是所有的格子中的信息都用来计算... 空洞卷积广泛应用于语义分割与目标检测等任务中，通过保持特征图相对的空间位置，提高感受野照顾到分割任务的上下文信息，一定程度上提高了在分割场景中的效果，语义分割中经典的deeplab系列与DUC对空洞卷积进行了深入的思考。目标检测中SSD与RFBNet也使用了空洞卷积。但是空洞卷积也存在着一定的缺陷，一是产生网格效应，如下图：我们发现感受野并不是连续的，也就是并不是所有的格子中的信息都用来计算...
- 主要介绍Char CNN和DS CNN两个网络模型的从GPU上TensorFlow代码迁移到Ascend 910（NPU）上TensorFlow代码的过程。 主要介绍Char CNN和DS CNN两个网络模型的从GPU上TensorFlow代码迁移到Ascend 910（NPU）上TensorFlow代码的过程。
- 【昇腾CANN训练营第二期】【应用营】第二周作业实操 【昇腾CANN训练营第二期】【应用营】第二周作业实操
- 测试部分在这部分中，我们利用训练得到的模型进行推理测试。In [13]:%matplotlib inlinefrom __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_function# 将路径转入libimport tools._init_pathsfro... 测试部分在这部分中，我们利用训练得到的模型进行推理测试。In [13]:%matplotlib inlinefrom __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_function# 将路径转入libimport tools._init_pathsfro...
- 代码来源https://gitee.com/ascend/modelzoo/tree/master/contrib/TensorFlow/Research/nlp/char-level_cnn/CharCNN_tf_huangjinsai 运行环境NPU： 1 Ascend 910GPU： 1 Nvidia V100 16GB 运行结果 NPU数据训练过程：Epoch: 10Iter: ... 代码来源https://gitee.com/ascend/modelzoo/tree/master/contrib/TensorFlow/Research/nlp/char-level_cnn/CharCNN_tf_huangjinsai 运行环境NPU： 1 Ascend 910GPU： 1 Nvidia V100 16GB 运行结果 NPU数据训练过程：Epoch: 10Iter: ...
- 个人情况 我个人是一名软件工程系的在校大学生，平日里喜欢捣鼓一些小东西，喜欢将软件和硬件结合起来，物联网这种将软件和硬件结合起来的形式，着实是挺吸引我。平时在学校的时候，因为软件工程系一般都不怎么会开设物联网相关的课程，也没有机会触及到物联网的内容。这次华为的HDC2021真的挺好的，给了我们这类在校大学生接触和学习物联网的机会。讲擅长什么领域呢，我个人现在还只是处于初学者的... 个人情况 我个人是一名软件工程系的在校大学生，平日里喜欢捣鼓一些小东西，喜欢将软件和硬件结合起来，物联网这种将软件和硬件结合起来的形式，着实是挺吸引我。平时在学校的时候，因为软件工程系一般都不怎么会开设物联网相关的课程，也没有机会触及到物联网的内容。这次华为的HDC2021真的挺好的，给了我们这类在校大学生接触和学习物联网的机会。讲擅长什么领域呢，我个人现在还只是处于初学者的...
- 论文结构摘要核心候选区域提取是已有检测方法实时性低的主要瓶颈提出了候选区域网络，通过共享特征，提取候选区域，极大提升了计算效率，可以进行端到端训练FastRCNN和VGG通过迭代优化可以实现特征共享FasterRCNN是一个实用系统，在单GPU上达5fps在Pascal VOC2012上达到4% mAP 网络细节Faster RCNN主要有4个重要部分：共享卷积层：用于提取feature... 论文结构摘要核心候选区域提取是已有检测方法实时性低的主要瓶颈提出了候选区域网络，通过共享特征，提取候选区域，极大提升了计算效率，可以进行端到端训练FastRCNN和VGG通过迭代优化可以实现特征共享FasterRCNN是一个实用系统，在单GPU上达5fps在Pascal VOC2012上达到4% mAP 网络细节Faster RCNN主要有4个重要部分：共享卷积层：用于提取feature...
