分享
移动深度学习
电子书推荐
-
-
深度学习、优化与识别 评分:
~深度神经网络是近年来受到广泛关注的研究方向，它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络的基本理论、算法及应用。全书共16章，分为两个部分，第一部分（第1章~10章）系统论述理论及算法，包括深度前馈神经网络、深度卷积神经网络，深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等；第二部分（第11~15章）论述常用的深度学习平台。以及在高光谱图像、自然图像，SAR与极化SAR影像等领域的应用；第16章魏总结与展望，给出了深度学习发展的历史图，前沿方向及最新进展，每章都附有相关阅读材料及仿真代码，以便有兴趣的读者进一步钻研探索。
上传时间：2018-03 大小：163.51MB
127.0MB深度学习 优化和识别
2019-03-07里面存着 深度学习、优化与识别.焦李成(详细书签)， 建议学习的时候一边看 一边写代码 感受， 只有实战才能出经验
1.90MBDeep Learning（深度学习）学习笔记整理.pdf
2014-02-12机器视觉、图像处理、模式识别都可以用到的很好的学习资料
- 1.60MB
基于深度学习优化SSD算法的硅片隐裂检测识别.pdf
2021-08-19基于深度学习优化SSD算法的硅片隐裂检测识别.pdf
- 890KB
基于深度学习的步态识别算法优化研究.pdf
2021-08-18基于深度学习的步态识别算法优化研究.pdf
- 3.35MB
基于全局优化与深度学习的条形码识别方法.pdf
2021-08-18基于全局优化与深度学习的条形码识别方法.pdf
433.36MB毕业设计：Python基于深度学习的红枣识别算法的设计与实现（源码 + 数据库 + 说明文档）
2023-06-10毕业设计：Python基于深度学习的红枣识别算法的设计与实现（源码 + 数据库 + 说明文档） 第二章 红枣识别技术研究 4 2.1 红枣的特征和分类 4 2.2 红枣识别的基本流程 4 2.3 红枣识别的关键技术 5 2.4 常用的红枣识别...
- 1.32MB
改进深度学习优化电力设备缺陷图像识别.pdf
2021-08-18改进深度学习优化电力设备缺陷图像识别.pdf
- 3.36MB
基于Tensorflow深度学习框架的手写体数字识别模型优化及应用.pdf
2021-08-18基于Tensorflow深度学习框架的手写体数字识别模型优化及应用.pdf
- 317.76MB
深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型（人脸面部表情识别项目）.zip文件
2023-06-292. 强大的深度学习库：PyTorch提供了丰富的深度学习库，包括各种预训练模型、损失函数、优化器等。这些库可以帮助开发者快速搭建和训练面部表情识别模型，提高开发效率。 3. 数据增强：面部表情识别任务通常需要...
- 33.48MB
解析深度学习语音识别实践.pdf
2019-04-04接着全面而深入地介绍了深度学习在语音识别中的应用，包括“深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。 作者：俞栋
- 1.30MB
基于多示例深度学习与损失函数优化的交通标志识别算法.pdf
2021-08-19基于多示例深度学习与损失函数优化的交通标志识别算法.pdf
- 758.19MB
基于pytorch的深度学习花朵种类识别项目完整教程（内涵完整文件和代码）
2022-03-24基于 pytorch 搭建神经网络分类模型识别花的种类，输入一张花的照片，输出显示最有可能的前八种花的名称和该种花的照片。 2、分三大步骤操作： 数据集预处理操作： 读取数据集数据 构建神经网络的数据集 1）数据...
- 132.68MB
解析深度学习：语音识别实践
2018-07-028.3.3 在深度学习网络训练中应用噪声对比估计算法 124 第四部分深度神经网络中的特征表示学习127 9 深度神经网络中的特征表示学习128 9.1 特征和分类器的联合学习128 9.2 特征层级129 9.3 使用随意输入特征的...
- 10.46MB
用于车辆识别的深度学习模型的优化.pdf
2021-08-19用于车辆识别的深度学习模型的优化.pdf
- 2.39MB
人工智能-深度学习-语音识别-基于STM32的孤立词语音识别
2022-07-03然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经多次试验得出算法中所需各系数的最优值。然后将算法移植到STM32嵌入式平台，移植过程中根据嵌入式平台存储空间...
- 389KB
基于微调优化的深度学习在语音识别中的应用.pdf
2021-08-19基于微调优化的深度学习在语音识别中的应用.pdf
- 13.20MB
深度学习、pytorch、python、深度学习基础PDF
2022-03-25有利于深度学习的学习与入门。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 ...
- 493KB
基于深度学习的语音识别技术现状与展望_戴礼荣.pdf
2019-11-21这一部分内容主要分成以下5点进行介绍:声学模型训练准则,基于深度学习的声学模型结构,基于深度学习的声学模型训练效率优化,基于深度学习的声学模型说话人自适应和基于深度学习的端到端语音识别。最后就基于深度学习...
- 68.1MB
基于深度学习移动端车型识别
2023-07-02基于深度学习移动端车型识别，支持超过4000种常见车辆品牌及子品牌。停车场卡口跟二手车图片TOP1准确率85%左右，TOP5 99%以上，新版优化了交通卡口的识别率，增加了车型种类。使用者可以基于我们的框架进行修改，...
11KB深度学习在图像识别中的应用：构建、优化及预测模型完全指南，提供Python示例代码 Python代码文件（图像识别模型示例）
2023-11-13本资源提供了一个全面的指南，涉及深度学习模型的搭建、性能优化以及在特定场景下的预测应用，特别聚焦于图像识别领域。该资源旨在帮助初学者和中级从业者深入理解深度学习在图像处理中的应用，从理论到实践，涵盖了...
- 1.58MB
基于深度学习目标检测与跟踪技术的研究
2021-01-13本篇文章主要研究基于深度学习的目标检测与跟踪技术，该技术主要包括一个离线训练的检测模型，一个优化的跟踪器，以及一个学习模块来组成在线跟踪系统。通过研究出一种更快、性能更好的算法以及模型的压缩来达到使其...
- 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。
- 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）
- 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
98KBYOLOv8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
- 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
- 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
- 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）
- 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。
