- 本文全面探讨了卷积神经网络CNN,深入分析了背景和重要性、定义与层次介绍、训练与优化,详细分析了其卷积层、激活函数、池化层、归一化层,最后列出其训练与优化的多项关键技术:训练集准备与增强、损失函数、优化器、学习率调整、正则化技巧与模型评估调优。旨在为人工智能学者使用卷积神经网络CNN提供全面的指导。 本文全面探讨了卷积神经网络CNN,深入分析了背景和重要性、定义与层次介绍、训练与优化,详细分析了其卷积层、激活函数、池化层、归一化层,最后列出其训练与优化的多项关键技术:训练集准备与增强、损失函数、优化器、学习率调整、正则化技巧与模型评估调优。旨在为人工智能学者使用卷积神经网络CNN提供全面的指导。
- 解锁搜索新境界!让文本语义匹配助你轻松找到你需要的一切!(快速上手baseline) 解锁搜索新境界!让文本语义匹配助你轻松找到你需要的一切!(快速上手baseline)
- @[toc] 摘要MMSegmentation 是一个基于 PyTorch 的语义分割开源工具箱。它是 OpenMMLab 项目的一部分。main 分支代码目前支持 PyTorch 1.6 以上的版本。代码链接:https://gitee.com/open-mmlab/mmsegmentation 主要特性统一的基准平台。我们将各种各样的语义分割算法集成到了一个统一的工具箱,进行基准测试。模... @[toc] 摘要MMSegmentation 是一个基于 PyTorch 的语义分割开源工具箱。它是 OpenMMLab 项目的一部分。main 分支代码目前支持 PyTorch 1.6 以上的版本。代码链接:https://gitee.com/open-mmlab/mmsegmentation 主要特性统一的基准平台。我们将各种各样的语义分割算法集成到了一个统一的工具箱,进行基准测试。模...
- 🤵♂️ 个人主页: @AI_magician📡主页地址: 作者简介:CSDN内容合伙人,全栈领域优质创作者。👨💻景愿:旨在于能和更多的热爱计算机的伙伴一起成长!!🐱🏍🙋♂️声明:本人目前大学就读于大二,研究兴趣方向人工智能&硬件(虽然硬件还没开始玩,但一直很感兴趣!希望大佬带带)该文章收录专栏[✨— 《深入解析卷积神经网络:从原理到应用的全面指南》 —✨]@toc 一... 🤵♂️ 个人主页: @AI_magician📡主页地址: 作者简介:CSDN内容合伙人,全栈领域优质创作者。👨💻景愿:旨在于能和更多的热爱计算机的伙伴一起成长!!🐱🏍🙋♂️声明:本人目前大学就读于大二,研究兴趣方向人工智能&硬件(虽然硬件还没开始玩,但一直很感兴趣!希望大佬带带)该文章收录专栏[✨— 《深入解析卷积神经网络:从原理到应用的全面指南》 —✨]@toc 一...
- 近年来,基于Transformer的端到端目标检测器越来越受到学术界的关注和研究。然而DETR复杂的计算量导致它很难在实际应用中落地,因此本文提出了第一个满足实时性要求的DETR模型RT-DETR[1]。 近年来,基于Transformer的端到端目标检测器越来越受到学术界的关注和研究。然而DETR复杂的计算量导致它很难在实际应用中落地,因此本文提出了第一个满足实时性要求的DETR模型RT-DETR[1]。
- 目标检测和实例分割是两个重要的计算机视觉任务,然而这方面的无监督方法比较罕见,因为难以低成本的获取伪标注或有效的自监督手段。本文CutLER[1]提出了MaskCut方法来生成图片中多个目标的粗糙的掩膜,并设计一个鲁棒的损失函数让检测器从这些掩膜中有效的进行学习。相较于以前的工作,该方法简洁且适配不同的检测模型结构,在各个评测数据集上取得了优异的检测效果。 目标检测和实例分割是两个重要的计算机视觉任务,然而这方面的无监督方法比较罕见,因为难以低成本的获取伪标注或有效的自监督手段。本文CutLER[1]提出了MaskCut方法来生成图片中多个目标的粗糙的掩膜,并设计一个鲁棒的损失函数让检测器从这些掩膜中有效的进行学习。相较于以前的工作,该方法简洁且适配不同的检测模型结构,在各个评测数据集上取得了优异的检测效果。
- 图像自监督预训练算法是近年来的重要研究方向,MAE是其中基于ViT实现的代表性方法,学习到了鲁棒的视觉特征。然而基于CNN网络架构的类MAE方式难以实现,受限于网络本身的特性。本文介绍ICLR2023的方法Spark,实现了基于CNN的MAE。 图像自监督预训练算法是近年来的重要研究方向,MAE是其中基于ViT实现的代表性方法,学习到了鲁棒的视觉特征。然而基于CNN网络架构的类MAE方式难以实现,受限于网络本身的特性。本文介绍ICLR2023的方法Spark,实现了基于CNN的MAE。
- 前言最近的失业潮引起很多打工人的恐慌,特别是ChatGPT之类的生成式AI的推出,其智能程度和自主学习能力远程人们想象.加剧了大家的恐慌情绪,在裁员潮这个当口,纷纷引发各行各业的猜测--人工智能替代大部分岗位,而且有些行业甚至已经使用上了ChatGPT类的生成式AI进行替代人类的部分工作,比如前阵子传的沸沸扬扬的AI制图替代人工设计,而且相比人类设计师它还有出图快的优势.但是在于个性化的定制... 前言最近的失业潮引起很多打工人的恐慌,特别是ChatGPT之类的生成式AI的推出,其智能程度和自主学习能力远程人们想象.加剧了大家的恐慌情绪,在裁员潮这个当口,纷纷引发各行各业的猜测--人工智能替代大部分岗位,而且有些行业甚至已经使用上了ChatGPT类的生成式AI进行替代人类的部分工作,比如前阵子传的沸沸扬扬的AI制图替代人工设计,而且相比人类设计师它还有出图快的优势.但是在于个性化的定制...
