- 计算机视觉（Compute Vision，CV）给计算机装上了“眼睛”，让计算机像人类一样也有“视觉”能力，能够“看”懂图片里的内容。作为深度学习领域的最重要的应用场景之一，在手机拍照、智能安防、自动驾驶等场景均有广泛的应用，而检测类任务作为CV领域的一类经典任务，也在以上场景中广泛应用。本文以经典的目标检测网络FasterRcnn为例，介绍一下如何使用MindSpore来完成一个检测模型的... 计算机视觉（Compute Vision，CV）给计算机装上了“眼睛”，让计算机像人类一样也有“视觉”能力，能够“看”懂图片里的内容。作为深度学习领域的最重要的应用场景之一，在手机拍照、智能安防、自动驾驶等场景均有广泛的应用，而检测类任务作为CV领域的一类经典任务，也在以上场景中广泛应用。本文以经典的目标检测网络FasterRcnn为例，介绍一下如何使用MindSpore来完成一个检测模型的...
- ORM操作相关知识记录 ORM操作相关知识记录
- Abstract SegNet网络具有以下几个优点：仅在训练好的模型上进行前向计算便可得到平滑的像素级预测；网络层数的加深有助于利用更大的context来进行预测；可以方便的查看任意层特征激活的影响。1.Introduction SegNet由encoder，decoder和softmax分类层组成。因为最深的特征提取层一般因为降采样都具有较小的分辨率，ad ho... Abstract SegNet网络具有以下几个优点：仅在训练好的模型上进行前向计算便可得到平滑的像素级预测；网络层数的加深有助于利用更大的context来进行预测；可以方便的查看任意层特征激活的影响。1.Introduction SegNet由encoder，decoder和softmax分类层组成。因为最深的特征提取层一般因为降采样都具有较小的分辨率，ad ho...
- 在本工作中，我们首先提出一个新的视觉描述特征—位移范围直方图HDR来描述患者面部肌肉运动的信息，因为有心理学文献指出，抑郁症患者通常会表现出运动迟滞的现象，另外就是提出使用PV-SVM来进行自动化的文本分析，这就回答了上一章留下来的问题。另外这一章另一个重点是根据模态之间的特性探索了多模态融合的框架，提出了三种融合模型。 在本工作中，我们首先提出一个新的视觉描述特征—位移范围直方图HDR来描述患者面部肌肉运动的信息，因为有心理学文献指出，抑郁症患者通常会表现出运动迟滞的现象，另外就是提出使用PV-SVM来进行自动化的文本分析，这就回答了上一章留下来的问题。另外这一章另一个重点是根据模态之间的特性探索了多模态融合的框架，提出了三种融合模型。
- 介绍Normalization的基本原理和较为常用的Normalization方法，并对Normalization的作用原理进行一些讨论 介绍Normalization的基本原理和较为常用的Normalization方法，并对Normalization的作用原理进行一些讨论
- 随着社会经济发展，人们的生活压力也越来越大,所以抑郁症慢慢成了一种社会常见的精神疾病。目前，医院诊断抑郁症的主要方式还是靠一些调查问卷和访谈，但是首先我国心理医生数量较少，导致很多患者不能及时得到诊疗，其次医生访谈的过程主观性比较强，同一个病人不同医生的诊断结果可能都是有差异的。因此，我们的目标就是借助计算机的技术，通过分析患者的音视频和文本信息，来实现一个自动化抑郁症的分析系统。 随着社会经济发展，人们的生活压力也越来越大,所以抑郁症慢慢成了一种社会常见的精神疾病。目前，医院诊断抑郁症的主要方式还是靠一些调查问卷和访谈，但是首先我国心理医生数量较少，导致很多患者不能及时得到诊疗，其次医生访谈的过程主观性比较强，同一个病人不同医生的诊断结果可能都是有差异的。因此，我们的目标就是借助计算机的技术，通过分析患者的音视频和文本信息，来实现一个自动化抑郁症的分析系统。
- 算法模型专栏开始，力争用最通俗的说法来解释，参考各类资料暂时删去了损失函数的计算以及比较繁琐难懂的概念，如有错误理解之处望指出！首先给定几个概念，不熟悉卷积基本概念的暂且看下：基础概念：先来个全彩GoogleNet/Inception模型解释下1*1卷积的作用：增加非线性：相当于全连接层，加入激活函数后使得网络复杂性增加特征降维：控制卷积核数量达到通道数大小放缩空洞卷积：又称扩张卷积，引入扩... 算法模型专栏开始，力争用最通俗的说法来解释，参考各类资料暂时删去了损失函数的计算以及比较繁琐难懂的概念，如有错误理解之处望指出！首先给定几个概念，不熟悉卷积基本概念的暂且看下：基础概念：先来个全彩GoogleNet/Inception模型解释下1*1卷积的作用：增加非线性：相当于全连接层，加入激活函数后使得网络复杂性增加特征降维：控制卷积核数量达到通道数大小放缩空洞卷积：又称扩张卷积，引入扩...
