深度学习
作者:[美]伊恩·古德费洛、[加]约书亚·本吉奥、[加]亚伦·库维尔
出版社:人民邮电出版社
ISBN:9787115461476
VIP会员免费
(仅需0.8元/天)
¥ 107.52
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
用于目标检测和深度学习的飞机图像 评分:
本数据集为飞机目标的图像,用于机器学习和深度学习的目标检测。
上传时间:2019-04 大小:7.62MB
- 18.54MB
pleiades数据(飞机)(jpg文件)
2018-04-27pleiades数据,各类美军军用飞机,可用于飞机目标检测。
- 11.2MB
遥感图像数据集
2018-04-11遥感图像数据集为tif格式,用于图像融合、图像分割等领域,十分实用
- 3.47MB
基于深度学习的目标检测框架介绍.ppt
2022-05-08基于深度学习的目标检测框架介绍.ppt 普通的深度学习算法主要是用来做分类,如图(1)所示,分类的目标是要识别出图中所示是一只猫。 目标定位是不仅仅要识别出来是什么物体(即分类),而且还要预测物体的位置,...
- 0B
用于目标检测的轮胎数据集
2022-11-15用于目标检测,深度学习,yolov5. 汽车轮胎分类图像数据集,一共包含两类,正常的和缺损的。用于目标检测,深度学习,yolov5. 汽车轮胎分类图像数据集,一共包含两类,正常的和缺损的。用于目标检测,深度学习,...
- 1.87MB
基于深度学习的目标检测研究进展.pdf
2016-09-02细致讲述目前目标检测的几大主流方法,用于深度学习,是不可多得的好文章!
- 1.67MB
基于深度学习的图像目标检测算法综述
2021-01-19近年来,由于深度学习在图像分类方面的准确度明显提高,基于深度学习的图像目标检测模型逐渐成为主流。首先介绍了图像目标检测模型中常用的卷积神经网络;然后,重点从候选区域、回归和anchor-free方法的角度对现有...
- 10.29MB
基于深度学习的图像目标检测算法综述.pdf
2021-08-18基于深度学习的图像目标检测算法综述.pdf
- 5.83MB
深度学习在图像检测的应用
2018-11-07详细讲解了深度学习算法,图像检测与识别算法,以及基于CNN的图像检测与识别算法。
- 1.65MB
深度学习在遥感图像目标检测中的应用研究.pdf
2021-08-19深度学习在遥感图像目标检测中的应用研究.pdf
- 5.9MB
基于深度学习YOLOV5网钓电子监控系统目标检测应用
2022-04-21基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习YOLOV5网钓电子监控系统目标检测应用 基于深度学习...
- 875KB
人工智能论文:基于深度学习的目标检测技术综述.pdf
2022-05-24人工智能论文:基于深度学习的目标检测技术综述.pdf人工智能论文:基于深度学习的目标检测技术综述.pdf人工智能论文:基于深度学习的目标检测技术综述.pdf人工智能论文:基于深度学习的目标检测技术综述.pdf人工智能...
- 3.4MB
深度学习用于图像处理,包括分类和目标检测等.zip
2024-02-07深度学习用于图像处理,包括分类和目标检测等.zip
- 1.17MB
海量数据环境下用于入侵检测的深度学习方法.pdf
2021-08-19海量数据环境下用于入侵检测的深度学习方法.pdf
- 107KB
现代机器学习 基于深度学习的图像特征提取.docx
2022-06-16现代机器学习 基于深度学习的图像特征提取.docx现代机器学习 基于深度学习的图像特征提取.docx现代机器学习 基于深度学习的图像特征提取.docx现代机器学习 基于深度学习的图像特征提取.docx现代机器学习 基于深度...
- 1.43MB
用于深度学习SAR图像舰船目标检测的数据集SSDD和SSDD+.pdf
2021-12-08用于深度学习SAR图像舰船目标检测的数据集SSDD和SSDD+.pdf
- 2.57MB
基于深度学习的图像分割,用于在光学显微镜图像中自动检测原子级薄的二维材料_Jupyter_python_代码_下载
2022-06-12该存储库提供了利用基于深度学习的图像分割算法检测光学显微镜图像中原子级薄二维材料的信息。相关出版物有: “自主机器人搜索和组装二维晶体以构建范德华超晶格,”Satoru Masubuchi等人。, Nature ...
- 2.75MB
用于协同目标检测的深度图像压缩1
2022-08-04用于协同目标检测的深度图像压缩1
- 6.45MB
基于深度学习的复杂背景雷达图像多目标检测.pdf
2021-08-18基于深度学习的复杂背景雷达图像多目标检测.pdf
- 338B
可用于深度学习或者图像处理研究的农作物病虫害数据集
2022-07-13该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物(FC, field crops),后三种为经济作物...
- 2.31MB
基于深度学习的实时图像目标检测系统设计.pdf
2021-08-18基于深度学习的实时图像目标检测系统设计.pdf
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费,不收任何钱和任何积分,纯粹为爱发电,本资源已经为大家整合好了的,看我的博客部署好直接用:https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先,利用YOLOv8算法对视频中的车辆目标进行检测,并对检测到的目标进行标记。然后,通过deepsort算法对标记的车辆目标进行跟踪,实现车辆目标的持续跟踪。最后,根据跟踪结果对车辆数量进行统计,实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明,帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
- 98KB
YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
2024-03-12YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt,需要创建的文件夹都以创建,方便大家不用再去GitHub下载 可以搭配该博客:https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 26.50MB
Transformer模型实现长期预测并可视化结果(附代码+数据集+原理介绍)
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 141KB
社交平台上经济类话题的文章热度信息,数据是真实的,但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见:https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程,手把手教你使用Unet做眼底图像分割的训练、测试和界面封装,包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高,眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源,其形态和状况的变化可以反映出许多疾病的早期病理变化。然而,由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性,使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管,不仅工作量巨大,极为耗时,而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页:https://space.bilibili.com/161240964 C站主页:https://blog.csdn.net/ECHOSON
- 62.4MB
行人跌倒数据集(VOC格式)
2023-01-30行人跌倒数据集(VOC格式)
- 40.38MB
YOLOV5 + 双目相机实现三维测距(新版本)
2024-04-14YOLOV5 + 双目相机实现三维测距(新版本)
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数,以使模型的预测结果尽可能接近真实值。同时,还需要设计一个合适的架构,以便获取足够的信息进行预测。现有方法忽略了一个事实:当输入数据经过逐层的特征提取和空间变换时,会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题,即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息,以计算目标函数,从而获得可靠的梯度信息以更新网络权重。此外,我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络(GELAN)。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示,GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型,它可以获取完整信息,使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果,比较结果如图1所示。