cnn

YOLO_DATA1 天前
人工智能·深度学习·yolo·机器学习·cnn
无人机高速公路道路缺陷数据集 道路损伤数据集 公路裂缝识别 AI大疆数据集 10798期道路损伤检测数据集，面向道路路面状态的多类目标识别，适用于道路安全巡检、路面质量监测、市政养护等相关视觉任务，可直接用于目标检测模型训练。
Ivanqhz2 天前
python·深度学习·神经网络·cnn·mlir
BM1688 双核架构BM1688 把两个独立的计算核封装在一颗芯片里，每个核有自己的指令队列、局部存储和 L2BM1684X 是单核组、64 Lane：
智码看视界2 天前
计算机视觉·cnn·resnet·卷积神经网络·图像分类
第三篇：卷积神经网络架构演进——从 LeNet 到 ResNet上期简要回顾： 上篇我们用数值梯度校验和 10 层衰减实测，确认反向传播是训练深层网络的根本，也看到 Sigmoid 在深处会让梯度几乎归零。
蝙蝠侠的小蝙蝠3 天前
目标检测·cnn·yolov3·yolov4
【目标检测】YOLOV3 & YOLOV4 网络基本结构YOLO 系列目标检测器标准的三段式架构（Backbone-Neck-Head）。Backbone（骨干）：解决“看懂图像”的问题，将原始像素转化为不同层次的特征图。
Thomas.Sir3 天前
网络·pytorch·cnn
第13课：PyTorch｜经典CNN网络模型从零复现【从LeNet到VGG的逐行实现】LeNet、AlexNet和VGG——这三个名字在深度学习领域如雷贯耳。它们不仅仅是几篇经典论文，更是整个计算机视觉发展的关键节点：
zx_741484816 天前
pytorch·深度学习·cnn·迁移学习
【深度学习入门】PyTorch 食物图像分类三连：CNN 训练、学习率调度与 ResNet18 迁移学习学深度学习最容易"看得懂原理、写不出代码"。本文带大家完成一个完整的 20 类食物图像分类项目，正好覆盖深度学习入门最关键的三个环节：
陈年老古董9 天前
pytorch·深度学习·学习·机器学习·分类·cnn
PyTorch食物图像分类实战：从数据集制作到CNN模型训练全流程详解很多刚入门深度学习的同学都会困惑：自己本地的图片数据集，到底怎么一步步变成模型能训练的数据？CNN每一层的维度该怎么算？训练和测试模式到底有什么区别？这篇博客就以食物图像识别为例，从零带大家走一遍完整流程，代码拆成小段讲，把原理说透。
hans汉斯9 天前
人工智能·算法·yolo·目标检测·cnn·旅游
【计算机科学与应用】层级评论上下文依赖识别数据集构建与研究——以小红书旅游评论数据为例文本情感分析已广泛用于在线评论和旅游体验研究，但小红书内容具有笔记–评论双层结构，评论往往需要结合原笔记才能准确理解。为避免在数据清洗阶段误删有价值评论，或在主题分析中因简单拼接造成噪声混入与主题情感错配，本文构建面向笔记–评论融合的评论上下文依赖识别任务。本文以小红书旅游评论为研究对象，整理有效评论数据30,802条，并依据语义将评论划分为完整语义评论、上下文依赖评论和无有效态度评论三类。该分类将评论处理由简单“保留/删除”转化为“独立分析/融合分析/过滤噪声”的分层策略，使缺少对象但包含情绪态度的评论
pjj1985410 天前
人工智能·深度学习·cnn
深度学习-数据清单——把图片整理成训练可读的 txt一、项目背景:20 类食物,怎么"喂"给模型?目标是训练一个卷积神经网络(CNN),识别 20 类食物:八宝粥、哈密瓜、圣女果、巴旦木、板栗、汉堡、火龙果、炸鸡、瓜子、生肉、白萝卜、胡萝卜、草莓、菠萝、薯条、蛋、蛋挞、青菜、骨肉相连、鸡翅。
派大_星10 天前
pytorch·分类·cnn
基于 PyTorch 的 CNN 图片分类学习在学习深度学习的过程中，图片分类是一个比较典型的任务。它的基本过程就是将图片输入神经网络，让模型学习图片中的特征，最后判断图片属于哪个类别。本次使用 PyTorch 搭建一个简单的 CNN 图片分类模型，通过食品图片数据集学习从数据读取到模型训练、测试的完整过程。
牧羊人.33310 天前
人工智能·深度学习·神经网络·算法·cnn
动手学深度学习 03 | 卷积神经网络实现手写数字识别目录前言一、多层感知机的缺陷二、从全连接层到卷积1、什么是卷积2、卷积核3、感受野和特征映射4、池化层（汇聚层）
