神经网络标签_智能机器人开发者大赛社区

神经网络

RCNN，SSD， YOLO的优缺点比较及反思

RCNN，SSD， YOLO的优缺点比较及反思1. RCNNFast-RCNNFaster-RCNNFaster-RCNN 系列的反思2. YOLOYOLO V1YOLO V2YOLO V3YOLO系列的反思3. SSD1. RCNNrcnn对于原有的目标检测算法提升50% 在VGG-16网络模型下，voc2007数据集上准确率为66%，但是速度很慢，内存占用量大，主要原因为候选框由速度较慢的..

JianqiuChen
2020-01-17 15:36:49

 4.3w

 17

#计算机视觉 #人工智能 #网络 +2
【代码】详解IDX-Ubyte文件格式及 python读取

文件下载地址：官网http://yann.lecun.com/exdb/mnist/百度云原来的链接挂掉了，这是最新的链接链接: https://pan.baidu.com/s/17XEAenW2RejJ1sQ_3cC5Eg 提取码: kfkx复制这段内容后打开百度网盘手机App，操作更方便哦1.Mnist数据集包括四个文件train-images-idx3-uby...

阿卧鹅
2018-08-24 09:46:14

 4.2w

 37

#python #神经网络
多尺度特征的融合操作

在目标检测和分割的任务中，我们都喜欢用多尺度特征融合操作来提高准确率。以语义分割为例，大家在看到U-Net 以后想到的第一个自认为的创新就是加上 ASPP 结构。加上一个特征金字塔结构。然后做实验发现整个效果还是不错的。其实这个特征金字塔的结构就是一个多尺度特征融合的例子。在这里也可以证明了多尺度特征融合在深度学习中的好处。那为什么多尺度融合有效果呢。我们知道现在的检测和分割网络基本都喜欢用卷积

 skyfengye
2020-06-19 11:06:29

 5.6w

 44

#神经网络 #深度学习
MATLAB实现基于T2V-Transformer 时间向量嵌入方法（T2V）结合 Transformer 编码器进行多变量时间序列预测的详细项目实例

本项目基于MATLAB实现了一种结合时间向量嵌入（T2V）和Transformer编码器的多变量时间序列预测方法。该模型通过T2V模块将时间信息编码为连续向量，捕捉时间动态特征，再利用Transformer的自注意力机制建模多变量间的复杂依赖关系。项目包含完整的数据预处理、模型构建、训练评估流程，并提供了可视化GUI界面。实验结果表明，该方法在智能制造、金融预测等领域具有较高精度和泛化能力，为时间

 xiaoxingkongyuxi
2025-08-15 08:00:00

 1595

 52

#matlab #transformer #开发语言 +4
中国人工智能大模型技术白皮书，从0入门大模型，附文档+LLM实战教程

大模型时代正逐步揭开序幕，其领军者如ChatGPT正在经济、法律、社会等领域发挥着至关重要的作用。

人工智能小豪
2024-07-17 14:41:30

 1788

 57

#人工智能 #神经网络
超详细的NLP实战案例解析——使用前馈神经网络进行姓氏分类

通过nn.Module类定义了类，该类构成了多层感知机的主体。该模型由两个线性层（nn.Linear）组成，分别命名为fc1和fc2，它们代表了从输入层到隐藏层再到输出层的映射。torch.manual_seed(seed) # 设置CPU中的随机种子以保证结果的可复现性torch.cuda.manual_seed_all(seed) # 如果使用GPU，也设置随机种子"""初始化多层感知机模型。

Kevin_ahuer
2024-06-14 17:16:50

 1591

 54

#神经网络 #分类 #人工智能
重拾经典--CNN

短短十年，AI的进化仿佛按下快进键——从AlexNet在ImageNet石破天惊的一战，到ChatGPT以‘万亿参数’掀起对话革命；从卷积网络笨拙地识别手写数字，到多模态大模型从容解读世界。算力狂飙下，代码有了‘想象力’，数据炼成了‘通才’，曾经科幻的边界被一寸寸烧穿。我们站在算力与算法的风暴眼，目睹智能的边界以月为单位崩塌重建；在感叹技术革新的同时，偶尔也在思考之前的经典-CNN在当前任务中的作

