CNN
深度学习—Faster R-CNN系列目标检测算法
〇、目标检测 1、定义：既包括回归问题（外接框顶点坐标回归也包括分类问题（识别每个检测框中的物体种类） 在深度学习中，目标检测就是在图像中自动生成确定物体/目标位置（定位目标）， 及物体类别（目标识别）目标的位置的表示方法， 通常是目标的外边界的矩形框（或其他形式的框）的各项顶点。 2、基于深度学习 ......
[cnn][julia]Flux实现卷积神经网络cnn预测手写MNIST
# julia_Flux ### 1.导入Flux.jl和其他所需工具包 ```julia using Flux, MLDatasets, Statistics using Flux: onehotbatch, onecold, logitcrossentropy, params using MLD ......
人工智能创新挑战赛：助力精准气象和海洋预测Baseline[2]：数据探索性分析（温度风场可视化）、CNN+LSTM模型建模
人工智能创新挑战赛：助力精准气象和海洋预测Baseline[2]：数据探索性分析（温度风场可视化）、CNN+LSTM模型建模 ......
【什么是CNN】入门学习随笔
什么是CNN？ https://www.bilibili.com/video/BV1zF411V7xu/?p=6&share_source=copy_web&vd_source=3a1ed9fe9b3eb506d95e8709e124a7ce CNN最基本的架构：卷积层、池化层、全连接层 带参数计算 ......
目标检测：RPN — Faster R-CNN 的主干
动动发财的小手，点个赞吧！ 在使用 R-CNN 的目标检测中，RPN 是真正的主干，并且到目前为止已被证明非常有效。它的目的是提出在特定图像中可识别的多个对象。 这种方法是由 Shaoqing Ren、Kaiming He、Ross Girshick 和 Jian Sun 在一篇非常受欢迎的论文“F ......
DHVT：小数据集也能轻松训练！缩小VIT与CNN鸿沟，解决从零开始的训练难题
前言 VIT在归纳偏置方面存在空间相关性和信道表示的多样性两大缺陷。所以论文提出了动态混合视觉变压器(DHVT)来增强这两种感应偏差。在空间方面，采用混合结构，将卷积集成到补丁嵌入和多层感知器模块中，迫使模型捕获令牌特征及其相邻特征。在信道方面，引入了MLP中的动态特征聚合模块和多头注意力模块中全新 ......
使用 CNN 提取内容和风格进行风格迁移（PyTorch 实现）
## 使用 CNN 提取内容和风格进行迁移 [TOC] 本文演示了使用 CNN 进行风格迁移（style transfer）的深度学习 PyTorch 实现。 完整实现代码位于 https://github.com/VioleshnvQuetsall/neural-transfer 的 cnn-tr ......
[cnn]FashionMINST训练+保存模型+调用模型判断给定图片
```python import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import torch.utils.data as Data from torchvis ......
卷积神经网络（CNN）进行特征提取
卷积神经网络（CNN）是一种深度学习模型，广泛应用于图像分类、目标检测、语音识别等领域。CNN通过卷积层、池化层、全连接层等组成，可以自动地从原始数据中提取特征。 卷积层是CNN的核心组成部分，它通过滑动卷积核对输入数据进行卷积操作，提取出图像的特征。卷积核的大小、步长、填充等参数可以根据任务需求进 ......
[cnn]cnn训练MINST数据集demo
# [cnn]cnn训练MINST数据集demo tips: 在文件路径进入conda 输入 ```jupyter nbconvert --to markdown test.ipynb``` 将ipynb文件转化成markdown文件 ```jupyter nbconvert --to html t ......
cnn全连接层
## 作用 根据特征的组合进行分类 大大减少特征位置对分类带来的影响 ### 减少特征位置对分类带来的影响 **就是它把特征representation整合到一起，输出为一个值** **这样做,有一个什么好处？** **就是大大减少特征位置对分类带来的影响** 是一种深度学习算法，特别适用于图像处理和分析。其设计灵感来源于生物学中视觉皮 ......
深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算
# 深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算 # 1.计算机视觉与卷积神经网络 ## 1.1计算机视觉综述 计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目 ......
基于CNN卷积神经网络的语音信号识别算法matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 人工智能的应用中，语音识别在今年来取得显著进步，不管是英文、中文或者其他语种，机器的语音识别准确率在不断上升。其中，语音听写技术的发展最为迅速，目前已广泛在语音输入、语音搜索、语音助手等产品中得到应用并日臻成熟。但是， ......
CNN/RNN
神经网络分为两种，前馈型神经网络与后馈型(递归型)神经网络 前馈型神经网络典型的有：卷积神经网络（Convolutional Neural Networks， CNN）；后馈型（递归型）神经网络的典型有：循环神经网络（Recurrent Neural Network, RNN）；LSTM是一种改进之 ......