- 🤵♂️ 个人主页: @AI_magician📡主页地址: 作者简介:全栈领域优质创作者。👨💻景愿:旨在于能和更多的热爱计算机的伙伴一起成长!!🐱🏍🙋♂️声明:本人目前大学就读于大二,研究兴趣方向人工智能&硬件(虽然硬件还没开始玩,但一直很感兴趣!希望大佬带带) 一、卷积卷积(Convolution)这个名词最初来源于数学领域,指的是两个函数之间的一种数学运算,也称为函... 🤵♂️ 个人主页: @AI_magician📡主页地址: 作者简介:全栈领域优质创作者。👨💻景愿:旨在于能和更多的热爱计算机的伙伴一起成长!!🐱🏍🙋♂️声明:本人目前大学就读于大二,研究兴趣方向人工智能&硬件(虽然硬件还没开始玩,但一直很感兴趣!希望大佬带带) 一、卷积卷积(Convolution)这个名词最初来源于数学领域,指的是两个函数之间的一种数学运算,也称为函...
- 大语言模型的预训练[6]:思维链(Chain-of-thought,CoT)定义原理详解以及在LLM上应用 大语言模型的预训练[6]:思维链(Chain-of-thought,CoT)定义原理详解以及在LLM上应用
- 星系动物园(galaxy zoo)是由牛津大学等研究机构组织并邀请公众协助的志愿者科学计划,目的是为超过100万个星系图像进行分类。这是天文学中一次规模浩大的公众星空普查活动,大众参与热情高涨,在近十万名志愿者的积极参与下,只用了175天就完成了第一阶段的星系动物园项目:对95万个星系进行了分类,而且平均每个星系被分类了38次。 根据星系动物园的研究结果,星系图像可以分为4大类:圆形星系、中间星系 星系动物园(galaxy zoo)是由牛津大学等研究机构组织并邀请公众协助的志愿者科学计划,目的是为超过100万个星系图像进行分类。这是天文学中一次规模浩大的公众星空普查活动,大众参与热情高涨,在近十万名志愿者的积极参与下,只用了175天就完成了第一阶段的星系动物园项目:对95万个星系进行了分类,而且平均每个星系被分类了38次。 根据星系动物园的研究结果,星系图像可以分为4大类:圆形星系、中间星系
- 大语言模型的预训练[5]:语境学习、上下文学习In-Context Learning:精调LLM、Prompt设计和打分函数(Scoring Function)设计以及ICL底层机制等原理详解 大语言模型的预训练[5]:语境学习、上下文学习In-Context Learning:精调LLM、Prompt设计和打分函数(Scoring Function)设计以及ICL底层机制等原理详解
- 大语言模型的预训练[4]:指示学习Instruction Learning详解以及和Prompt工程、ICL区别 大语言模型的预训练[4]:指示学习Instruction Learning详解以及和Prompt工程、ICL区别
- 深度学习应用篇-计算机视觉-图像分类[2]:LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍 深度学习应用篇-计算机视觉-图像分类[2]:LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍
- 人工智能创新挑战赛:海洋气象预测Baseline[4]完整版(TensorFlow、torch版本)含数据转化、模型构建、MLP、TCNN+RNN、LSTM模型训练以及预测 人工智能创新挑战赛:海洋气象预测Baseline[4]完整版(TensorFlow、torch版本)含数据转化、模型构建、MLP、TCNN+RNN、LSTM模型训练以及预测
上滑加载中
推荐直播
-
华为云IoT开源专家实践分享:开源让物联网平台更开放、易用
2024/05/14 周二 16:30-18:00
张俭 华为云IoT DTSE技术布道师
作为开发者的你是否也想加入开源社区?本期物联网平台资深“程序猿”,开源专家张俭,为你揭秘华为云IoT如何借助开源构建可靠、开放、易用的物联网平台,并手把手教你玩转开源社区!
去报名
热门标签