 liminhahaha
2025-04-28 14:36:40

 2131

 50

#cnn #人工智能 #神经网络
全卷积神经网络图像分割(U-net)-keras实现

最近在研究全卷积神经网络在图像分割方面的应用，因为自己是做医学图像处理方面的工作，所以就把一个基于FCN（全卷积神经网络）的神经网络用 keras 实现了，并且用了一个医学图像的数据集进行了图像分割。全卷积神经网络大名鼎鼎的FCN就不多做介绍了，这里有一篇很好的博文 http://www.cnblogs.com/gujianhan/p/6030639.html。不过还是建议把论文读一下，这样才能

 zhixuhao
2017-04-17 20:36:34

 16.1w

 104

#神经网络 #keras
Python实现基于GRO-CNN-BiLSTM-Attention淘金优化算法（GRO）优化卷积双向长短期记忆神经网络结合注意力机制进行多变量时间序列预测的详细项目实例（含完整的程序，GUI设计和代

摘要：本项目提出一种基于GXO淘金优化算法优化的CNN-BiLSTM-Attention混合模型，用于多变量时间序列预测。通过模拟金矿开采过程设计全局优化算法，结合卷积神经网络提取局部特征、双向LSTM捕获长时依赖关系，并引入注意力机制聚焦关键信息。实验表明该方法在预测精度、计算效率和模型可解释性方面具有优势。系统采用模块化设计，包含数据预处理、模型训练、实时推理和可视化界面等功能模块，支持GPU

xiaoxingkongyuxi
2025-06-14 07:45:00

 2268

 55

#神经网络 #python #cnn +4
大模型LLM-微调经验分享&总结

大型语言模型横行，之前非常焦虑，现在全面拥抱。目前也有很多开源项目进行大模型微调等，笔者也做了一阵子大模型了，特此来介绍一下ChatGLM-6B模型微调经验，并汇总了一下目前开源项目&数据。笔者与很多人微调结论不同，本人在采用单指令上进行模型微调，发现模型微调之后，

2403_88079100
2024-10-15 18:49:53

 2328

 51

#深度学习 #语言模型 #人工智能 +2
【机器学习-神经网络】循环神经网络

本文主要介绍了循环神经网络及其变体门控循环单元，并在简单的数据集上实现了GRU模型。与其他的神经网络结构相比，RNN充分利用了数据中的序列特性，将中间向量按时间步不断向后传播，从而具有捕捉序列型关联的能力。

Francek Chen
2024-09-03 09:11:23

 2649

 53

#机器学习 #神经网络 #rnn +2
《探索边缘计算：重塑未来智能物联网的关键技术》

这些边缘设备可以是物联网传感器、智能网关、边缘服务器等，它们能够对本地生成的数据进行实时处理和分析，仅将必要的数据上传到云端，从而减少数据传输量和延迟。同时，构建一个开放的边缘计算平台，吸引更多的开发者和企业参与，共同推动边缘计算技术的发展。例如，通过在患者佩戴的医疗设备上部署边缘计算模块，实时监测患者的生命体征数据，并在发现异常时立即通知医护人员，为患者提供及时的医疗救助。边缘计算通过在本地处理

 Blossom.116
2025-04-04 11:49:57

 2515

 94

#边缘计算 #物联网 #人工智能 +4
【Google 开发者大会】Google 面馆营业啦！揭秘拉面背后的机器学习技术

代码不止，活力不止！谷歌面馆正式“营业”想体验一把拉面大师的快感？现在前往2020 Google 开发者大会官网马上创建自己的“代码拉面”！来谷歌面馆体验虚拟拉面劳逸结合身心更健康连续六天的谷歌开发者大会不仅带来了满满的技术干货，更鼓励日夜与代码奋战的开发者们劳逸结合，在观看演讲的间隙也可以活动放松，补充满满元气。运用 TensorFlow.js 中的 PoseNet 来实现动态捕捉，玩家只需要

 TensorFlow 社区
2020-12-03 18:14:54

 3032

 77

#人工智能 #机器学习 #深度学习 +2
Informer长时序预测网络（2.输出可视化结果&更改自己的数据集）--小白粥学习笔记

----------------------------------------------------------分割线------------------------------------------------------------[24/04/29]-----------------------------------------------------------分割线-------

m0_53400993
2024-04-29 16:48:27

 5458

 62

#学习 #python #神经网络
PyTorch搭建循环神经网络（RNN）进行文本分类、预测及损失分析（对不同国家的语言单词和姓氏进行分类，附源码和数据集）

PyTorch搭建循环神经网络（RNN）进行文本分类、预测及损失分析（对不同国家的语言单词和姓氏进行分类，附源码和数据集）

showswoller
2022-11-13 14:56:14

 4688

 51

#pytorch #rnn #分类 +2
改进神经网络

偏差度量的是单个模型的学习能力，而方差度量的是同一个模型在不同数据集上的稳定性。

stoAir
2024-02-06 23:55:55

 4424

 70

#神经网络 #机器学习 #人工智能
End-to-End Object Detection with Transformers[DETR]

