深度学习

PyTorch 深度学习实战教程-番外篇04：卷积层详解与实战指南标签：# 深度学习 #人工智能 #神经网络 #PyTorch #卷积神经网络《Pytorch深度学习框架实战教程01》

雾天、夜晚都能识别？MEIWVD数据集+MSG-Net攻克内河航道检测三大难关【导读】内河航道识别难在哪？光照复杂、雾气频发、船型多样。本文构建MEIWVD数据集，覆盖多种极端环境，并提出MSG-Net算法，从图像增强、几何感知到多尺度融合，全面提升检测效果。为智能航运注入新突破！

从onnx模型到om模型的全自动化转化项目位置：https://github.com/whypoxic/Ascend-ATC-tool_onnx2om

账户不存在

《Learning To Count Everything》论文阅读论文地址：https://arxiv.org/abs/2104.08391 源码：https://github.com/cvlab-stonybrook/LearningToCountEverything

Track Any Anomalous Object: A Granular Video Anomaly Detection Pipeline标题：跟踪任何异常对象：一种细粒度的视频异常检测流水线原文链接：https://openaccess.thecvf.com/content/CVPR2025/papers/Huang_Track_Any_Anomalous_ObjectA_Granular_Video_Anomaly_Detection_Pipeline_CVPR_2025_paper.pdf 发表：CVPR-2025

天地一流殇

SimBA算法实现过程操作：将频率扰动通过trans( )转为像素域扰动加到原始图像上（trans返回频率域转换为像素域的结果）

【DeepID】《Deep Learning Face Representation from Predicting 10,000 Classes》CVPR-2014Sun Y, Wang X, Tang X. Deep learning face representation from predicting 10,000 classes[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2014: 1891-1898.

AI基础与实践专题：神经网络基础神经网络（Neural Networks, NNs）作为目前最为流行的人工智能算法，是一种模仿人类大脑结构和功能设计的计算模型，它通过对大量数据的学习和处理，实现了对于各种类别事物的识别、分类、预测等能力。本课程将对神经网络中一些核心概念进行深入解析，包括线性模型、感知机、激活函数、损失函数、卷积神经网络（CNN）、反向传播算法、过拟合与正则化等。

神经网络-LossFunction回归输出的是一个数值，而分类的目的是将输入进行归类。一种简单的方法是将类别视为数值标签进行回归，但如果类别之间没有内在的数值关系，这种方法可能会产生问题。

图像处理中卷积究竟是什么？卷积，一个让cv新手又爱又恨的东西。爱的是他的效果真的很好，恨的是他到底在卷什么呢？今天三水儿就从数学原理，到传统视觉，到卷积神经网络带你看看这个他到底在卷点什么。

强化学习笔记：从Q学习到GRPO推荐学习huggingface的强化学习课程，全面了解强化学习的发展史。以下是个人笔记，内容不一定完整，有些是个人理解。

深度学习（1）：pytorchPyTorch是一个基于Python的深度学习框架，它提供了一种灵活、高效、易于学习的方式来实现深度学习模型。PyTorch最初由Facebook开发，被广泛应用于计算机视觉、自然语言处理、语音识别等领域。

强光干扰下误报率↓82%！陌讯多模态算法在睡岗检测的落地优化根据《2024智慧工厂安全生产白皮书》统计，制造业场景中夜间误报率高达35%以上，主要痛点包括：陌讯视觉算法采用环境感知→目标分析→动态决策三阶流程，核心创新点如下：

欣赏你流浪^

基于DeepLabv3+的海洋遥感海冰智能识别：语义分割技术与实验验证根据海表面高度数据集（SSHA）和语义分割技术实现海冰智能识别。数据准备。（变量可视化）（1）将nc数据读入。

xiaoxiaoxiaolll

双驱智造革命：物理方程+工业数据训练，突破增材制造温度场预测瓶颈增材制造专题1、【双驱智能】物理机理与数据智能的深度耦合:突破传统“纯数据驱动”局限，独创 “物理方程约束+工业数据训练”双引擎框架(1) PINN工程化实战：从一维热传导基础推演到增材制造3D温度场预测（含迁移学习套壳技巧），掌握用纳维-斯托克斯方程、热传导定律替代缺失标签的工业级建模方法。(2) UQ与物理仿真联动：结合Fluent仿真输入不确定性，实现定向能量沉积温度场方差分解与鲁棒优化（Sobol指标驱动工艺参数调优）。2、【工业闭环】SCI论文级案例贯穿研发全链路:以顶刊研究复现为脚手架，还原工

bert学习首先了解一下几种embedding。比如elmo就是一个embedding模型。one-hot编码只能实现one word one embedding，而我们的elmo能实现one token one embedding

LibTorch C++ 部署深度学习模型：GPU 调用配置详解LibTorch 是 PyTorch 的 C++ 前端接口，广泛应用于需要在 C++ 环境中部署深度学习模型的场景。在实际开发过程中，我们常常会遇到 GPU 无法调用的问题，这通常并非代码层面的错误，而是环境配置不当所致。经过多次尝试与排查，我终于成功解决了这一问题。核心在于确保 LibTorch 版本、CUDA 版本与显卡驱动之间的兼容性。

阿巴阿阿巴巴巴巴

【深度学习】动手深度学习PyTorch版——安装书本附带的环境和代码(Windows11)前提是已经安装了conda环境网址：https://zh.d2l.ai/chapter_installation/index.html#d2l-notebook

手机拍照识别中模糊场景准确率↑37%：陌讯动态适配算法实战解析移动端视觉识别已广泛应用于文档扫描、商品溯源、名片管理等场景，但用户反馈与实测数据显示，复杂环境下的识别效果仍存在明显瓶颈：