注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 斯坦福大学公开课 CS231n_Convolutional_Neural_Networks_for_Visual_Recognition PPT

  2. 深度学习-面向视觉识别的卷积神经网络，2016斯坦福大学公开课。课程介绍： 计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学

  3. 所属分类：深度学习

    • 发布日期：2017-09-05
    • 文件大小：36700160
    • 提供者：sinat_27053203

  1. 基于深度学习的图像识别应用研究

  2. 重点研究了深度学习的特征提取，以及深度学习中三个重要的网络模型，分别是可以实现无监督特征学习的深度信念网络 （Deep Belief Network，DBN），图像识别任务中被广泛使用的卷积神经（Convolutional Neural Network，CNN），以及可以实现序列数据学习的循环神 经网络（Recurrent Neural Network，RNN），对它们的网络结构和训练方法展开 深入的研究。

  3. 所属分类：深度学习

    • 发布日期：2017-12-22
    • 文件大小：3145728
    • 提供者：cyj2014go

  1. 用PyTorch在一个物体数据库上训练ResNet

  2. 最近几年，在处理语音、图像识别和语言处理等问题上，深度学习有着十分不错的表现。在所有类型神经网络中，卷积神经网络中研究最为深入的。在过去因为没有大数据与高性能的计算设备支撑，想要在不过拟合进行高性能卷积神经网络训练是难以想象的。如今卷积神经网络的飞速发展，离不开出现了ImageNet这样的数据，还有大幅提升的GPU计算性能。尽管各种 CNN 模型仍继续在多种计算机视觉应用中进一步推进当前最佳的表现，但在理解这些系统的工作方式和如此有效的原因上的进展仍还有限。这个问题已经引起了很多研究者的兴趣，

  3. 所属分类：机器学习

    • 发布日期：2018-08-22
    • 文件大小：7340032
    • 提供者：liiukangkang

  1. 卷积神经网络（CNN）在无人驾驶中的应用

  2. 无人驾驶的感知部分作为计算机视觉的领域范围，也不可避免地成为CNN发挥作用的舞台。本文是无人驾驶技术系列的第八篇，深入介绍CNN（卷积神经网络）在无人驾驶3D感知与物体检测中的应用。卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种适合使用在连续值输入信号上的深度神经网络，比如声音、图像和视频。它的历史可以回溯到1968年，Hubel和Wiesel在动物视觉皮层细胞中发现的对输入图案的方向选择性和平移不变性，这个工作为他们赢得了诺贝尔奖。时间推进到上世纪80年代，

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：599040
    • 提供者：weixin_38699593

  1. 卷积神经网络（CNN）在无人驾驶中的应用

  2. 无人驾驶的感知部分作为计算机视觉的领域范围，也不可避免地成为CNN发挥作用的舞台。本文是无人驾驶技术系列的第八篇，深入介绍CNN（卷积神经网络）在无人驾驶3D感知与物体检测中的应用。 卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种适合使用在连续值输入信号上的深度神经网络，比如声音、图像和视频。它的历史可以回溯到1968年，Hubel和Wiesel在动物视觉皮层细胞中发现的对输入图案的方向选择性和平移不变性，这个工作为他们赢得了诺贝尔奖。时间推进到上世纪80年代

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：599040
    • 提供者：weixin_38685173

  1. 对卷积神经网络CNN的深入研究

  2. 一、基础知识 1.1卷积神经网络(CNN) CNN新出现了卷积层(Convolution层)和池化层(Pooling层), 这两种不同类型的层通常是交替的, 最后通常由一个或多个全连接层组成 卷积网络的核心思想是将：局部感受野、权值共享（或者权值复制）以及时间或空间亚采样(池化)这三种结构思想结合起来获得了某种程度的位移、尺度、形变不变性. 诺贝尔奖获得者神经生理学家Hubel和Wie-sel早在1960年代发现了大脑视觉处理的开始阶段对视觉域的所有部分都作用了同样的局部滤波器,而在视觉处理过程

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：494592
    • 提供者：weixin_38679651

  1. 基于卷积神经网络的脑部CT智能辅助诊断分析方法研究

  2. 针对临床医学工作量大、诊断效率较低的问题，基于深度学习理论对计算机辅助诊断分析方法进行了研究。基于传统神经网络的结构，引出更深层次的卷积神经网络（CNN），对该网络中的卷积、池化操作进行深入的讨论，引入方差代价函数实现网络误差的反向传播训练。在仿真实验的设计上，基于临床的脑部CT数据库，考虑到医学影像数据的特殊性，对CNN网络的结构进行了定制，设计包含一个输入层，7个卷积层，5个池化层与3个全连接层的网络结构。与Alex-Net网络的对比测试实验结果表明，提出的网络结构对脑部疾病CT的分类准确率

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38522795