- 本篇文章介绍了如何安装SRILM，并使用简单语料训练N-gram语言模型。 本篇文章介绍了如何安装SRILM，并使用简单语料训练N-gram语言模型。
- 梯度下降1.梯度下降 梯度下降法（Gradient Descent Optimization）是神经网络模型训练最常用的优化算法，是一个一阶最优化算法，通常也称为最速下降法。要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对于梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。所以梯度下降法可以帮助我们求解某个函数的极小值或者最小值。对于n维问题就最优解，梯度下降法是最... 梯度下降1.梯度下降 梯度下降法（Gradient Descent Optimization）是神经网络模型训练最常用的优化算法，是一个一阶最优化算法，通常也称为最速下降法。要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对于梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。所以梯度下降法可以帮助我们求解某个函数的极小值或者最小值。对于n维问题就最优解，梯度下降法是最...
- 损失函数 损失函数是机器学习里最基础也是最为关键的一个要素，通过对损失函数的定义、优化，就可以衍生到我们现在常用的机器学习等算法中。1.损失函数 损失函数（loss function）是用来估量拟模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,损失函数的作用是衡量模型预测的好坏。通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数... 损失函数 损失函数是机器学习里最基础也是最为关键的一个要素，通过对损失函数的定义、优化，就可以衍生到我们现在常用的机器学习等算法中。1.损失函数 损失函数（loss function）是用来估量拟模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,损失函数的作用是衡量模型预测的好坏。通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数...
- 常用机器学习模型1.朴素贝叶斯模型 朴素贝叶斯模型是一个简单却很重要的模型，它是一种生成模型，也就是它对问题进行联合建模，利用概率的乘法法则，我们可以得到： 由于上述形式复杂，因此朴素贝叶斯作出一个假设，也就是在给定y的条件下，x1,...,xn之间的生成概率是完全独立的，也就是： 注意此处并不是说x1,...,xn的生成概率是相互独立的，而是在给定y的条件下才是独立的，也就是这是一种... 常用机器学习模型1.朴素贝叶斯模型 朴素贝叶斯模型是一个简单却很重要的模型，它是一种生成模型，也就是它对问题进行联合建模，利用概率的乘法法则，我们可以得到： 由于上述形式复杂，因此朴素贝叶斯作出一个假设，也就是在给定y的条件下，x1,...,xn之间的生成概率是完全独立的，也就是： 注意此处并不是说x1,...,xn的生成概率是相互独立的，而是在给定y的条件下才是独立的，也就是这是一种...
- 线性回归模型1.线性回归模型 所谓线性回归模型就是指因变量和自变量之间的关系是直线型的。回归分析预测法中最简单和最常用的是线性回归预测法。 在现实世界中，我们常与各种变量打交道，在解决实际问题过程中，我们常常会遇到多个变量同处于一个过程之中，它们之间互相联系、互相制约。最常见的关系有两种：一类为 “确定的关系”即变量间有确定性关系，其关系可用函数表达式表示。例如：路程s,时间t, 与速度... 线性回归模型1.线性回归模型 所谓线性回归模型就是指因变量和自变量之间的关系是直线型的。回归分析预测法中最简单和最常用的是线性回归预测法。 在现实世界中，我们常与各种变量打交道，在解决实际问题过程中，我们常常会遇到多个变量同处于一个过程之中，它们之间互相联系、互相制约。最常见的关系有两种：一类为 “确定的关系”即变量间有确定性关系，其关系可用函数表达式表示。例如：路程s,时间t, 与速度...
- 逻辑回归模型 Logit（逻辑回归）模型（Logit model，也译作“评定模型”，“分类评定模型”，又作Logistic regression，“逻辑回归”）是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。1.逻辑回归模型 Logit模型是最早的离散选择模型，也是目... 逻辑回归模型 Logit（逻辑回归）模型（Logit model，也译作“评定模型”，“分类评定模型”，又作Logistic regression，“逻辑回归”）是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。1.逻辑回归模型 Logit模型是最早的离散选择模型，也是目...
- 论文：https://arxiv.org/abs/1909.13579代码：https://github.com/ebennequin/FewShotVision 研究背景在目标检测领域，YOLO等算法需要大量的基类图片作为训练支持。若部分检测目标本身就难以获得注释或较为稀缺，现有模型将出现过拟合而无法泛化。此类问题被统称为小样本学习，目前仍缺乏有效的解决方法。2018年，Chelsea F... 论文：https://arxiv.org/abs/1909.13579代码：https://github.com/ebennequin/FewShotVision 研究背景在目标检测领域，YOLO等算法需要大量的基类图片作为训练支持。若部分检测目标本身就难以获得注释或较为稀缺，现有模型将出现过拟合而无法泛化。此类问题被统称为小样本学习，目前仍缺乏有效的解决方法。2018年，Chelsea F...
- 常用降维方法-常用降维方法解读1. 引言 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。 y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。 目前大部分降维算法处理向量... 常用降维方法-常用降维方法解读1. 引言 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。 y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。 目前大部分降维算法处理向量...
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