加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

CNN

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论
  • 通过软件洞察和用例分析塑造的NPU IP架构
    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
    1487
    07/15 13:51
  • 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
    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:
  • 一文总结CNN中【各类卷积】操作
    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)。
  • 一文总结经典卷积神经网络CNN模型
    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。
  • 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
    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。
  • Fashion-MNIST验证机识别率可达98%?
    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。
  • 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。
  • ​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。
  • 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。
  • 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?
    217
    2021/02/20
  • 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。
  • 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。
  • CNN神经网络的优缺点 CNN与NN的区别
    卷积神经网络(Convolutional Neural Network,CNN)是一种在计算机视觉和图像处理领域广泛应用的深度学习模型。它的设计灵感来自于对生物视觉系统的研究,并通过多层卷积和池化操作实现对图像特征的有效提取。本文将重点探讨CNN神经网络的优缺点,并与传统神经网络(Neural Network,NN)进行比较。

正在努力加载...