cnn

xrgs_shz22 分钟前
算法·matlab·cnn
基于轻量化浅层卷积神经网络的手写数字识别手写数字识别可替代人工录入，提升效率、减少人为误差；广泛应用于政务归档、智能阅卷、金融票据、物流分拣及人工智能教学领域。
β添砖java14 小时前
人工智能·深度学习·cnn
深度学习(20)深度卷积神经网络AlexNet
江南十四行2 天前
pytorch·cnn·batch
CNN进阶：Batch Normalization与Layer Normalization对比 + 网络结构设计与PyTorch实现在深度学习的实际应用中，随着网络层数的增加，训练难度也随之上升。为了加速训练、提高稳定性、防止过拟合，研究者提出了多种归一化方法和正则化技术。本文将以CNN为例，深入探讨Batch Normalization (BN) 和 Layer Normalization (LN) 的原理与差异，并结合一个具体的CNN网络结构，展示如何在PyTorch中实现BN、Dropout等模块。
2zcode2 天前
人工智能·算法·cnn·低光照增强·自动驾驶技术
基于低光照增强与轻量型CNN道路实时识别算法研究(UI界面+数据集+训练代码)摘要：随着自动驾驶技术的快速发展，道路场景理解成为智能驾驶系统的核心技术之一。然而，在夜间或低光照条件下，传统道路识别算法面临图像质量下降、特征提取困难等挑战，同时实时性要求限制了复杂深度模型的应用。针对这些问题，本文提出了一种基于低光照增强与轻量型CNN的道路实时识别算法。
ting94520005 天前
人工智能·分类·cnn
动手学深度学习（PyTorch版）深度详解（6）：现代卷积神经网络-从经典模型到图像分类实战卷积神经网络（CNN）的崛起彻底革新了计算机视觉领域。从 2012 年 AlexNet 打破传统机器学习壁垒，到 VGG、GoogLeNet、ResNet 等模型不断突破性能极限，现代 CNN 不仅推动了学术研究的跨越式发展，更在工业界落地了图像分类、目标检测、语义分割等海量应用。
AI技术增长5 天前
pytorch·深度学习·机器学习·cnn·transformer
Pytorch图像去噪实战（十一）：Diffusion扩散模型去噪入门，从噪声预测理解生成式图像恢复前面我们已经做了 DnCNN、UNet、ResUNet、Attention UNet、FFDNet、CBDNet、Noise2Noise、Noise2Void、SwinIR、Restormer。
nonono5 天前
深度学习·分类·cnn
深度学习基础——（3）视觉处理基础实战【CNN实现CIFAR10 多分类】CIFAR-10：包含 10 类小图片：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车。通过一个用卷积网络实现分类的实例，来说明如何处理数据，借助 nn工具箱来实现神经网络，并实现训练测试等完整过程。
Jmayday6 天前
人工智能·pytorch·cnn
Pytorch:CNN理论基础目录一、图象基础知识1、图像的构成2、图像的分类3、拓展知识4、图像的加载方法二、卷积神经网络概述1、什么是卷积神经网络?
yigan_Eins6 天前
人工智能·深度学习·cnn·transformer
Transformer|残差连接的技术演进：从CNN到ResNet在CNN出现之前，图像处理是传统机器学习的一大难题，当时的主流方法是多层感知机MLP，由于使用全连接网络进行训练，若有一张像素点为 100 × 100 100 \times 100 100×100，通道数为 3 3 3 的简单RGB图像，假设神经网络的第一层神经元仅1000个，那么将图像拉平后输入第一个全连接层参数量就有 3 × 10 7 3 \times 10^7 3×107之多，而且现在大多数图像的像素点和神经元的数量都要远远超过假设数值，因此使用MLP进行图像处理是非常困难的。  💥1989年CN
AI技术增长6 天前
pytorch·cnn·transformer
Pytorch图像去噪实战（九）：SwinIR图像去噪实战，用Transformer解决CNN纹理恢复不足问题前面我们已经实现了 DnCNN、UNet、ResUNet、Attention UNet、FFDNet、CBDNet 以及自监督去噪方法。
毕胜客源码6 天前
人工智能·python·深度学习·cnn·django
卷积神经网络的手势识别系统（有技术文档）深度学习 图像识别 卷积神经网络 Django python 人工智能深度学习框架：Pytorch编程语言：Python数据库：SQLite界面：后端Python Django，前端 Vue3
Jmayday6 天前
人工智能·pytorch·cnn
Pytorch:CNN进行图象分类案例目录一、用CNN进行案例分析步骤二、需求分析三、CNN模型搭建四、模型优化1、加载数据集2、搭建卷积神经网络
AI技术增长6 天前
pytorch·深度学习·机器学习·cnn·transformer
Pytorch图像去噪实战（十）：Restormer图像去噪实战，用高效Transformer解决高分辨率去噪问题上一篇我们实现了一个简化版 SwinIR，用 Transformer 思路提升复杂纹理恢复能力。 但很快就会遇到一个真实工程问题：
yongui478346 天前
人工智能·matlab·cnn
基于卷积神经网络（CNN）的盲源分离MATLAB实现采用编码器-解码器结构的CNN模型，结合时域卷积和特征融合模块，实现单通道混合信号的盲分离。关键步骤包括：
这张生成的图像能检测吗6 天前
人工智能·深度学习·cnn·transformer·故障诊断·预测模型·时序模型
（论文速读）IMSE-IGA-CNN-Transformer论文题目：基于IMSE-CNN-Transformer和免疫遗传算法优化的轴承故障诊断方法（Bearing fault diagnosis method based on IMSE-CNN-Transformer and immune genetic algorithm optimization）
大连好光景6 天前
rnn·cnn·transformer
《从函数到大模型速通》所有一切的前提是，你要相信这个世界上的所有逻辑和知识，都可以用一个函数来表示。Functions describe the world !
jllllyuz7 天前
matlab·分类·cnn
CNN卷积神经网络MATLAB实现：高速精确的图像分类MATLAB的Deep Learning Toolbox提供了强大的CNN实现，结合MATLAB的优化计算引擎，能够实现高速、高精度的图像分类。
数智工坊7 天前
论文阅读·人工智能·深度学习·机器学习·数据挖掘·回归·cnn
【SIoU Loss论文阅读】：引入角度感知的框回归损失，让检测收敛更快更准在目标检测里，框回归损失直接决定收敛快慢与定位精度。 从 IoU → GIoU → DIoU → CIoU，大家一直在优化：
bst@微胖子7 天前
pytorch·深度学习·cnn
PyTorch深度学习框架之基于CNN的手机价格分类任务手机价格分类就是：根据手机的各项属性（比如品牌、CPU、内存、电池、屏幕尺寸…），预测它属于哪个价格档位（比如：低/中/高 三档，或者 0-1000/1000-3000/3000+ 等）
隔壁大炮7 天前
人工智能·深度学习·算法·计算机视觉·cnn
Day07-词嵌入层解释词嵌入层的作用就是将文本转换为向量。词嵌入层在 RNN 中的作用有输入表示、降低维度和捕捉语义相似性。