- YOLO作为一个one-stage目标检测算法，在速度和准确度上都有杰出的表现。而YOLO v3是YOLO的第3个版本（即YOLO、YOLO 9000、YOLO v3），检测效果，更准更强。 YOLO作为一个one-stage目标检测算法，在速度和准确度上都有杰出的表现。而YOLO v3是YOLO的第3个版本（即YOLO、YOLO 9000、YOLO v3），检测效果，更准更强。
- Faster CNN是一个具有里程碑意义的，也是目前用得非常多的两阶段目标检测算法，完全搞懂Faster R-CNN的算法原理对理解两阶段目标检测算法框架非常有帮助。之前下功夫学过一次Faster R-CNN，但当时没有自己整理，现在发现很多细节都不是很清楚。现在决定亲自整理一遍，顺便做一次分享，有错误的地方希望读者指正。 Faster CNN是一个具有里程碑意义的，也是目前用得非常多的两阶段目标检测算法，完全搞懂Faster R-CNN的算法原理对理解两阶段目标检测算法框架非常有帮助。之前下功夫学过一次Faster R-CNN，但当时没有自己整理，现在发现很多细节都不是很清楚。现在决定亲自整理一遍，顺便做一次分享，有错误的地方希望读者指正。
- 1．内容全面，紧跟最新技术发展 本书内容涵盖了深度学习的理论知识、数据获取与增强，以及深度学习在图像分类、分割和检测这三大基础研究领域中的发展、数据与模型的可视化、优化目标、模型压缩与部署等相关知识，基本上囊括了深度学习在图像开发中所必须要掌握的大部分基础知识。 2．深度与广度兼具 本书在讲解每个知识点时力求详尽，而且紧密结合了学术界与工业界相关技术的最新发展。 1．内容全面，紧跟最新技术发展 本书内容涵盖了深度学习的理论知识、数据获取与增强，以及深度学习在图像分类、分割和检测这三大基础研究领域中的发展、数据与模型的可视化、优化目标、模型压缩与部署等相关知识，基本上囊括了深度学习在图像开发中所必须要掌握的大部分基础知识。 2．深度与广度兼具 本书在讲解每个知识点时力求详尽，而且紧密结合了学术界与工业界相关技术的最新发展。
- Abstract本文提出了一种端到端的可训练网络 SegFlow，用于同时预测视频中的像素级对象分割和光流。 提出的 SegFlow 有两个分支，其中对象分割和光流的有用信息在统一框架中双向传播。 分割分支基于全卷积网络，在图像分割任务中已被证明是有效的，光流分支利用了FlowNet模型。统一框架离线迭代训练以学习通用概念，并针对特定对象在线微调 . 对视频对象分割和光流数据集的大量实验表... Abstract本文提出了一种端到端的可训练网络 SegFlow，用于同时预测视频中的像素级对象分割和光流。 提出的 SegFlow 有两个分支，其中对象分割和光流的有用信息在统一框架中双向传播。 分割分支基于全卷积网络，在图像分割任务中已被证明是有效的，光流分支利用了FlowNet模型。统一框架离线迭代训练以学习通用概念，并针对特定对象在线微调 . 对视频对象分割和光流数据集的大量实验表...
- 滤波算法是一类用于处理信号和图像中噪声的算法。它们通常通过在信号或图像上应用一个滤波器来实现这一目的。常见的滤波算法包括均值滤波、中值滤波、高斯滤波等。一个常见的滤波算法例子是卷积滤波器。这种算法可以用来平滑图像，去除噪声或提取图像的特征。卷积滤波器的工作原理是将图像与一个称为卷积核的矩阵进行卷积，以得到输出图像。卷积核可以是一个高斯核，用来平滑图像，或是一个梯度核，用来提取图像的边缘。 滤... 滤波算法是一类用于处理信号和图像中噪声的算法。它们通常通过在信号或图像上应用一个滤波器来实现这一目的。常见的滤波算法包括均值滤波、中值滤波、高斯滤波等。一个常见的滤波算法例子是卷积滤波器。这种算法可以用来平滑图像，去除噪声或提取图像的特征。卷积滤波器的工作原理是将图像与一个称为卷积核的矩阵进行卷积，以得到输出图像。卷积核可以是一个高斯核，用来平滑图像，或是一个梯度核，用来提取图像的边缘。 滤...
- 简 介： 测试了冲激磁场对于几种常见到的金属作用的情况。 关键词： 冲激磁场，金属 ... 简 介： 测试了冲激磁场对于几种常见到的金属作用的情况。 关键词： 冲激磁场，金属 ...
- 前言 相对于 L 2 ... 前言 相对于 L 2 ...
- 文章目录 前言设计前准备训练集，开发集，测试集上个时代的机器学习大数据时代 数据集不匹配没有测试集的情况 前言 接下来的更新是第二课的内容了： Improving Deep N... 文章目录 前言设计前准备训练集，开发集，测试集上个时代的机器学习大数据时代 数据集不匹配没有测试集的情况 前言 接下来的更新是第二课的内容了： Improving Deep N...
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