cnn

人工智能-基础篇-10-什么是卷积神经网络CNN（网格状数据处理：输入层，卷积层，激活函数，池化层，全连接层，输出层等）卷积神经网络（Convolutional Neural Network, CNN）是一种专为处理网格状数据（如图像、视频、音频）设计的深度学习模型。它通过模拟生物视觉机制，从原始数据中自动提取多层次的特征，最终实现高效的分类、检测或生成任务。

云渚钓月梦未杳

深度学习04 卷积神经网络CNN卷积神经网络（Convolutional Neural Network, CNN）是人工神经网络（Artificial Neural Network, ANN）的一种特殊形式，两者在核心思想和基础结构上存在关联，但在设计目标、网络结构和应用场景上有显著差异。

AI扶我青云志

ANN、CNN、RNN 深度解析上次的博客讲解的是深度学习的大致内容，但对于三大神经网络层面并不是很详细，所以我写这个博客来对ANN、CNN、RNN进行更深、更全面的讲解。

野生的程序媛

第三章卷积神经网络卷积是卷积神经网络的核心操作，主要功能是在图像或特征上滑动卷积核（滤波器），提取新的特征。根据维度不同可分为：

大模型铲屎官

【深度学习-Day 31】CNN基石：彻底搞懂卷积层 (Convolutional Layer) 的工作原理01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南 02-玩转 LangChain Memory 模块：四种记忆类型详解及应用场景全覆盖 03-全面掌握 LangChain：从核心链条构建到动态任务分配的实战指南 04-玩转 LangChain：从文档加载到高效问答系统构建的全程实战 05-玩转 LangChain：深度评估问答系统的三种高效方法（示例生成、手动评估与LLM辅助评估） 06-从 0 到 1 掌握 LangChain Agents：自定义工具 + LLM 打造智能

什么是池化池化是深度学习中用于降低数据维度、提取核心特征的一种操作，主要应用于卷积神经网络（CNN）。其核心思想是通过对局部区域进行聚合统计（如取最大值、平均值），保留关键信息的同时减少计算量。

可爱美少女

Kaggle-Plant Seedlings Classification-(多分类+CNN+图形处理)Plant Seedlings Classification就是给出很多图片，预测出图片中的小草是什么类型的。

【深度学习】卷积神经网络（CNN）：计算机视觉的革命性引擎在深度学习兴起之前，计算机视觉主要依赖手工设计特征：这些方法存在明显局限：核心问题：特征设计高度依赖专家经验，难以适应复杂多变的真实场景。2010年ImageNet竞赛中，传统方法的Top-5错误率高达25%以上。

CSPNet: 一种增强CNN学习能力的新型骨干网络CSPNet: 一种增强CNN学习能力的新型骨干网络神经网络在目标检测等计算机视觉任务中取得了显著成果，但其成功高度依赖昂贵的计算资源，限制了在廉价设备上的应用。本文提出跨阶段部分网络（CSPNet），从网络架构角度解决先前工作推理计算量大的问题。该问题源于网络优化中的梯度信息重复。CSPNet通过整合网络阶段起始和结束的特征图，保留梯度的多样性，在ImageNet数据集上减少20%计算量的同时保持或提升精度，并在MS COCO目标检测任务中以(\text{AP}_{50})指标显著优于SOTA方法。CS

深度学习——基于卷积神经网络实现食物图像分类【3】（保存最优模型）本文将详细介绍如何使用PyTorch框架构建一个完整的食物图像分类系统，包含数据预处理、模型构建、训练优化以及模型保存等关键环节。与上一篇博客介绍的版本相比，本版本增加了模型保存与加载功能，并优化了测试评估流程。

基于CNN卷积神经网络识别汉字合集-视频介绍下自取内容包括：含ShuffleNet等多个模型的手写中文汉字识别摄像头版109含ShuffleNet等多个模型的手写中文汉字识别摄像头版_哔哩哔哩_bilibili

24毕业生从零开始学ai

探秘卷积神经网络（CNN）：从原理到实战的深度解析在图像识别、视频处理等领域，卷积神经网络（Convolutional Neural Network，简称 CNN）如同一位 “超级侦探”，能够精准捕捉图像中的关键信息，实现对目标的快速识别与分析。从医疗影像诊断到自动驾驶中的路况感知，CNN 凭借独特的架构设计和强大的特征提取能力，成为深度学习领域的中流砥柱。接下来，让我们深入探索 CNN 的奥秘。

weixin_45325365

CNN卷积神经网络实战（1）CNN卷积神经网络的由来：CNN卷积神经网络是基于MLP模型上解决图片像素很大的时候，训练参数很多时，如何减少训练参数的数量的问题上衍生的。对于上述问题的解决办法是提取出图像中的关键信息（或关键轮廓），提取后再建立MLP模型进行训练。

27 - ASPP模块论文《Rethinking Atrous Convolution for Semantic Image Segmentation》

基于CNN深度学习的小程序识别-视频介绍下自取内容包括：基于深度学习的花卉检测小程序含检测结果简介156基于深度学习的花卉检测小程序含检测结果简介_哔哩哔哩_bilibili。

FPGA多通道卷积加速器：从零构建手写识别的硬件引擎我最近在从事一项很有意思的项目，我想在PFGA上部署CNN并实现手写图片的识别。而本篇文章，是我迈出的第二步。具体代码已发布在github上

Pytorch 卷积神经网络参数说明一在前两个实战中，我们只学会了如何搭建神经网络，但是里面有些函数接口不明白怎么回事，在这篇文章中，我们会逐一解答。

Transformer、RNN (循环神经网络) 和 CNN (卷积神经网络)的区别我们来详细对比一下 Transformer、RNN (循环神经网络) 和 CNN (卷积神经网络) 这三种在深度学习中极其重要的架构，并通过具体例子说明它们的区别。

机器学习之心

Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型时序预测对比Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型单变量时间序列预测对比 (Matlab2023b)

【论文阅读31】-CNN-LSTM（2025）-电池健康预测本文提出了一个基于多模态充电数据和残差神经网络的 SOH 估算框架，利用真实 EV 车队大数据验证了方法的有效性，并实现开源发布，推动了电池健康管理从实验室走向实际应用。