完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > cnn
文章:291個(gè) 瀏覽:22576次 帖子:26個(gè)
基于卷積的基礎(chǔ)模型InternImage網(wǎng)絡(luò)技術(shù)分析
近年來大規(guī)模視覺 Transformer 的蓬勃發(fā)展推動(dòng)了計(jì)算機(jī)視覺領(lǐng)域的性能邊界。視覺 Transformer 模型通過擴(kuò)大模型參數(shù)量和訓(xùn)練數(shù)據(jù)從而擊...
2022-11-18 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺算子 825 0
詳細(xì)介紹一些CNN模型的設(shè)計(jì)理論和關(guān)鍵設(shè)計(jì)點(diǎn)
一般來說,分類問題是計(jì)算機(jī)視覺模型的基礎(chǔ),它可以延申解決更復(fù)雜的視覺問題,例如:目標(biāo)檢測(cè)的任務(wù)包括檢測(cè)邊界框并對(duì)其中的對(duì)象進(jìn)行分類。而分割的任務(wù)則是對(duì)圖...
2022-11-17 標(biāo)簽:cnn卷積神經(jīng)網(wǎng)絡(luò) 4710 0
如何區(qū)分計(jì)算機(jī)視覺與其相關(guān)領(lǐng)域 計(jì)算機(jī)視覺運(yùn)行原理
計(jì)算機(jī)視覺算法并非魔法。它們需要數(shù)據(jù)才能運(yùn)作,輸入數(shù)據(jù)的質(zhì)量決定其性能。有多種不同方法和來源可供收集合適數(shù)據(jù),這取決于你的目標(biāo)。無論如何,擁有的輸入數(shù)據(jù)...
2022-11-08 標(biāo)簽:計(jì)算機(jī)視覺cnn 672 0
利用Transformer和CNN 各自的優(yōu)勢(shì)以獲得更好的分割性能
概述 在這篇論文中,提出了一種新的醫(yī)學(xué)圖像分割混合架構(gòu):PHTrans,它在主要構(gòu)建塊中并行混合 Transformer 和 CNN,分別從全局和局部特...
2022-11-05 標(biāo)簽:數(shù)據(jù)集cnnTransformer 7033 0
用于學(xué)習(xí)對(duì)象級(jí)、語言感知和語義豐富視覺表征的GLIP模型
Visual recognition 模型通常只能預(yù)測(cè)一組固定的預(yù)先確定的目標(biāo)類別,這限制了在現(xiàn)實(shí)世界的可擴(kuò)展能力,因?yàn)閷?duì)于新的視覺概念類別和新的任務(wù)領(lǐng)...
一個(gè)全新的文本到視頻跨模態(tài)檢索子任務(wù)
PRVR任務(wù)旨在從大量未剪輯的長(zhǎng)視頻中檢索出與查詢文本部分相關(guān)的對(duì)應(yīng)視頻。若一個(gè)未經(jīng)剪輯的長(zhǎng)視頻中存在某一片段與給出的查詢文本相關(guān),則認(rèn)為該長(zhǎng)視頻與給出...
機(jī)器視覺檢測(cè)中如何提高檢測(cè)圖像處理速度
機(jī)器視覺(Machine Vision)是人工智能領(lǐng)域中發(fā)展迅速的一個(gè)重要分支,目前正處于不斷突破、走向成熟的階段。 ? 一般認(rèn)為機(jī)器視覺是通過光學(xué)裝置...
深度學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)分享:CNN經(jīng)典網(wǎng)絡(luò)之-ResNet
深度學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)分享:CNN 經(jīng)典網(wǎng)絡(luò)之-ResNet resnet 又叫深度殘差網(wǎng)絡(luò) 圖像識(shí)別準(zhǔn)確率很高,主要作者是國(guó)人哦 深度網(wǎng)絡(luò)的退化問題...
2022-10-12 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)cnn 1226 0
如果圖像數(shù)據(jù)集具有豐富的基于紋理的特征,如果將額外的紋理特征提取技術(shù)作為端到端體系結(jié)構(gòu)的一部分,則深度學(xué)習(xí)技術(shù)會(huì)更有效。
2022-09-29 標(biāo)簽:深度學(xué)習(xí)cnn 1513 0
特征扭曲是光流估計(jì)的核心技術(shù),然而扭曲過程中由遮擋區(qū)域引起的模糊性是一個(gè)尚未解決的主要問題。圖像扭曲導(dǎo)致遮擋區(qū)域的模糊,在特征扭曲過程中也存在同樣的問題...
