Haar wavelet downsampling (HWD) 是一项针对语义分割的创新模块，旨在通过减少特征图的空间分辨率来提高深度卷积神经网络（DCNNs）...

，尤其在计算机视觉领域表现突出。其核心设计灵感来源于生物视觉系统的层次化信息处理机制。

  本文继续讲解基于神经网络的模型。在MLP中，层与层的神经元之间两两连接，模拟了线性变换

卷积神经网络（CNN）是一种强大的深度学习模型，广泛应用于图像处理和计算机视觉任务。

VGGNet（Visual Geometry Group Network）是由牛津大学视觉几何组（Visual Geometry Group）提出的深度卷积神经...

该论文提出了一种新颖的多维协作注意力模块MCA，通过同时在多个维度上建模注意力，显著提升了深度卷积神经网络的性能。MCA模块具有轻量级、高效且易于泛化的特点，在...

尽管计算机视觉（CV）领域取得了显著进展，但微小目标的精确检测仍然是一个重大挑战，这主要是因为这些目标在图像数据中的像素表示非常有限。这一挑战在地球科学和遥感领...

今天为大家介绍的是来自加州大学圣地亚哥分校谢澎涛团队的一篇论文。准确预测潜在药物分子的作用机制和性质对于推进药物发现至关重要。然而，传统方法通常需要为每个特定的...

PyTorch可以说是三大主流框架中最适合初学者学习的了，相较于其他主流框架，PyTorch的简单易用性使其成为初学者们的首选。这样我想要强调的一点是，框架可以...

农作物病害是国家粮食安全的一个主要威胁，是决定农作物产量和质量的主要因素。 由于传统方法缺乏必要的基础设施，并且极大程度依赖于人工经验，故诸多地区难以迅速高效地...

本文演示了训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。由于本教程使用 Keras Sequential API，因此创建和训练我们的...

《科学之路——人、机器与未来》（原作名: Quand la machine apprend）是法国人杨立昆（Yann LeCun）的自传体科普作品，详细记录了他...

在本文中，我们将学习如何使用keras，用手写数字图像数据集（即MNIST）进行深度学习。本文的目的是为了让大家亲身体验并熟悉培训课程中的神经网络部分。

卷积神经网络（Convolutional Neural Networks，CNN）是深度学习的代表算法之一，在深度学习中占据着重要地位。

本文将介绍PyTorch的基本概念和使用方法，并通过实例演示如何使用PyTorch构建和训练一个简单的卷积神经网络。

卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC

在上一节中我们学习了图像分类处理基本流程，先使用卷积神经网络提取图像特征，然后再用这些特征预测分类概率，根据训练样本标签建立起分类损失函数，开启端到端的训练，如...

卷积神经网络：卷积神经网络（Convolutional Neural Networks, CNN）是计算机视觉技术最经典的模型结构。本教程主要介绍卷积神经网络的...

无论是牛顿第二定律任务，还是房价预测任务，输入特征和输出预测值之间的关系均可以使用“直线”刻画（使用线性方程来表达）。但手写数字识别任务的输入像素和输出数字标签...

对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进...