- 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
- 本文我们将主要介绍各种典型的图神经网络的网络架构和训练方法。 本文我们将主要介绍各种典型的图神经网络的网络架构和训练方法。
- 01什么是图神经网络图神经网络（Graph Neu做ral Networks, GNNs）是一种基于图结构的深度学习方法，从其定义中可以看出图神经网络主要由两部分组成，即“图”和“神经网络”。这里的“图”是图论中的图数据结构，“神经网络”是我们熟悉的深度学习NN结构，如MLP，CNN，RNN等。要了解图神经网络我们需要先回顾一下“图”和“神经网络”的基本概念。1.1图的定义Definitio... 01什么是图神经网络图神经网络（Graph Neu做ral Networks, GNNs）是一种基于图结构的深度学习方法，从其定义中可以看出图神经网络主要由两部分组成，即“图”和“神经网络”。这里的“图”是图论中的图数据结构，“神经网络”是我们熟悉的深度学习NN结构，如MLP，CNN，RNN等。要了解图神经网络我们需要先回顾一下“图”和“神经网络”的基本概念。1.1图的定义Definitio...
- 随着数据量的指数级增加和规则型数据类型的限制，深度学习的业务场景拓展变得更加困难。图神经网络能够做出更精准的预测，为每一位用户提供不同的个性化服务，实现精准化营销，这也是如今互联网企业进行二次转型的技术突破口。 随着数据量的指数级增加和规则型数据类型的限制，深度学习的业务场景拓展变得更加困难。图神经网络能够做出更精准的预测，为每一位用户提供不同的个性化服务，实现精准化营销，这也是如今互联网企业进行二次转型的技术突破口。
- 摘要 LSTM是一种时间递归神经网络，它出现的原因是为了解决RNN的一个致命的缺陷。RNN在处理长期依赖（时间序列上距... 摘要 LSTM是一种时间递归神经网络，它出现的原因是为了解决RNN的一个致命的缺陷。RNN在处理长期依赖（时间序列上距...
- 目录 原理 计算公式 Keras中的Conv2DTranspose详解 实例 pytorch中的ConvTranspose2d参数详解 实例 缺点 原理 解释什么是逆卷积，先得明白什么是卷积。 先说卷积：对于一个图片A，设定它的高度和宽度分别为Height，Width，通道数为Channe... 目录 原理 计算公式 Keras中的Conv2DTranspose详解 实例 pytorch中的ConvTranspose2d参数详解 实例 缺点 原理 解释什么是逆卷积，先得明白什么是卷积。 先说卷积：对于一个图片A，设定它的高度和宽度分别为Height，Width，通道数为Channe...
- 理解神经网络的基本组成部分，如张量、张量运算和梯度递减等，对构造复杂的神经网络至关重要。本章将构建首个神经网络的Hello world程序，并涵盖以下主题：安装PyTorch；实现第一个神经网络；划分神经网络的功能模块；介绍张量、变量、Autograd、梯度和优化器等基本构造模块；使用PyTorch加载数据。2.1 安装PyTorchPyTorch可以作为Python包使用，用户可以使用pi... 理解神经网络的基本组成部分，如张量、张量运算和梯度递减等，对构造复杂的神经网络至关重要。本章将构建首个神经网络的Hello world程序，并涵盖以下主题：安装PyTorch；实现第一个神经网络；划分神经网络的功能模块；介绍张量、变量、Autograd、梯度和优化器等基本构造模块；使用PyTorch加载数据。2.1 安装PyTorchPyTorch可以作为Python包使用，用户可以使用pi...
- 神经网络是人工智能领域的明星，其训练过程至关重要。粒子群优化算法（PSO）结合C语言的高效特性，为神经网络训练提供了新的优化途径。本文介绍如何用C语言实现PSO算法，通过合理初始化粒子群、迭代优化粒子位置和速度，以及动态调整惯性权重等参数，提高神经网络的性能。尽管实现过程中存在挑战，但这种方法有望显著提升神经网络的准确性和泛化能力。 神经网络是人工智能领域的明星，其训练过程至关重要。粒子群优化算法（PSO）结合C语言的高效特性，为神经网络训练提供了新的优化途径。本文介绍如何用C语言实现PSO算法，通过合理初始化粒子群、迭代优化粒子位置和速度，以及动态调整惯性权重等参数，提高神经网络的性能。尽管实现过程中存在挑战，但这种方法有望显著提升神经网络的准确性和泛化能力。
- 在神经网络中，激活函数如同神经元的“激发阈值”与“转换开关”，引入非线性因素，使网络能够处理复杂问题。C 语言实现时需注意数值稳定性、计算效率和代码可维护性，通过优化技术提高性能，确保神经网络在图像识别、自然语言处理等领域发挥强大作用。 在神经网络中，激活函数如同神经元的“激发阈值”与“转换开关”，引入非线性因素，使网络能够处理复杂问题。C 语言实现时需注意数值稳定性、计算效率和代码可维护性，通过优化技术提高性能，确保神经网络在图像识别、自然语言处理等领域发挥强大作用。
- 丹摩|重返丹摩（下） 丹摩|重返丹摩（下）
- 分层强化学习从月初更新到了月中，也准备告一段落了，后续深入研究强化学习，分层的理念多多少少都会涉及。面对复杂场景下的智能体决策问题，如何将复杂问题简单化总是不可避免的。如果后续还有值得分享算法，也会再开单文介绍。 分层强化学习从月初更新到了月中，也准备告一段落了，后续深入研究强化学习，分层的理念多多少少都会涉及。面对复杂场景下的智能体决策问题，如何将复杂问题简单化总是不可避免的。如果后续还有值得分享算法，也会再开单文介绍。
上滑加载中
推荐直播
-
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
回顾中 -
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