第一章：3D点云应用领域分析_卿云阁
??欢迎来到点云的世界??本文由卿云阁原创！??希望可以和大家一起完成进阶之路！??作者水平很有限，如果发现错误，请留言轰炸哦！
标签：深度学习python人工智能
美颜sdk人脸识别代码技术分析_美狐美颜sdk
当然，目前美颜sdk中最核心的算法还是以“人脸识别”为主，毕竟是“根基”一般的存在，因此一款美颜sdk的好坏，人脸识别起了很大的影响。下文小编将为大家剖析一下人脸识别技术的核心和代码。很多人问过小编，什么样的美颜sdk才算好？对于这个问题，小编认为至少要符合以下几个特点。
标签：产品运营深度学习计算机视觉图像处理音视频
【论文速递】WACV2023 - 循环相似注意力的小样本医学图像分割_凤?尘
近年来，由于医学影像应用需求的不断提高以及对医学图像标注的专业要求，小样本学习在医学图像语义分割领域越来越受到重视。为了对数量有限的标记医学图像进行分割，现有的研究大多使用原型网络(PN)，并取得了令人瞩目的成功。然而，这些方法忽略了从所提出的表示网络中提取的查询图像特征，未能保持查询图像和支持图像之间的空间联系。在本文中，我们提出了一种新的自监督小样本医学图像分割网络，并引入了一种新的循环相似注意(CRA)模块，以充分利用查询和支持医学图像之间的像素级关系。
标签：计算机视觉深度学习人工智能
基于 PyTorch 的目标检测（YOLO实现）_小北的北
目标检测是一个直到最近才开始逐渐被征服的挑战。解决这个问题对于自动化和自动驾驶来说是至关重要的。对解决办法的追求导致了各种方法的发展。我想要描述一些主要的方法，在过去的21目标检测已经被使用，然后讨论 Yolov3的实现。讨论方法引言虽然深度学习通常被归类为机器学习的一个分支，但是两者之间应该有明确的区别。机器学习是指在前深度学习时代发展起来的算法和方法。前深度学习时代通常被称为2011/2012...
标签：目标检测pytorchyolo深度学习计算机视觉
【深度学习】对SSD与Retina的理解_CODER8R
因为conv4比较靠前，数据通道间的特征分布和后续的几层相差较大，所以通过在通道维度进行L2归一化。归一化后一般设置一个可训练的放缩变量gamma。网络通过自下而上、自上而下的特征提取网络，并通过无代价的横向连接构建增强特征提取网络，利用不同尺度的特征图检测不同大小的目标，1、实时性：网络使用ResNet-101作为主干特征提取网络，检测效率略微不足。置信度误差（类别+背景一体）：softmax loss而不是BCE。位置损失：smoothL1。同faster RCNN。用于候选框的【类别预测】，
标签：深度学习目标检测计算机视觉【深度学习】YOLO系列（v1-v3+tinyv3）解析_CODER8R
yolov3是在训练的数据集上聚类产生prior boxes的一系列宽高(是在图像416x416的坐标系里)，默认9种。YOLOV3思想理论是将输入图像分成SxS个格子（有三处进行检测，分别是在52x52, 26x26, 13x13的feature map上，即S会分别为52,26,13），若某个物体Ground truth的中心位置的坐标落入到某个格子，那么这个格子就负责检测中心落在该栅格中的物体。三次检测，每次对应的感受野不同，32倍降采样的感受野最大（13x13），适合检测大的目标。
标签：深度学习yolo人工智能
《Keras深度学习：入门、实战与进阶》之回归问题实例：波士顿房价预测_jiabiao1602
本节将要预测20世纪70年代中期波士顿郊区房屋价格的中位数。
标签：深度学习keras回归
IoU Loss综述（IOU,GIOU,CIOU,EIOU,SIOU,WIOU）_athrunsunny
边界框回归（BBR）的损失函数对于目标检测至关重要。它的良好定义将为模型带来显著的性能改进。大多数现有的工作假设训练数据中的样本是高质量的，并侧重于增强BBR损失的拟合能力。
标签：深度学习人工智能
SCI论文阅读-深度学习在测井气体红外光谱定量分析中的应用_非鱼子焉
红外光谱分析技术能够对气体进行快速、无损的检测，在许多领域得到了广泛的应用。本文研究了基于深度学习的红外光谱定量分析技术。
标签：深度学习人工智能光谱分析SCI卷积神经网络
Python中figure、axies绘图的区别_霄耀在努力
使用例子形象展示了figure与axes的区别
标签：深度学习人工智能
MMLAB学习笔记-DAY2_行吟画者
MMLAB学习笔记-DAY2
标签：深度学习人工智能计算机视觉深度理解机器学习90-神经网络架构_clayhell
神经网络架构
标签：深度学习神经网络人工智能
【论文阅读】【剪枝】Learning Efficient Convolutional Networks through Network Slimming_weixin_50862344
【论文阅读】【剪枝】Learning Efficient Convolutional Networks through Network Slimming
标签：深度学习人工智能
目标检测研究_黄乐荣
1.候选区域生成通过滑动窗口选择感兴趣区域Rol;使用多尺寸的输入图像和多尺度的滑动窗口识别多尺度和不同比例的目标。⒉特征向量抽取常用SIFT、 Harr、HOG、SURF。3.区域分类常用支持向量机。结合集成、串联学习、梯度提升的方法提高准确率。
标签：深度学习目标检测
每日学术速递2.4_AiCharm
标题：神经象征性的持续学习：知识、推理捷径和概念排练作者：Emanuele Marconato, Gianpaolo Bontempo, Elisa Ficarra, Simone Calderara, Andrea Passerini, Stefano Teso文章链接：https://arxiv.org/abs/2302.01242v1项目代码：https://github.com/ema-marconato/nesy-cl摘要： 我们引入了神经符号持续学习，在这种情况下，一个模型必须解
标签：人工智能深度学习算法神经网络超分辨率重建
