- 编码器 - 解码器框架是用于离线语义图像分割的最新技术。自从自治系统兴起以来，实时计算越来越受欢迎。在本文中，华为云MVP专家厉天一和大家分享高效语义分割模型Fast SCNN，所谓的Fast-SCNN，即是快速分割卷积神经网络，这是一种高分辨率图像数据（1024x2048px）的实时语义分割模型，适用于低内存嵌入式设备的高效计算。本分享围绕论文概览、模型的算法剖析和代码复现三部分展开。首先... 编码器 - 解码器框架是用于离线语义图像分割的最新技术。自从自治系统兴起以来，实时计算越来越受欢迎。在本文中，华为云MVP专家厉天一和大家分享高效语义分割模型Fast SCNN，所谓的Fast-SCNN，即是快速分割卷积神经网络，这是一种高分辨率图像数据（1024x2048px）的实时语义分割模型，适用于低内存嵌入式设备的高效计算。本分享围绕论文概览、模型的算法剖析和代码复现三部分展开。首先...
- Tensor，它可以是0维、一维以及多维的数组，你可以将它看作为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便。但它们也不相同，最大的区别就是Numpy会把ndarray放在CPU中进行加速运算，而由Torch产生的Tensor会放在GPU中进行加速运算。对于Tensor，从接口划分，我们大致可分为2类： Tensor，它可以是0维、一维以及多维的数组，你可以将它看作为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便。但它们也不相同，最大的区别就是Numpy会把ndarray放在CPU中进行加速运算，而由Torch产生的Tensor会放在GPU中进行加速运算。对于Tensor，从接口划分，我们大致可分为2类：
- 本文介绍了MindSpore 1.3的新特性——端侧训练（Java的编译和伪训练） 本文介绍了MindSpore 1.3的新特性——端侧训练（Java的编译和伪训练）
- 本文介绍了MindSpore 1.3的新特性——端侧训练。 本文介绍了MindSpore 1.3的新特性——端侧训练。
- Cascade R-CNN:Delving into High Quality Object DetectionCascade R-CNN:一种致力于高质量目标检测的方法作者： Zhaowei Cai Nuno Vasconcelosi单位： UC San Diego发表会议及时间： CVPR 2018 研究背景 单阶段算法一次特征提取，同时对分类和检测的loss进行计算，反向传播更新参数 ... Cascade R-CNN:Delving into High Quality Object DetectionCascade R-CNN:一种致力于高质量目标检测的方法作者： Zhaowei Cai Nuno Vasconcelosi单位： UC San Diego发表会议及时间： CVPR 2018 研究背景 单阶段算法一次特征提取，同时对分类和检测的loss进行计算，反向传播更新参数 ...
- 雨神的作业是一定要做的。 雨神的作业是一定要做的。
- 一张户型临摹图就可以自动生成3D户型展示，让客户即刻看到设计效果，提高了设计师工作效率，能够将更多时间投入精细化的设计当中，以更好的用户体验，促进商业成功！ 一张户型临摹图就可以自动生成3D户型展示，让客户即刻看到设计效果，提高了设计师工作效率，能够将更多时间投入精细化的设计当中，以更好的用户体验，促进商业成功！
- 本文介绍深度学习的框架指南，基本是免费和开源的。包括：Keras、PyTorch、TensorFlow、Theano、MXNet、Caffe2、CNTK、Chainer等。文章结构分为“目录版”和“简介版”。目录版1 Keras目前已经合并到TensorFlow2.x中，使用和之前一样便捷且高效。Keras - 一种高级神经网络 API，用 Python 编写，能够在 TensorFlow、... 本文介绍深度学习的框架指南，基本是免费和开源的。包括：Keras、PyTorch、TensorFlow、Theano、MXNet、Caffe2、CNTK、Chainer等。文章结构分为“目录版”和“简介版”。目录版1 Keras目前已经合并到TensorFlow2.x中，使用和之前一样便捷且高效。Keras - 一种高级神经网络 API，用 Python 编写，能够在 TensorFlow、...
