深度学习

强盛小灵通专卖员

煤矿传送带异物检测：深度学习如何提升煤矿安全？在煤矿作业中，传送带是煤矿物料运输的核心，但它也面临着不少安全隐患，特别是传送带上的大煤块、锚杆杂物等异物。这些异物如果不及时发现，可能会导致设备故障、生产中断，甚至引发严重的安全事故。因此，如何高效准确地检测煤矿传送带上的异物，成为了保障煤矿安全的关键问题。

编程小白_正在努力中

第七章深度解析：从零构建智能体框架——模块化设计与全流程落地指南第七章作为Hello-Agents的“框架构建核心篇”，跳出了单一范式的局限，聚焦“从零打造可扩展、可复用的智能体框架”。本章的核心价值在于教会开发者从“使用框架”升级为“创造框架”，通过模块化设计理念，拆解智能体的核心组件（模型调用、工具管理、记忆系统、工作流引擎），最终实现一个兼具灵活性与稳定性的基础框架。本文将从框架设计理念、核心模块拆解（代码+公式）、课后习题全解三个维度，带大家吃透智能体框架的构建逻辑，掌握“造轮子”的核心能力。

深度学习_三层神经网络传播案例（L0-＞L1-＞L2）为了简化计算，我们将网络简化为：输入层 (2个神经元) → 隐藏层 1 (2个神经元) → 输出层 (1个神经元)。

深度学习实战（基于pytroch）系列（十五）模型构造让我们回顾一下在回顾一下在“多层感知机的实现”一节中含单隐藏层的多层感知机的实现方法。我们首先构造Sequential实例，然后依次添加两个全连接层。其中第一层的输出大小为256，即隐藏层单元个数是256；第二层的输出大小为10，即输出层单元个数是10。我们在上一章的其他节中也使用了Sequential类构造模型。这里我们介绍另外一种基于Module类的模型构造方法：它让模型构造更加灵活。

【深度学习】YOLOv10n-MAN-Faster实现包装盒flap状态识别与分类，提高生产效率在现代工业生产中，包装盒的质量控制至关重要。特别是包装盒的flap状态，直接影响产品的密封性和保护效果。传统的检测方法依赖人工目检，不仅效率低下，而且容易出现漏检和误检。😱 今天，我要给大家分享如何使用最新的YOLOv10n-MAN-Faster模型来实现包装盒flap状态的自动识别与分类，大幅提升生产效率！🚀

opencv学习笔记9：基于CNN的mnist分类任务目录一.CNN介绍最简单的 CNN 基本模型结构（以 MNIST 为例）逐层拆解（附具体尺寸变化）1. 输入层（Input Layer）

AI街潜水的八角

深度学习杂草分割系统1：数据集说明(含下载链接)大豆杂草分割-深度学习图像分割数据集大豆杂草分割数据，可直接应用到一些常用深度学习分割算法中，比如FCN、Unet、SegNet、DeepLabV1、DeepLabV2、DeepLabV3、DeepLabV3+、PSPNet、RefineNet、HRnet、Mask R-CNN、Segformer、DUCK-Net模型等数据集总共有320对图片，数据质量非常高，甚至可应用到工业落地的项目中

哥布林学者

吴恩达深度学习课程二：改善深层神经网络第三周：超参数调整，批量标准化和编程框架（二）batch归一化此分类用于记录吴恩达深度学习课程的学习笔记。课程相关信息链接如下：本篇为第二课的第三周内容，3.4到3.7的内容。

学历真的很重要

PyTorch 零基础入门：从张量到 GPU 加速完全指南原始来源: https://www.learnpytorch.io/00_pytorch_fundamentals/ GitHub仓库: https://github.com/mrdbourke/pytorch-deep-learning

深度学习：梯度检验（Gradient Checking）💡 梯度检验是调试神经网络反向传播实现的“黄金标准”。它通过数值方法验证你写的 backward_propagation 是否正确。

B站_计算机毕业设计之家

python手写数字识别计分系统+CNN模型+YOLOv5模型深度学习计算机毕业设计（建议收藏）✅博主介绍：✌全网粉丝10W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

MoE算法深度解析：从理论架构到行业实践目录一、引言二、MoE算法的基础理论三、MoE算法的核心架构设计（一）专家网络的专业化分工（二）门控网络的动态路由机制

超越像素的视觉：亚像素边缘检测原理、方法与实战在计算机视觉领域，单个像素常常会成为我们测量能力的极限——但这并非无法突破。在计量学和精密机器人等领域，哪怕仅仅一个像素的误差，都可能转化为微米级的实际偏差。为了突破传感器物理极限，工程师们采用了一种强大的技术：亚像素边缘检测。

中科大西工大提出RSKT-Seg：精度速度双提升，开放词汇分割不再难近年来，随着视觉-语言模型的快速发展，开放词汇分割（OVS）技术已成为自然图像处理领域的热点。这项技术让模型能够根据文本描述来分割任意类别的物体，打破了传统语义分割模型只能识别预设类别的限制。

移动端部署噩梦终结者：动态稀疏视觉Transformer的量化实战摘要：本文揭示ViT模型在移动端落地的核心瓶颈，提出一套"动态Token稀疏化+重参数化+INT8量化"的三段式压缩方案。通过原创设计的注意力门控机制，在ImageNet上实现精度损失<1.5%的前提下，将模型体积压缩8.3倍，推理速度提升6.7倍。文中提供完整可复现的PyTorch代码与ONNX部署脚本，并深度剖析端侧NPU量化校准的3个致命陷阱。

轻微的风格艾丝凡

卷积的直观理解目录简单理解程序帮助理解一、信号卷积（平滑噪声信号）二、图像卷积（模糊 / 锐化效果）核心效果说明信号卷积

这张生成的图像能检测吗

（论文速读）基于DCP-MobileViT网络的焊接缺陷识别论文题目：Welding defects recognition based on DCP-MobileViT network（基于DCP-MobileViT网络的焊接缺陷识别）

深度学习：Mini-Batch 梯度下降（Mini-Batch Gradient Descent）💡 Mini-Batch 梯度下降是现代深度学习中最常用的优化方法。它结合了批量梯度下降的稳定性和随机梯度下降的速度优势。

即插即用涨点系列 (八)：AMDNet 详解！AAAI 2025 SOTA，MLP 融合多尺度分解（MDM）与 AMS 的涨点新范式。大家好！为了方便大家在CV科研和项目中高效涨点，我创建并维护了一个即插即用模块的GitHub代码仓库。