2022-09-08 標(biāo)簽:編碼器計(jì)算機(jī)視覺深度學(xué)習(xí) 2555 0
Vision Transformers比基于CNN的模型更具有潛力
對(duì)于兩個(gè)長(zhǎng)度不同的特征向量,很難衡量它們的相似性。因此,作者提出了一種特殊的度量,中心核對(duì)齊(CKA),整個(gè)論文中都在使用這個(gè)。假設(shè)X和Y是m個(gè)不同樣本...
基于深度學(xué)習(xí)的可解釋特征準(zhǔn)確預(yù)測(cè)混凝土抗壓強(qiáng)度
基于深度學(xué)習(xí)的可解釋特征準(zhǔn)確預(yù)測(cè)混凝土抗壓強(qiáng)度 Accurate prediction of concrete compressive strength...
2022-09-06 標(biāo)簽:深度學(xué)習(xí)cnn 1245 0
如何用圖神經(jīng)網(wǎng)絡(luò)(GNN)做CV的研究
用圖神經(jīng)網(wǎng)絡(luò)(GNN)做CV的研究有不少,但通常是圍繞點(diǎn)云數(shù)據(jù)做文章,少有直接處理圖像數(shù)據(jù)的。其實(shí)與CNN把一張圖片看成一個(gè)網(wǎng)格、Transformer...
2022-08-16 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)cnn圖卷積網(wǎng)絡(luò) 1675 0
基于DINO知識(shí)蒸餾架構(gòu)的分層級(jí)聯(lián)Transformer網(wǎng)絡(luò)
在本文的網(wǎng)絡(luò)設(shè)計(jì)中,訓(xùn)練階段首先會(huì)訓(xùn)練第一階段的 Transformer 網(wǎng)絡(luò)來得到一個(gè)有較好表征能力的特征生成器,隨后再引入池化操作,加上二三階段 T...
2022-07-25 標(biāo)簽:計(jì)算機(jī)視覺cnn 1494 0
一文解析人工智能之CV領(lǐng)域內(nèi)的無監(jiān)督學(xué)習(xí)
簡(jiǎn)單講就是小batch 先不帶梯度推理保存結(jié)果,再帶梯度推理計(jì)算loss,但是需要重復(fù)推理,浪費(fèi)了訓(xùn)練時(shí)間。
2022-07-21 標(biāo)簽:cnn無監(jiān)督學(xué)習(xí) 1536 0
AI開發(fā)平臺(tái)Vitis AI 2.5讓AI加速體驗(yàn)更上一層樓 Vitis AI新功能概述
Vitis AI 2.5 的模型庫增加了廣受歡迎的NLP及更多 CNN 模型,例如 Bert-base,Vision Transformer、端到端 O...
Domain Model是后續(xù)開發(fā)的基礎(chǔ),據(jù)此可以得到兩個(gè)重要的中間描述:一個(gè)是用于硬件架構(gòu)設(shè)計(jì)的Domain Characteristics;另一個(gè)是...
Verilog/FPGA開源項(xiàng)目卷積神經(jīng)網(wǎng)絡(luò)
CNN 是多層感知器的正則化版本。多層感知器通常表示全連接網(wǎng)絡(luò),即一層中的每個(gè)神經(jīng)元都連接到下一層中的所有神經(jīng)元。這些網(wǎng)絡(luò)的“完全連通性”使它們?nèi)菀走^度...
2022-05-16 標(biāo)簽:濾波器cnn卷積神經(jīng)網(wǎng)絡(luò) 8127 0
從C 到 matlab 到 FPGA,如何實(shí)現(xiàn)CNN的項(xiàng)目
經(jīng)過了前面的開胃菜,項(xiàng)目正式開始。一步步講解這個(gè)模型怎么玩起來的。從C 到 matlab 到 FPGA ,三個(gè)平臺(tái)聯(lián)合起來完成這個(gè) 由 RTL 實(shí)現(xiàn) C...
2022-03-15 標(biāo)簽:fpga數(shù)據(jù)代碼 2655 0
應(yīng)用于CNN中卷積運(yùn)算的LUT乘法器設(shè)計(jì)
卷積占據(jù)了CNN網(wǎng)絡(luò)中絕大部分運(yùn)算,進(jìn)行乘法運(yùn)算通常都是使用FPGA中的DSP,這樣算力就受到了器件中DSP資源的限制。比如在zynq7000器件中,D...
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺 | 無人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |