cnn

Best_Me071 小时前
人工智能·神经网络·cnn
卷积神经网络-填充+步长n×n的图像 * f×f的图像 = （n-f+1）×（n-f+1） f通常为奇数(会有中心点+ 好填充) 缺点： 1.多次卷积图像会变小 2.边缘的像素点 在f×f的卷积中覆盖的比较少，而中间的像素点会被多次覆盖到-》会丢失图像的边缘位置的信息
A等天晴13 小时前
人工智能·cnn·计算机外设
使用CNN模型训练图片识别（键盘，椅子，眼镜，水杯，鼠标）首先是环境： 我是在Anaconda3中的Jupyter Notebook (tensorflow)中进行训练，环境各位自行安装 数据集： 本次数据集五个类型（键盘，椅子，眼镜，水杯，鼠标）我收集了每个接近两千张的图片共11091张 这个可以不用这么多因为cnn模型训练也用不上这么多的图片，可以自行减少，这个是我这边的要求，所以我索性就直接训练了。
weixin_7503355214 小时前
人工智能·深度学习·cnn
李沐 X 动手学深度学习--第六章 卷积神经网络数据小知识：适用于计算机视觉的神经网络架构的创建原则：ps:W和V只是表达形式不同，让索引下标：k=i+a, l=j+b，则[V]i,j,a,b = [W]i,j,i+a,j+b
赵钰老师15 小时前
pytorch·python·深度学习·目标检测·机器学习·cnn·transformer
遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时代已然来临。随着小卫星星座的普及，对地观测已具备3次以上的全球覆盖能力，遥感影像也不断被更深入的应用于矿产勘探、精准农业、城市规划、林业测量、军事目标识别和灾害评估中。最近借助深度学习方法，遥感影像自动地物识别取得了令人印象深刻的结果。深度卷积网络采用“端对端”的特征学习，通过
xw55566620 小时前
人工智能·神经网络·cnn
Grad-CAM-解释CNN决策过程的可视化技术Grad-CAM（Gradient-weighted Class Activation Mapping）是一种用于解释卷积神经网络（CNN）决策过程的可视化技术。其核心思想是通过计算分类分数相对于网络确定的卷积特征的梯度，来识别图像中哪些部分对分类结果最为重要。这种方法不需要修改网络架构，因此可以广泛应用于各种CNN模型中。
孤单网愈云1 天前
人工智能·深度学习·cnn
12.12深度学习_CNN_项目实战关于项目实现的文档说明书，三个要素：数据、模型、训练关于项目的基本介绍。本项目实现的是对猫科动物的划分，划分的物种有猫、狗、野生三种分类，属于小颗粒度分类
牧歌悠悠1 天前
人工智能·深度学习·cnn·深度优先
【深度学习】 零基础介绍卷积神经网络(CNN)卷积神经网络（CNN，Convolutional Neural Network）是深度学习中的一种神经网络，特别擅长处理图像和视频等有空间结构的数据。
凳子花❀1 天前
人工智能·神经网络·cnn·transformer
CNN和Transfomer介绍CNN（卷积神经网络）TransformerTransformer是一种基于自注意力机制（Self - Attention Mechanism）的深度学习架构。它主要由多头注意力层（Multi - Head Attention）、前馈神经网络层（Feed - Forward Neural Network）和一些归一化层（Normalization Layers）等组成。
凳子花❀1 天前
rnn·yolo·cnn·lstm·transformer
CNN、RNN、LSTM和Transformer之间的区别和联系CNN和Transformer之间的区别和联系，以及自注意力机制和Transformer结构的详细介绍请查看：CNN和Transfomer介绍。
weixin_750335522 天前
人工智能·深度学习·cnn
李沐 X 动手学深度学习--第七章 现代卷积神经网络导入：本章介绍的神经网络是将人类直觉和相关数学见解结合后，经过大量研究试错后的结晶。本章按时间顺序介绍这些模型，在追寻历史的脉络的同时，帮助培养对该领域发展的直觉（炼丹的直觉），这有助于研究开发自己的架构。
ctrey_3 天前
人工智能·学习·cnn