Faster R-CNN复现记录
实现细节 总共3个模型，第一个是以resnet50为backbone，并加上FPN结构的Faster R-CNN,一个是同样是使用resnet50为backbone，但没用fpn，最后一个是用mobilenetv3作为backbone，用fpn 1 # total param num 41,449, ......
文章阅读《ANN和CNN异同分析》
ANN（人工神经网络）和CNN（卷积神经网络） 1.构架： ANN大部分使用权重和激活函数，人为的重建大脑神经网络的工作方式 ANN中的层是通过神经元托管的数据点行，神经元使用相同的神经网络；ANN使用权重来学习；神经元每次迭代后，权重都会发生变化，根据“成本函数”计算的准确度更改权重 CNN在图像 ......
matlab代码：基于CNN和LSTM的个体用户负荷预测方法
matlab代码：基于CNN和LSTM的个体用户负荷预测方法 摘要：在本文中，我们考虑的问题是在需求响应机制下学习居民电力用户的消费模式。 提出了两种利用室外温度、电价和前期负荷预测小时负荷的新方法。 提出的模型分别基于CNN和长短期记忆网络。 数值结果显示了所提出的方法在预测精度方面的高性能。ID ......
LargeKernel3D：在3D稀疏CNN中使用大卷积核
前言 2D CNN 使用大卷积代替小卷积，增大了卷积核的感受野，捕获到的特征更偏向于全局，效果也得到了提升，这表明较大的 kernel size 很重要。但是，当直接在 3D CNN 中应用大卷积核时，那些在 2D 中成功的模块设计在 3D 网络效果不好，例如深度卷积。为了应对这一重要挑战，本文提出 ......
可视化CNN和特征图
卷积神经网络(cnn)是一种神经网络，通常用于图像分类、目标检测和其他计算机视觉任务。CNN的关键组件之一是特征图，它是通过对图像应用卷积滤波器生成的输入图像的表示。 完整文章： https://avoid.overfit.cn/post/1132e4f9872a490e95bcbd0477d384 ......
基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高。 可用于做风电功率预测，电力负荷预测等等
基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高。 可用于做风电功率预测，电力负荷预测等等 标记注释清楚，可直接换数据运行。 代码实现训练与测试精度分析。YID:5860673742612391 ......
Mask R-CNN – 1 小时实用深度学习分割
Mask R-CNN – 1 小时实用深度学习分割 创建您自己的 AI 语义分割的实用指南：了解完整的工作流程 – 从训练到推理 课程英文名：Mask R-CNN - Practical Deep Learning Segmentation in 1 hour 此视频教程共3.48GB，中英双语字幕 ......
一维CNN,二维CNN以及三维CNN的训练模型matlab仿真
1.算法描述 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（repres ......
m基于CNN卷积网络和GEI步态能量图的步态识别算法MATLAB仿真,测试样本采用现实拍摄的场景进行测试,带GUI界面
1.算法描述 目前关于步态识别算法研究主要有两种：基于模型的方法和非基于模型的方法。基于模型的步态识别方法优点在于能够很好的体现步态图像序列当前的变化，也能够预测过去和未来的状态。基于非模型的方法是通过对步态相关特征进行预测来建立相邻帧间的关系，其中特征包括位置、速度、形状等，其中基于形状特征的方法 ......
m基于CNN卷积神经网络和GEI步态能量图的步态识别算法MATLAB仿真
1.算法描述 步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比图像识别更具优势。步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在 ......
卷积神经网络 – CNN
1981年的诺贝尔医学奖，颁发给了 David Hubel（出生于加拿大的美国神经生物学家） 和Torsten Wiesel，以及 Roger Sperry。前两位的主要贡献，是“发现了视觉系统的信息处理”，可视皮层是分级的。 图：纪念1981年诺贝尔医学奖的邮票。 人类的视觉原理如下：从原始信号摄 ......
Matlab使用CNN(卷积神经网络)对一维信号(如语音信号、心电图信号)进行二分类源程序
Matlab使用CNN(卷积神经网络)对一维信号(如语音信号、心电图信号)进行二分类源程序。 也可以改成多分类。 会提供原始数据，数据可直接替换为自己的数据运行，注释详细 工作如下： 1、加载数据，一共为200个正常样本和200个异常样本，训练集为80%，即160正常和160异常，一共320条数据； ......
基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序
基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高。 可用于做风电功率预测，电力负荷预测等等 标记注释清楚，可直接换数据运行。 代码实现训练与测试精度分析。YID:5860673742612391 ......