腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

磐创AI技术团队的专栏

定期分享机器学习深度学习相关优质原创文章

专栏作者

715

文章

982302

阅读量

123

订阅数

MobileVIT：轻量级视觉Transformer+移动端部署

卷积神经网络机器学习神经网络深度学习人工智能

轻量级卷积神经网络的spatial inductive biases（空间归纳偏置）使他们能够在不同的视觉任务中学习参数较少的表征，然而这些网络在空间上是局部的。反观重量级的基于self-attention的VIT可以学习到全局表征，所以作者等人针对轻量化提出一个问题：是否有可能结合CNN 和 ViT 的优势，为移动视觉任务建立一个轻量级和低延迟的网络？因此本文提出了一个新的视角：使用基于Transformer的卷积来处理全局信息。精度提升可见下图：

2021-12-01

1.5K1

详述Deep Learning中的各种卷积（二）

卷积神经网络 https 网络安全编程算法深度学习

对于很多生成模型（如GAN中的生成器、自动编码器（Autoencoder）、语义分割等模型）。我们通常希望进行与正常卷积相反的装换，即我们希望执行上采样，比如自动编码器或者语义分割。（对于语义分割，首先用编码器提取特征图，然后用解码器回复原始图像大小，这样来分类原始图像的每个像素。）

2021-03-15

8810

实验室一块GPU都没有怎么做深度学习？

https 网络安全深度学习卷积神经网络编程算法

还记得 CVPR 2015 开完会回来，感觉大家都在讨论 deep learning，convolutional neural network，当时觉得应该试试。我就用网上开源的 LetNet 在笔记本上训练了一下我们当时自己采集的数据集，结果完爆我们费尽心思手动设计的传统方法。我当时就鼓动我老板，让她给实验室买个带 GPU 的机器。结果她语重心长地说: "你看实验室这些旧电脑，我之前给每一个 PhD 学生都配一台电脑，结果没过多长时间，大家都不用了，只用自己的笔记本，所以不要把钱花在硬件上"。我竟无言以对。。。

2021-02-23

14.8K0

视觉进阶 | 用于图像降噪的卷积自编码器

keras 数据库 sql 卷积神经网络神经网络

在神经网络世界中，对图像数据进行建模需要特殊的方法。其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如果你对这方面已经很清楚了，可以跳过)。然后，我会介绍标准神经网络。这个标准神经网络用于图像数据，比较简单。这解释了处理图像数据时为什么首选的是卷积自编码器。最重要的是，我将演示卷积自编码器如何减少图像噪声。这篇文章将用上Keras模块和MNIST数据。Keras用Python编写，并且能够在TensorFlow上运行，是高级的神经网络API。

2019-12-23

6630

深入理解卷积神经网络中的卷积

卷积神经网络机器学习神经网络人工智能 https

小白也能看懂的TensorFlow上手系列作者 | Divyanshu Mishra

2019-12-11

1.1K0

TensorFlow 2.0 代码实战专栏开篇

tensorflow api 编程算法卷积神经网络

原项目 | https://github.com/aymericdamien/TensorFlow-Examples/

2019-11-12

1K0

ICCV 2019 | 用于提高车牌识别的单幅噪声图像去噪和校正

神经网络卷积神经网络编程算法 ide

下面要介绍的论文始发于ICCV2019，题为「SNIDER: Single Noisy Image Denoising and Rectification for Improving License Plate Recognition」，axriv地址：https://arxiv.org/pdf/1910.03876 。

2019-11-05

1.2K0

神经架构搜索研究指南，只看这一篇就够了

https 网络安全卷积神经网络 linux 神经网络

导读：从训练到用不同的参数做实验，设计神经网络的过程是劳力密集型的，非常具有挑战性，而且常常很麻烦。但是想象一下，如果能够将这个过程实现自动化呢？将这种想象转变为现实，就是本指南的核心内容。我们将探索一系列的研究论文，这些论文试图解决具有挑战性的自动化神经网络设计任务。在本指南中，我们假设读者尝试过使用 Keras 或 TensorFlow 等框架从头开始设计神经网络。

