CNN

• 基于YoloV8的药丸/片剂类型识别

  药丸鉴定问题 想象一下这个场景：你手里有一颗药丸，但你不太确定它是什么。也许标签已经磨损，或者您在药柜中发现它松动了。正确识别药物对您的安全和健康至关重要。这就是计算机视觉的用武之地。 药丸识别的工作原理 图像捕获：要开始识别过程，您需要使用智能手机或专用设备为药丸拍摄清晰的照片。照明和角度会影响识别的准确性，因此捕获高质量的图像至关重要。 图像预处理：获得图像后，将使用计算机视觉算法对其进行预处

  机器视觉与AI深度学习

  1166

  09/28 13:20

  AI 机器视觉
• 自动驾驶感知系统中卷积神经网络原理的疑点分析

  卷积神经网络（Convolutional Neural Networks, CNN）的核心技术主要包括以下几个方面：局部连接、权值共享、多卷积核以及池化。这些技术共同作用，使得CNN在图像和语音识别等领域取得了显著成就，并广泛用于车辆自动驾驶的图像目标识别中。

  智驾最前沿

  770

  04/07 11:25

  自动驾驶 卷积神经网络

  
• 融合注意力机制的卷积神经网络-双向长短期记忆网络(CNN-BiLSTM-Attention)的多变量

  CNN-BiLSTM-Attention模型是一种在自然语言处理(NLP)任务中常用的强大架构，如文本分类、情感分析等。它结合了卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制的优势，能够捕捉局部特征和序列数据中的长程依赖关系。

  算法小狂人

  8576

  03/25 12:25

  Python 卷积神经网络

  
• CNN-SVM时间序列预测/详细原理讲解

  CNN-SVM（卷积神经网络-支持向量机）是一种将卷积神经网络（CNN）与支持向量机（SVM）组合起来的深度学习模型。CNN-SVM模型的目标是通过结合CNN的特征提取能力和SVM的分类能力来提升图像分类、模式识别等任务的性能。以下详细介绍这两种模型各自的数学原理及其组合后的工作原理。

  算法小狂人

  1444

  03/24 15:30

  卷积神经网络 CNN

  
• 最简单用TensorFlow实现CNN（cifar10数据集）

  CNN的本质是先把数据进行特征提取，再送进DNN。前面特征提取的部分可以概括为CBAPD，C表示卷积（convolution），B表示批标准化（batch normalization），A表示激活（activation），P表示池化（pool），D表示（dropout）

  全栈O-Jay

  1610

  2024/12/11

  CNN 数据集

  
• 借助支持边缘 AI 的 MCU 优化实时控制系统中的系统故障检测

  当前关于人工智能 (AI) 和神经网络的讨论主要集中在生成应用（生成图像、文本和视频），很容易忽视 AI 将为工业和基础设施应用中的电子产品带来变革的实际示例。 不过，虽然在电机驱动器、太阳能（如图 1 所示）和电池管理应用的实时控制系统中采用 AI 不会像新的大型语言模型那样引起大量关注，但使用边缘 AI 进行故障检测可以显著影响系统的效率、安全性和生产力。 图 1 太阳能电池板阵列 本文中将讨

  与非网编辑

  1661

  2024/11/28

  人工智能 MCU

  
• 通过软件洞察和用例分析塑造的NPU IP架构

  Ido Gus, 深度学习高级团队负责人, 传感器与音频业务部门, Ceva   神经处理单元（NPU）的出现彻底改变了机器学习领域，使深度学习任务所需的复杂数学计算得以高效地执行。通过优化矩阵乘法和卷积运算，NPU极大地增强了AI（人工智能）模型在各个领域的能力，从服务器群到电池驱动设备。 TinyML（微型机器学习）的出现进一步推动了AI的发展，其重点是在资源有限的嵌入式设备上实现机

  与非网编辑

  1418

  2024/07/15

  NPU mac

  
• 国方创新与燧原科技联合发起“方原会”长三角人工智能生态联盟

  近日，国方创新和燧原科技共同发起“方原会”长三角人工智能生态联盟。在“智算产业的商业化落地之路”圆桌环节中，与会的嘉宾们进行了全方位的深入讨论。 嘉宾们从多个维度探讨了人工AIGC（人工智能生成内容）和智算中心的商业化发展方向，认为AIGC技术在内容创造和企业个性化服务等方面具有巨大的商业潜力，并指出了算力优化适配和提升国产算力竞争力等挑战。 在谈论AIGC商业化落地时，澎峰科技COO王军辉表示：

  深圳王哥

  769

  2024/06/06

  人工智能 开发者

  
• 一文总结CNN中【各类卷积】操作

  本文详细总结CNN中各类卷积，旨在指导 domain-specific 更好的模型设计，包括标准卷积，分组卷积（Group Conv），深度可分离卷积（Depthwise Separable Conv），转置卷积（Transposed Conv），空洞卷积（Dilated Conv），可变形卷积（Deformable Conv），和 特征重标定技术（Squeeze-and-Excitation）。