- 这里介绍在ModelArts平台如何使用深度学习框架MXNet训练Caltech数据集，并把得到的模型发布成一个可用的推理服务。首先，参考[准备工作]完成前期准备，然后，参考如下基本流程使用MXNet完成Caltech图像识别应用。[准备数据]：获取Caltech101数据集，并上传至OBS。[训练模型]：使用MXNet原生接口编写模型训练脚本，新建训练作业进行模型训练。[部署模型]：得到训... 这里介绍在ModelArts平台如何使用深度学习框架MXNet训练Caltech数据集，并把得到的模型发布成一个可用的推理服务。首先，参考[准备工作]完成前期准备，然后，参考如下基本流程使用MXNet完成Caltech图像识别应用。[准备数据]：获取Caltech101数据集，并上传至OBS。[训练模型]：使用MXNet原生接口编写模型训练脚本，新建训练作业进行模型训练。[部署模型]：得到训...
- 卷积操作是卷积神经网络提取特征的主要手段之一，当前各种卷积操作层出不穷，根据场景各有优势。本文将对常见的几种卷积操作的特性进行简要对比。 卷积操作是卷积神经网络提取特征的主要手段之一，当前各种卷积操作层出不穷，根据场景各有优势。本文将对常见的几种卷积操作的特性进行简要对比。
- 深入理解RNN结构近年来,自然语言处理成为了人工智能界的一个热门话题, LSTM, Attention, Transformer 等模型结构大火,更基于这些理论衍生出了各种强大的预训练模型,如BERT,GPT3等.这些算法的共有的核心思想之一便是RNN (Recurrent Neural Network),本文将尽可能详细的介绍RNN的逻辑和实现原理(会包含核心公式,不会介绍具体训练过程的... 深入理解RNN结构近年来,自然语言处理成为了人工智能界的一个热门话题, LSTM, Attention, Transformer 等模型结构大火,更基于这些理论衍生出了各种强大的预训练模型,如BERT,GPT3等.这些算法的共有的核心思想之一便是RNN (Recurrent Neural Network),本文将尽可能详细的介绍RNN的逻辑和实现原理(会包含核心公式,不会介绍具体训练过程的...
- 介绍稀疏矢量、数字矢量、嵌套（也可以叫嵌入）。 介绍稀疏矢量、数字矢量、嵌套（也可以叫嵌入）。
- 最近，了解计算机视觉的都知道YOLO 很火，从2016年的v1版本开始到现在的v5，YOLO 是一种实时目标检测算法，算法模型不需要训练，直接用就可以了。YOLO 是英文You Only Look Once的缩写。 最近，了解计算机视觉的都知道YOLO 很火，从2016年的v1版本开始到现在的v5，YOLO 是一种实时目标检测算法，算法模型不需要训练，直接用就可以了。YOLO 是英文You Only Look Once的缩写。
- 分类模型 混淆矩阵sklearn实现：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None)返回值：一个格式化的字符串，给出了分类结果的混淆矩阵。参数：参考classification_report 。混淆矩阵的内容如下，其中Cij表示真实标记为i但是预测为j的样本的数量。Confusion Matrix:[[5 0][3... 分类模型 混淆矩阵sklearn实现：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None)返回值：一个格式化的字符串，给出了分类结果的混淆矩阵。参数：参考classification_report 。混淆矩阵的内容如下，其中Cij表示真实标记为i但是预测为j的样本的数量。Confusion Matrix:[[5 0][3...
- 语义分割为将原始图像分割为多个具有一定语义的区域块。本文详细介绍了高效语义分割模型Fast-SCNN的Learning to Down-sample、Global Feature Extractor等相关内容及技术，并对Fast-SCNN实验复现。 语义分割为将原始图像分割为多个具有一定语义的区域块。本文详细介绍了高效语义分割模型Fast-SCNN的Learning to Down-sample、Global Feature Extractor等相关内容及技术，并对Fast-SCNN实验复现。
上滑加载中
推荐直播
-
智能观测进化论系列沙龙（第一期）2025/02/28 周五 14:00-16:30
华为及外部讲师团
本期直播就智能化可观测技术的融合与创新、落地与实践、瓶颈与未来等业界关心的话题进行深入探讨。
回顾中 -
聚焦Deepseek，洞察开发者生态发展2025/02/28 周五 19:00-20:30
蒋涛 csdn创始人
深入剖析Deepseek爆发后，中国开发者生态潜藏的巨大发展潜能与未来走向，精准提炼出可供大家把握的时代机遇，干货满满，不容错过。
回顾中
热门标签