磁场转动100万匹10 天前
pytorch·分类·cnn
PyTorch 食物图像分类实战：从数据准备到 CNN 训练全流程解析本文围绕一段完整的 PyTorch 食物图像分类代码展开，逐段讲解从数据集整理、自定义 Dataset、数据预处理、CNN 网络搭建到训练与测试循环的完整流程。代码以食物图片二分类（train/test 目录）为背景，适合初学者理解 PyTorch 图像分类任务的基本套路。
词却10 天前
人工智能·深度学习·cnn
深度学习入门：卷积神经网络与 MNIST 手写数字识别前言：上一篇我们完成了 PyTorch 环境搭建，并用一个三层全连接神经网络实现了 MNIST 手写数字识别，测试准确率约为 72%。本篇我们将学习深度学习中最重要的网络结构——卷积神经网络（CNN）。相比全连接网络，CNN 通过卷积层自动提取图像的局部特征，参数量更少、识别效果更好，是图像分类任务的主流方案。
leoZ23112 天前
人工智能·神经网络·机器学习·自然语言处理·cnn·word2vec·mllib
第 1 篇：为什么不该再让 AI 画页面让 AI（Claude Code / Cursor / 豆包等）直接生成整个页面，常见的失败模式：根因一句话：AI 生成一个页面时，要同时决策三件事——样式、布局、逻辑。三个变量叠在一起，输出就不稳定。
Allen_LVyingbo12 天前
网络·人工智能·cnn·transformer·知识图谱·ai编程
2026医疗AI编程：医院信息工程部规模化编程与代码审核路径（上）摘要 Executive Summary**核心结论：**2026 年是医院信息工程部从"运维科室"向"数智工程科室"跃迁的关键窗口年。国家"人工智能+“行动与五部门《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》明确了 2027/2030 两阶段目标【A】；与此同时，AI 编程工具已从"代码补全"进化为"智能体交付”，全球职业开发者约 47% 的代码已由智能体完整生成【B】。对平均编制仅 6.1 人、却要运营维护数十套业务系统的医院信息工程部而言【A】，AI 编程不是"要不要用"的选择题，而是
数智工坊16 天前
网络·人工智能·深度学习·cnn·机器人
NTIRE2024×4图像超分竞赛综述｜Mamba崛起、数据缩放、频域增强成为新趋势论文信息 标题：NTIRE 2024 Challenge on Image Super‑Resolution (×4): Methods and Results 会议：CVPR 2024 Workshops（CCF C类） 单位：上海交通大学、维尔茨堡大学、ETH苏黎世等；20支海内外参赛队伍（小米、快手、国科大、中山大学等） 代码：https://github.com/zhengchen1999/NTIRE2024_ImageSR_x4 论文：https://arxiv.org/abs/2404.097
yyk3332417 天前
人工智能·神经网络·cnn
卷积神经网络在之前的全连接神经网络中，一张28*28的图片被拉直成784个像素，作为独立特征输入。如果像素过多，会导致参数爆炸，无法训练；而且把像素拉平后，原本相邻的像素在向量中可能相隔很远，神经网络很难学到局部相关性。
克里斯蒂亚诺更新18 天前
rnn·cnn·transformer
介绍CNN RNN Transformer(新王)这是一个非常经典且核心的深度学习问题。这三者本质上都是特征提取器，但它们的设计哲学和适用场景截然不同。
TAN-90°-22 天前
人工智能·深度学习·神经网络·机器学习·计算机视觉·cnn·机器翻译
Deep Learning for Computer Vision——Attention and Transformers1. 传统 Seq2Seq 模型的瓶颈 在传统的编码器-解码器（RNN）架构中，所有输入序列的信息都被压缩成最后一个隐藏状态向量 C，然后传给解码器。
空堂与归22 天前
人工智能·深度学习·分类·cnn
图像识别总是准确率低？用卷积神经网络CNN实现高效分类关键词：卷积神经网络、CNN、PyTorch、计算机视觉、图像分类在深入卷积神经网络之前，我们需要先理解一个根本问题：计算机眼中的图像到底是什么？