- 该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。本篇文章将分享图像分类原理，并介绍基于KNN、朴素贝叶斯算法的图像分类案例。基础性文章，希望对你有所帮助~ 该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。本篇文章将分享图像分类原理，并介绍基于KNN、朴素贝叶斯算法的图像分类案例。基础性文章，希望对你有所帮助~
- AI论文精读会第四期 目标检测之Dynamic RCNN：一种有效提升RCNN系列网络表现的动态训练方法 AI论文精读会第四期 目标检测之Dynamic RCNN：一种有效提升RCNN系列网络表现的动态训练方法
- 本期精彩看点：一文科普图神经网络，做最稳GNN饭人；带你体验鸿蒙轻内核中一对多、多对多任务同步；JVM面试必问的G1垃圾回收器，读懂其工作流程；做产品功能规划，影响地图来帮你… 本期精彩看点：一文科普图神经网络，做最稳GNN饭人；带你体验鸿蒙轻内核中一对多、多对多任务同步；JVM面试必问的G1垃圾回收器，读懂其工作流程；做产品功能规划，影响地图来帮你…
- 一、概念介绍 Deeplab网络是一个专门用来处理语义分割的模型，该系列一共有三篇文章，分别对应Deeplabv1[1], Deeplabv2[2]和Deeplabv3[3]。因为之前的语义分割网络存在池化导致丢失了信息，并且没有利用标签之间的概率关系，所以Deeplab系列使用空洞卷积来避免池化带来的信息损失。二、网络结构 Deeplabv3为解决多尺度物体问题给出四种方案：(... 一、概念介绍 Deeplab网络是一个专门用来处理语义分割的模型，该系列一共有三篇文章，分别对应Deeplabv1[1], Deeplabv2[2]和Deeplabv3[3]。因为之前的语义分割网络存在池化导致丢失了信息，并且没有利用标签之间的概率关系，所以Deeplab系列使用空洞卷积来避免池化带来的信息损失。二、网络结构 Deeplabv3为解决多尺度物体问题给出四种方案：(...
- 不知道是什么花花？物体识别。不知道是什么型号的汽车？物体识别。啪！识别错误！ 不知道是什么花花？物体识别。不知道是什么型号的汽车？物体识别。啪！识别错误！
- 本文介绍了将LeNet的TensorFlow例程迁移到Ascend环境的方法 本文介绍了将LeNet的TensorFlow例程迁移到Ascend环境的方法
- 2021快过半了，transformer在视觉方向的文章层数不穷。 搞得好像如果你还没搞transformer，就不是一个算法团队似的。transformer就好比是电动车，现在缺陷还比较明显，你现在不想开它，但是你知道他未来一定会来的，而且是巅峰性的，内卷促使它改进的速度比想象的还要快。所以呢，在福报的空隙，你就得花时间研究他。博客准备分四篇完成：- 首先介绍下transformer的基... 2021快过半了，transformer在视觉方向的文章层数不穷。 搞得好像如果你还没搞transformer，就不是一个算法团队似的。transformer就好比是电动车，现在缺陷还比较明显，你现在不想开它，但是你知道他未来一定会来的，而且是巅峰性的，内卷促使它改进的速度比想象的还要快。所以呢，在福报的空隙，你就得花时间研究他。博客准备分四篇完成：- 首先介绍下transformer的基...
- 本节主要对于神经网络的参数生成和训练进行讲解，涉及到了前向传播和后向传播的概念与知识！ 本节主要对于神经网络的参数生成和训练进行讲解，涉及到了前向传播和后向传播的概念与知识！
- 老谭生成器使用说明书 老谭生成器使用说明书
- 作者认为以前的NAS在sample layer的op的时候，都是独立的，没有考虑之前layer的采样情况，搜索阶段的进化算法只允许变异和交叉操作，没有考虑层间的关系，导致了次优结果。所以用Monte Carlo Tress(MCT)方法捕捉层间依赖，存储过往op采样和性能信息。 作者认为以前的NAS在sample layer的op的时候，都是独立的，没有考虑之前layer的采样情况，搜索阶段的进化算法只允许变异和交叉操作，没有考虑层间的关系，导致了次优结果。所以用Monte Carlo Tress(MCT)方法捕捉层间依赖，存储过往op采样和性能信息。
- 英伟达提出multi-scale attention机制，并将 HRNet+OCR+multi-scale attention组合在一起训练的语义分割模型在Cityscapes数据集上的mIoU达到84.7，成为Cityscapes上新的SOTA，下面对组合中涉及的HRNet、OCR模块、multi-scale attention机制以及SegFix模型进行简要介绍。 英伟达提出multi-scale attention机制，并将 HRNet+OCR+multi-scale attention组合在一起训练的语义分割模型在Cityscapes数据集上的mIoU达到84.7，成为Cityscapes上新的SOTA，下面对组合中涉及的HRNet、OCR模块、multi-scale attention机制以及SegFix模型进行简要介绍。
- 地标识别，基于深度学习及大规模图像训练，支持上千种物体识别及场景识别，广泛应用于拍照识图、幼教科普、图片分类等场景。本文将为大家带来6种关于地标识的算法整理和总结。 地标识别，基于深度学习及大规模图像训练，支持上千种物体识别及场景识别，广泛应用于拍照识图、幼教科普、图片分类等场景。本文将为大家带来6种关于地标识的算法整理和总结。
- 介绍使图像分割的方法，包括传统方法和深度学习方法，以及应用场景。 介绍使图像分割的方法，包括传统方法和深度学习方法，以及应用场景。
- 信源编码是一个数据压缩的过程，其目的是尽可能地将信源中的冗余度去掉；而信道编码则是一个增加冗余的过程，通过适当加入冗余度来达到抵抗信道噪声，保护传输数据的目的。 信源编码是一个数据压缩的过程，其目的是尽可能地将信源中的冗余度去掉；而信道编码则是一个增加冗余的过程，通过适当加入冗余度来达到抵抗信道噪声，保护传输数据的目的。
- 时序预测模型无外乎RNN(LSTM, GRU)以及现在非常火的Transformer。这些时序神经网络模型的主要应用都集中在自然语言处理上面（transformer就是为了NLP设计的）。在近些年来，RNN和Transformer逐渐被应用于时序预测上面，并取得了很好的效果。2021年发表的Informer网络获得了AAAI best paper。本文主要分析自然语言处理和时序预测的相似性，并介绍 时序预测模型无外乎RNN(LSTM, GRU)以及现在非常火的Transformer。这些时序神经网络模型的主要应用都集中在自然语言处理上面（transformer就是为了NLP设计的）。在近些年来，RNN和Transformer逐渐被应用于时序预测上面，并取得了很好的效果。2021年发表的Informer网络获得了AAAI best paper。本文主要分析自然语言处理和时序预测的相似性，并介绍
上滑加载中
推荐直播
-
SaaS云原生应用典型架构2022/07/07 周四 19:00-20:00
程泽 华为云SaaS专家
SaaS作为一种有效的软件交付形式，让企业IT团队可以将工作的重心从部署和业务系统定制转移到管理业务系统所提供的服务上来；但多租户开发、技术选型等问题会给SaaS应用开发带来挑战。本期直播将助力您破解这些难题，轻松构建云原生SaaS化应用。
去报名 -
鸿蒙设备如何从0到1联网上云2022/07/11 周一 19:30-20:30
Vz 华为云IoT高级工程师
本课程使开发者具备鸿蒙设备开发基础技能，掌握编译环境搭建、内核开发、驱动子系统开发、网络应用开发等知识点。
即将直播
热门标签