2024-12-14 学习人工智能的Day35 卷积神经网络.阶段项目关于项目实现的文档说明书，三个要素：数据、模型、训练基于CNN实现扑克牌花色的小颗粒度分类该项目旨在通过卷积神经网络（CNN）实现扑克的小颗粒度分类，主要针对扑克的不同花色进行细粒度的视觉识别与分类。花色种类繁多，且差异较小，因此传统的图像分类方法难以满足精确识别的需求。通过引入深度学习中的CNN模型，本项目将构建一个专门用于扑克花色的小颗粒度分类的网络架构，充分利用卷积层的局部特征提取能力以及深层网络的高阶特征融合能力。项目将包括数据预处理、特征提取、模型训练与评估等步骤，使用扑克图像数据集进行模型训练
听风吹等浪起3 天前
深度学习·神经网络·分类·cnn·生活
第三章：基于DenseNet(121,161,169,201)卷积神经网络实现的自适应多类别分类：10种常见生活垃圾分类目录1. DenseNet 介绍2. DenseNet 实现的垃圾图像分类2.1 垃圾10分类数据集2.2 训练
【建模先锋】4 天前
人工智能·算法·cnn·风速预测·时间序列预测模型
优化算法更新 | 基于WOA-CNN-BiLSTM的多步预测模型时序预测：LSTM、ARIMA、Holt-Winters、SARIMA模型的分析与比较全是干货 | 数据集、学习资料、建模资源分享！
lanboAI4 天前
pytorch·python·cnn
基于卷积神经网络的柠檬品质分级系统，resnet50，mobilenet模型【pytorch框架+python源码】更多目标检测、图像分类识别、目标检测与追踪等项目可看我主页其他文章功能演示：基于卷积神经网络的柠檬品质分级系统，resnet50，mobilenet【pytorch框架，python，tkinter】_哔哩哔哩_bilibili
机器学习之心6 天前
matlab·回归·cnn
回归预测 | MATLAB实现CNN-BiGRU-Attention卷积神经网络结合双向门控循环单元融合注意力机制多输入单输出回归预测CNN-BiGRU-Attention，即卷积神经网络（CNN）结合双向门控循环单元（BiGRU）并融合注意力机制（Attention）的多输入单输出回归预测模型，是一种强大的深度学习架构，特别适用于处理序列数据。以下是对该模型的详细解析：
道友老李6 天前
人工智能·深度学习·神经网络·机器学习·cnn
【深度学习进阶】CNN-VGGVGG网络是由牛津大学计算机视觉组（Visual Geometry Group, VGG）的研究人员设计的一系列深度卷积神经网络。这些网络在2014年的ImageNet大规模视觉识别挑战赛（ILSVRC-2014）中表现出色，虽然不是当年的冠军，但其简洁而有效的结构引起了学术界和工业界的广泛关注。
my1_1my7 天前
人工智能·神经网络·cnn
利用卷积神经网络进行手写数字的识别MNIST（Modified National Institute of Standards and Technology）数据集是一个广泛使用的手写数字识别数据集，常用于机器学习和计算机视觉领域中的分类任务。它包含了从0到9的手写数字样本，常用于训练和测试各种图像分类算法。
拓端研究室TRL7 天前
开发语言·人工智能·matlab·分类·cnn
MATLAB图卷积神经网络GCN处理分子数据集节点分类研究全文链接：https://tecdat.cn/?p=38570本文主要探讨了如何利用图卷积网络（GCN）对图中的节点进行分类。介绍了相关的数据处理、模型构建、训练及测试等环节，通过对分子数据集的操作实践，展示了完整的节点分类流程，并对模型的效果进行了多方面评估，旨在为相关领域的研究与应用提供参考（点击文末“阅读原文”获取完整代码数据）。
机器学习之心7 天前
算法·支持向量机·cnn·多特征分类预测·卷积神经网络结合支持向量机·info-cnn-svm
一区向量加权算法优化INFO-CNN-SVM卷积神经网络结合支持向量机多特征分类预测1.Matlab实现INFO-CNN-SVM向量加权算法优化卷积神经网络结合支持向量机多特征分类预测（完整源码和数据)
【建模先锋】7 天前
cnn·lstm·transformer·风速预测·时间序列预测模型
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合时序预测：LSTM、ARIMA、Holt-Winters、SARIMA模型的分析与比较全是干货 | 数据集、学习资料、建模资源分享！