HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
Faster
RPN概述1)RPN网络综述BaseModel最后一层经过一个3\3\512的卷积后,分两路,一路为1\1\18卷积,代表每个点9个anchor,2类(fg和bg),因此是9\218维2分类预测值;另一路为1\1\36,代表每个点9个anchor,4个坐标值(x,y,w,h),因此是9\436维
CPU推理性能提高数十倍,旷视天元计算图、MatMul优化深度解读
机器之心发布 机器之心编辑部 !(http://dingyue.ws.126.net/2020/0806/6a6e4896j00qemtzy001ad000p000aop.jpg)本文针对旷视天元深度学习框架在推理优化过程中所涉及的计算图优化与MatMul优化进行深度解读。 背景及引言 在深度学
Video Object Detection with an Aligned Spatial
摘要: 本文针对视频目标检测问题提出时空记忆网络(STMN)。它的核心是时空记忆模块,作为一种递归计算单元去建模长时间目标外观和运动信息。STMN可以用一个预训练的CNNbackbone进行初始化,这对提高检测精度非常重要。本文为了建模目标运动提出匹配变换去对齐帧到帧的特征。本文的方法在VID数据集上获得了stateoftheart的结
VGG16学习笔记
_转载自:http://deanhan.com/2018/07/26/vgg16/(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fdeanhan.com%2F2018%2F07%2F26%2Fvgg16%2F)_摘要本文对图片分类任务中经典的深度学习模型VGG16进行了简要
unet网络讲解,附代码
转:http://www.cnblogs.com/gujianhan/p/6030639.htmlkey1:FCN对图像进行像素级的分类,从而解决了语义级别的图像分割(semanticsegmentation)问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类(全联接层+softmax输出)不同,FCN可以接受任意尺寸的
CNN中常用的四种卷积详解
卷积现在可能是深度学习中最重要的概念。正是靠着卷积和卷积神经网络,深度学习才超越了几乎其他所有的机器学习手段。这期我们一起学习下深度学习中常见的卷积有哪些?1\.一般卷积卷积在数学上用通俗的话来说就是输入矩阵与卷积核(卷积核也是矩阵)进行对应元素相乘并求和,所以一次卷积的结果的输出是一个数,最后对整个输入输入矩阵进行遍历,
(转)用Keras实现用于提取视频特征的3维卷积网络
转至:http://www.tianzsong.xyz/2018/04/08/c3dkeras/code:https://github.com/TianzhongSong/C3Dkeras前言C3D使用3DCNN构造了一个效果不错的网络结构,对于基于视频的问题均可以用来提取特征。我简单复现了论文中行为识别那部分的实
RGB
论文阅读:AdaptiveFusionforRGBDSalientObjectDetection这篇代码的创新点在于使用了SW层,使用SW\_logits\img\_logits(1SW\_logits)\(1depth\_logits)来获得最终的预测结果另外一个关键点是使用了3种loss损失值
深度学习基础 (包括前馈神经网络反向传播和卷积网络反向传播)
聊一聊深度学习(三天肝完深度学习基础,球球让我过吧!!)最近有场考试!!所以来过一遍深度学习,记录一些笔记备考看老师的ppt与花书,双管齐下应对深度学习(保佑我不挂吧!!)废话结束!引言人工智能领域的流派1.符号主义:逻辑主义,心理学派(推理期,心理期)2.连接主义:仿生学派或生理学派(殊途同归,各有所长)机器学

网络解析(一):LeNet-5详解
网络解析(一):LeNet5详解摘要LeNet5出自论文GradientBasedLearningAppliedtoDocumentRecognition,是一种用于手写体字符识别的非常高效的卷积神经网络。网络解析(一):LeNet5详解(https://imghelloworld

正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。