  全栈O-Jay

  3117

  2024/05/06

  卷积神经网络 CNN

  
• 一文总结经典卷积神经网络CNN模型

  CNN（卷积神经网络）更适合计算机视觉领域。下面总结从1998年至今的优秀CNN模型，包括LeNet、AlexNet、ZFNet、VGG、GoogLeNet、ResNet、DenseNet、SENet、SqueezeNet、MobileNet。在了解巨佬们的智慧结晶，学习算法上的思路和技巧，便于我们自己构建模型，也便于我们做迁移学习。

  全栈O-Jay

  8853

  2024/05/05

  卷积神经网络 CNN

  
• 爱芯元智获评人工智能大会“最具创新价值产品奖”并正式发布爱芯派Pro

  目前，爱芯元智已经量产了四代多颗应用于不同行业领域的视觉感知芯片，并坚持基于算法、芯片、产品的垂直整合，为合作伙伴提供全栈式解决方案，帮助客户实现最新技术的快速落地。面向人工智能产业的高速发展，爱芯元智也将通过持续的技术创新，提高芯片性能、降低成本，让边端智能更加普惠，最终实现“普惠AI 造就美好生活”的使命。

  与非网编辑

  1319

  2023/08/25

  人工智能 NPU

  
• Fashion-MNIST验证机识别率可达98%？

  看到一篇会议论文[1]，宣称用lenet-5在fmnist上可以实现超过98%的识别率。当时看到就惊呆了！先介绍一下论文主体内容：第一部分引言强调了CNN在计算机视觉中有广泛的应用，并引出了lenet5是一个重要的CNN模型，并分6个方面阐述Fashion-MNIST是一个复杂的数据集。

  森森Techdaily

  848

  2023/05/08

  计算机视觉 CNN

  
• 卷积神经网络简介：什么是机器学习？——第一部分

  本文讨论了CNN相对于经典线性规划的优势，后续文章《训练卷积神经网络：什么是机器学习？——第二部分》将讨论如何训练CNN模型，系列文章的第三部分将讨论一个特定用例，并使用专门的AI微控制器对模型进行测试。

  与非网编辑

  964

  2023/04/17

  人工智能 神经网络
• ​Transformer+CNN，引领新一代AI发展

  视觉应用作为人工智能最普及的基础设施层，重要性却不言而喻。它可以说是人工智能机器的‘眼睛’，赋予它感知的能力，使它能够‘看懂’这个世界。而计算机视觉中的深度神经网络（DNN）架构则是这双眼睛的‘视网膜’，赋予了它可视的源泉。

  TechSugar

  1758

  2023/03/23

  卷积神经网络 CNN
• 一文精简介绍CNN神经网络

  这是love1005lin在CSDN上2021-11-19发布的一篇深度学习的卷积神经网，内容整理的精简，移动，现在将其进行转载，供大家参考。

  卓晴

  926

  2021/12/07

  神经网络 卷积神经网络
• 我用90年代的古董电脑训练CNN

  在90年代的电脑上实现CNN是一种什么体验？

  量子位

  88

  2021/02/20

  AI 电脑
• 高速全局快门图像传感器如何减轻基于AI的视觉系统的负担

  视觉传感器对于数据采集正变得越来越重要。最初的简单图像传感器为摄影应用开发，如今的图像传感器用于向人工智能(AI)和机器学习系统提供高质量的输入。这些系统已成为利用新的和创新的处理器架构的精密决策实体。

  安森美半导体

  86

  2020/11/24

  传感器 AI
• 卷积神经网络与循环神经网络的区别

  卷积神经网络和循环神经网络是深度学习领域中的两大重要分支，各自在不同领域和任务中发挥着重要作用。CNN适用于处理静态数据如图像，并擅善于提取空间特征；而RNN则更适合处理时序相关数据，能够考虑上下文信息和序列依赖关系。在实际应用中，可以根据具体任务的特点和数据类型选择合适的神经网络结构来进行建模和训练。卷积神经网络和循环神经网络各有其优势和局限性，在不同领域和任务中发挥着重要作用。同时，也有一些混合型的神经网络模型，如卷积神经网络与循环神经网络的结合（CNN-RNN）、长短期记忆网络（LSTM）等，进一步拓展了神经网络在各种复杂任务中的应用。

  eefocus_3901714

  90

  11/28 15:31

  卷积神经网络 CNN
• bp神经网络和卷积神经网络区别是什么

  在深度学习领域中，BP神经网络（Backpropagation Neural Network）和卷积神经网络（Convolutional Neural Network）是两种常见的神经网络模型。它们在结构、应用场景和训练方式等方面存在明显差异。本文将探讨BP神经网络和卷积神经网络之间的区别。

  eefocus_3901714

  451

  09/19 11:17

  神经网络 卷积神经网络
• 卷积神经网络的优缺点

  卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习算法，在计算机视觉和模式识别领域取得了巨大的成功。它通过多层卷积和池化操作来提取图像特征，并通过全连接层进行分类或回归。本文将探讨卷积神经网络的优点和缺点，以及它在不同领域的应用。

  eefocus_3901714

  7465

  2024/01/04

  深度学习 卷积神经网络

正在努力加载...