End-to-End Object Detection with Transformers[DETR]背景概述相关技术背景最近在做机器翻译的优化，接触的模型就是transformer，为了提升性能，在cpu和GPU两个平台c++重新写了整个模型，所以对于机器翻译中transformer的原理细节还是有一定的理解，同时以前做文档图片检索对于图像领域的目标检测也研究颇深，看到最近各大公众号都在推送这

 s.feng
2020-06-08 18:06:43

 1w

 58

#深度学习 #自动驾驶 #神经网络 +2
【Pytorch】MNIST 图像分类代码 - 超详细解读

最近机器学习在低年级本科生中热度剧增，小编经常看见在自习室里啃书的小伙伴。但是缺少经验指导，也许原理清楚了，但是由于很多书中对细节上的函数等等介绍不多，很多小伙伴对于具体代码只是一知半解。这篇文章基于当下最热门的学习框架 Pytorch，详细讲解图像分类中最基础的图像分类 —— MNIST 数据集分类。

千鱼干
2021-12-07 00:41:48

 1.4w

 59

#pytorch #神经网络 #深度学习 +2
【ASP | 人工智能】一文讲清AI赋能自动驾驶的底层原理

自动驾驶是指通过使用各种传感器计算机视觉深度学习等技术，使得车辆自主进行导航、感知环境、做出决策并安全地行驶它的目标是提高道路交通的效率、改善驾乘体验，并为出行提供便捷的解决方案。那什么是AI算法呢？两者之间的关系又是什么？AI算法就像是人工智能的“大脑”，它是一系列的计算方法，用来处理输入的数据并产生输出结果。可以把它想象成解决问题的数学和逻辑方法。在自动驾驶技术中，AI算法起到了至关重要的作用

 秋说
2023-07-19 08:09:34

 1.8w

 131

#人工智能 #自动驾驶 #机器学习 +3
【智能时代的颠覆】打开AI物联网之门

在当今快速发展的科技领域中，人工智能（AI）和物联网（IoT）成为了关注的焦点。什么是物联网呢？通俗来讲，物联网是指通过各种技术和设备将物体与互联网连接起来，使它们能够实时采集数据、互相通信和交换信息。通过物联网，我们可以远程监控和管理各种物体，实现智能化的感知、识别和控制。物联网的目标是实现物体之间的无缝连接和智能化交互，为人们的生活和工作带来更多的便利和效率提升随着AI和物联网的结合愈加深入，

秋说
2023-07-06 11:07:55

 1.5w

 97

#人工智能 #物联网 #AI +4
【AI广延】APS下的人工智能技术与挑战

自动驾驶时代是指人工智能和相关技术在汽车行业中广泛应用，使得汽车能够在不需要人类干预的情况下自主进行驾驶操作的车辆新时代。在自动驾驶时代，车辆配备了感知、决策和控制系统，利用传感器、摄像头、雷达、激光等设备来获取周围环境信息，并通过人工智能算法进行实时分析和处理。这些车辆可以自动完成转弯、加减速、避开障碍物等操作，以及规划最优的路线和行驶策略自动驾驶时代的目标是提高交通安全性效率和便利性。自动驾驶

 秋说
2023-06-25 08:03:33

 1.4w

 117

#自动驾驶 #人工智能 #机器学习 +4
nnU-Netv2保姆级入门使用教程，从环境配置到训练与推理（踩坑排雷版）

包括三种U-Net网络配置，分别是2D U-Net，3D全分辨率U-Net，3D U-Net级联（包括3D低分辨率U-Net和3D全分辨率U-Net），要进行级联下的3D全分辨率U-Net需先完成3D低分辨率U-Net。注意不是所有的数据集都能触发级联，在完成数据集预处理的图中可以看到，本数据集仅有2d和3d_fullres，对于部分数据集来说，还有3d_lowres, 3d_cascade_fu

m0_74299202
2024-09-30 00:56:18

 2.9w

 182

#python #神经网络 #深度学习 +2