2019-10-30

7330

你好，这里有一份2019年目标检测指南

机器学习 https 网络安全卷积神经网络神经网络

目标检测(Object detection)是一种计算机视觉技术，旨在检测汽车、建筑物和人类等目标。这些目标通常可以通过图像或视频来识别。

2019-07-30

6580

怎样设计最优的卷积神经网络架构？| NAS原理剖析

编程算法机器学习人工智能神经网络卷积神经网络

虽然，深度学习在近几年发展迅速。但是，关于如何才能设计出最优的卷积神经网络架构这个问题仍在处于探索阶段。

2019-07-10

1.4K0

深度学习模型大合集：GitHub趋势榜第一，两天斩获2000星

pytorch tensorflow 卷积神经网络机器学习深度学习

项目地址：https://github.com/rasbt/deeplearning-models

2019-06-25

4210

Dropout的前世与今生

卷积神经网络神经网络机器学习深度学习人工智能

图 1：一些目前提出的 Dropout方法，以及 2012 到 2019 年间 Dropout 方法的理论进展。

2019-06-20

5240

TensorFlow系列专题(十三): CNN最全原理剖析（续）

编程算法卷积神经网络神经网络

如图1所示，假设输入到神经网络中的是一张大小为256*256的图像，第一层隐藏层的神经元个数为241*241。在只考虑单通道的情况下，全连接神经网络输入层到第一层隐藏层的连接数为，也就是说输入层到第一层隐藏层有个参数（1为偏置项参数个数）。而在卷积神经网络中，假设我们使用了一个大小为16*16的卷积核，则输入层到第一层隐藏层的连接数为，由于我们的卷积核是共享的，因此参数个数仅为个。有时候为了提取图像中不同的特征，我们可能会使用多个卷积核，假设这里我们使用了100个大小为16*16的卷积核，则输入层到第一层隐藏层的参数个数也仅为，这依然远远少于全连接神经网络的参数个数。

2019-05-13

4240

TensorFlow系列专题(十二): CNN最全原理剖析(多图多公式)

卷积神经网络

卷积神经网络（convolutional neural network，CNN）是一种专门用来处理网格结构数据（例如图像数据）的前馈神经网络，是由生物学家Hubel和Wiesel在早期关于猫脑视觉皮层的研究发展而来。Hubel和Wiesel通过对猫脑视觉皮层的研究，发现初级视觉皮层中的神经元会响应视觉环境中特定的特征（称之为感受野机制），他们注意到了两种不同类型的细胞，简单细胞和复杂细胞。其中，简单细胞只对特定的空间位置和方向具有强烈的反应，而复杂细胞具有更大的接受域，其对于特征位置的微小偏移具有不变性。

2019-05-05

8140

重磅 | 最新人脸检测&识别的趋势和分析（文末有福利）

卷积神经网络神经网络

该结构与普通的卷积神经网络框架的结构很相似。不同点是，在隐含层，也就是倒数第二层的时候，与Convolutional layer4和Max-pooling layer3相连，鉴于卷积神经网络层数越高感受野越大的特性，这种连接方式能够既考虑局部人脸精细特征，又考虑全局的整体特征。

2019-03-14

5550

使用Pytorch训练分类器详解（附python演练）

神经网络卷积神经网络

【前言】：你已经了解了如何定义神经网络，计算loss值和网络里权重的更新。现在你也许会想数据怎么样？

2019-01-02

1.5K0

用深度神经网络修复H漫：看完这篇你就能眼中无码

神经网络 git 卷积神经网络 windows python

本文经AI新媒体量子位（公众号 ID: QbitAI）授权转载，未经允许不得二次转载

2018-12-05

3K0

十分钟一起学会Inception网络

机器学习深度学习 go 卷积神经网络

【磐创AI导读】：本文介绍了一些Inception网络的相关知识。想要获取更多的机器学习、深度学习资源。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。

2018-09-20

5950

TensorFlow 实战卷积神经网络之 LeNet

tensorflow 卷积神经网络人工智能机器学习深度学习

作者 | fendouai 编辑 | 磐石出品 | 磐创AI技术团队【磐创AI导读】：前几篇文章中我们介绍了一些机器学习、深度学习入门资源项目合集，本篇则是对继五大卷积神经网络原理介绍之后的实战延续，同样来自fendouai老师。喜欢我们文章的小伙伴，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。另外您对我们的文章有任何的意见或是文章中的不足之处，欢迎在文末留言。 LeNet 项目简介 1994 年深度学习三巨头之一的 Yan LeCun 提出了 LeNet 神经网络，这是最早的卷积神经网络。

2018-04-24

8800

卷积神经网络概述

卷积神经网络

在 2012 年的 ILSVRC 比赛中 Hinton 的学生 Alex Krizhevsky 使用深度卷积神经网络模型 AlexNet 以显著的优势赢得了比赛，top-5 的错误率降低至了 16.4% ，相比第二名的成绩 26.2% 错误率有了巨大的提升。 AlexNet 再一次吸引了广大研究人员对于卷积神经网络的兴趣，激发了卷积神经网络在研究和工业中更为广泛的应用。现在基于卷积神经网络计算机视觉还广泛的应用于医学图像处理，人脸识别，自动驾驶等领域。越来越多的人开始了解卷积神经网络相关

2018-04-24

9360

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态