首页
学习
活动
专区
工具
TVP
发布

深度学习和计算机视觉

专栏成员
985
文章
1277377
阅读量
129
订阅数
卷积核的基本概况
在机器学习篇章中,我们简单介绍了卷积核,今天,我们借助知乎的一篇文章,梳理一下对卷积核一些基本情况。
小白学视觉
2024-09-10
1090
面部识别算法是如何工作的?
过去十年,深度学习领域出现了许多先进的新算法和突破性的研究,并且引入了新的计算机视觉算法。
小白学视觉
2022-12-27
6920
图解高效神经网络结构搜索(ENAS)
本文翻译自:[Illustrated:EfficientNeuralArchitectureSearch]
小白学视觉
2022-12-27
4220
漫谈图像超分辨率技术
作为将模糊的图像变清晰的神奇技术,图像超分辨率技术在游戏、电影、相机、医疗影像等多个领域都有广泛的应用。在这篇文章中,微软亚洲研究院的研究员们为你总结了图像超分辨率问题中的主流方法、现存问题与解决方案。微软亚洲研究院在图像超分辨率领域的相关技术也已在顶级会议发表,并转化入 PowerPoint 产品中,我们将在后续文章中为大家解读。
小白学视觉
2022-12-27
8110
3D重建算法综述
三维重建算法广泛应用于手机等移动设备中,常见的算法有SfM,REMODE和SVO等。
小白学视觉
2022-09-28
1K0
7大类卷积神经网络(CNN)创新综述
深度卷积神经网络(CNN)是一种特殊类型的神经网络,在各种竞赛基准上表现出了当前最优结果。深度 CNN 架构在挑战性基准任务比赛中实现的高性能表明,创新的架构理念以及参数优化可以提高 CNN 在各种视觉相关任务上的性能。本综述将最近的 CNN 架构创新分为七个不同的类别,分别基于空间利用、深度、多路径、宽度、特征图利用、通道提升和注意力。
小白学视觉
2022-09-28
8180
非常详细 | 用 Pytorch 理解卷积网络
在当今时代,机器在理解和识别图像中的特征和目标方面已经成功实现了99%的精度。我们每天都会看到这种情况-智能手机可以识别相机中的面部;使用Google图片搜索特定照片的能力;从条形码或书籍中扫描文本。借助卷积神经网络(CNN),这一切都是可能的,卷积神经网络是一种特定类型的神经网络,也称为卷积网络。
小白学视觉
2022-09-28
6540
强烈推荐 | 卷积神经网络综述:从基础技术到研究前景
📷 卷积神经网络(CNN)在计算机视觉领域已经取得了前所未有的巨大成功,但我们目前对其效果显著的原因还没有全面的理解。2018年3月,约克大学电气工程与计算机科学系的 Isma Hadji 和 Ric
小白学视觉
2022-09-28
3630
EfficientNet 解析:卷积神经网络模型尺度变换的反思
自 AlexNet 赢得 2012 年 ImageNet 的竞赛以来,CNN(卷积神经网络的缩写)已成为深度学习中各种任务(尤其是计算机视觉)的实用算法。从2012年至今,研究人员一直在试验并试图提出更好的架构,以提高模型对不同任务的准确性。今天,我们将深入探讨最新的研究论文"高效网络(EfficientNet,https://arxiv.org/pdf/1905.11946.pdf)",它不仅注重提高模型的准确性,而且注重提高模型的效率。
小白学视觉
2022-09-28
6330
你知道卷积是如何发挥作用的吗?使用opencv4 解剖卷积功能
“卷积”一词这个词一听,就把人吓跑了,好像数学中的复杂术语,但实际上并非如此。 实际上,如果您以前曾经使用过计算机视觉,图像处理或OpenCV,都用到了卷积,只是你不知道。 例如PS 中图像模糊 或 图像平滑;或者用过美图软件的;或 ppt里面的图像工具;都用到了卷积。
小白学视觉
2022-09-28
7630
Dropout 的前世与今生
Dropout 是一类用于神经网络训练或推理的随机化技术,这类技术已经引起了研究者们的广泛兴趣,并且被广泛地应用于神经网络正则化、模型压缩等任务。虽然 Dropout 最初是为密集的神经网络层量身定制的,但是最近的一些进展使得 Dropout 也适用于卷积和循环神经网络层。本文总结了 Dropout 方法的发展历史、应用以及当下的研究热点,还详细介绍了研究者们提出的重要方法。
小白学视觉
2022-04-06
2560
卷积神经网络的直观解释
英文原文:https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/
小白学视觉
2022-04-06
5650
基于卷积神经网络的垃圾图像分类算法
垃圾分类作为资源回收利用的重要环节之一, 可以有效地提高资源回收利用效率, 进一步减轻环境污染带 来的危害. 随着现代工业逐步智能化, 传统的图像分类算法已经不能满足垃圾分拣设备的要求. 本文提出一种基于 卷积神经网络的垃圾图像分类模型 (Garbage Classification Network, GCNet). 通过构建注意力机制, 模型完成局部 和全局的特征提取, 能够获取到更加完善、有效的特征信息; 同时, 通过特征融合机制, 将不同层级、尺寸的特征进 行融合, 更加有效地利用特征, 避免梯度消失现象. 实验结果证明, GCNet 在相关垃圾分类数据集上取得了优异的 结果, 能够有效地提高垃圾识别精度.
小白学视觉
2022-02-14
1K0
使用计算机视觉算法检测钢板中的焊接缺陷
焊接缺陷可以定义为焊接零件中出现的焊接表面不规则、不连续、缺陷或不一致。焊接接头的缺陷可能导致零件和组件的报废、昂贵的维修费用、工作条件下的性能显著降低,以及在极端情况下,还会导致财产和生命损失的灾难性故障。
小白学视觉
2022-02-14
5920
用于提高车牌识别的单幅噪声图像去噪和校正
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 。
小白学视觉
2022-02-13
5440
深度学习以及卷积基础
深度学习是机器学习的一个分支,是基于数据来学习表示数据的一组算法。下面我们列出最受欢迎的一些深度学习算法。
小白学视觉
2022-02-12
1790
清华优博论文丨物体检测中的特征构建与模型优化
摘 要:本文针对物体检测中的环境变化多样、物体尺度变化不一、搜索空间巨大等挑战性问题,围绕特征构建、模型优化和应用等方面进行研究。针对物体检测中的多尺度特征融合问题,提出针对物体检测的神经网络特征融合方法HyperNet;进一步提出了逆向连接的特征金字塔物体检测方法,将不同尺度的物体分配不同层次的特征,该方法大大减少了多尺度物体检测的难度;提出了无需候选窗的物体检测模型FoveaBox,摒弃了传统依赖候选窗扫描的过程。本文提出的系列方法已经在检测、分割、姿态估计等方面成功得到拓展。
小白学视觉
2022-02-12
2930
基于深度学习的视觉目标跟踪方法
以前写过一个“自动驾驶中的目标跟踪”介绍,这次重点放在深度学习和摄像头数据方面吧。
小白学视觉
2021-12-17
1.4K0
深度学习在图像处理中的应用趋势及常见技巧
链接 | https://zhuanlan.zhihu.com/p/147885624
小白学视觉
2020-11-05
1.4K0
基于转移学习的图像识别
算法该如何分辨这只狗可能属于哪个品种?当然小伙伴们可以训练自己的卷积神经网络来对这张图片进行分类,但是通常情况下我们既没有GPU的计算能力,也没有时间去训练自己的神经网络。但是,全世界的各个研究团队(例如牛津,谷歌,微软)都拥有足够的计算能力,时间和金钱,而且以前可能已经解决过一些类似的问题。我们该如何利用他们已经完成的工作呢?现在来让我们了解一个重要的概念——转移学习。
小白学视觉
2020-11-03
1.6K0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
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
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档