卷积神经网络

深入理解卷积神经网络（CNN）与循环神经网络（RNN）

而卷积神经网络（ConvolutionalNeuralNetworks，CNN）和循环神经网络（RecurrentNeuralNetworks，RNN）作为神经网络家族中的重要成员，各自有着独特的架构和强大的功能

CodeJourney.·2025-07-29 21:28

时序预测 | MATLAB实现贝叶斯优化CNN-GRU时间序列预测(股票价格预测)

近年来，深度学习技术，特别是卷积神经网络(CNN)和门控循环单元(GRU)的结合，为时

Matlab机器学习之心·2025-07-29 20:27

时序预测 | MATLAB实现BO-CNN-GRU贝叶斯优化卷积门控循环单元时间序列预测

近年来，深度学习技术在时间序列预测领域取得了显著进展，其中卷积神经网络(CNN)和门控循环单元(GRU)由于其强

Matlab算法改进和仿真定制工程师·2025-07-29 20:25

基于AlexNet架构的卷积神经网络模型用于对胸部X光图像进行二分类（例如，诊断肺炎）

1.肺炎正常的胸部X线片描绘了清晰的肺部，图像中没有任何异常混浊的区域。正常的胸部X线片1.1细菌性肺炎临床表现细菌性肺炎通常由细菌引起，如肺炎链球菌、流感嗜血杆菌、肺炎克雷伯菌等。患者可能出现高热、寒战、咳嗽、咳痰（痰液可能呈脓性）、胸痛、呼吸困难等症状。影像学特征局灶性肺叶实变细菌性肺炎在影像学上常表现为肺叶或肺段的局灶性实变，即某一区域的肺组织因炎症而失去气体交换功能，呈现为高密度影。胸腔积

·2025-07-29 14:44

Python_day54Inception网络及其思考

Inception网络，也被称为GoogLeNet，是Google团队在2014年提出的经典卷积神经网络架构。它的核心设计理念是“并行的多尺度

且慢.589·2025-07-29 08:31

基于深度学习的图像分类：使用ShuffleNet实现高效分类

近年来，深度学习技术，尤其是卷积神经网络（CNN），在图像分类任务中取得了显著的进展。

Blossom.118·2025-07-28 23:14

GWO-CNN-BiLSTM-Attention多变量多步时间序列预测 | Matlab实现灰狼算法优化卷积双向长短期记忆融合注意力机制

本文提出了一种基于灰狼算法(GreyWolfOptimizer,GWO)优化的卷积神经网络(Conv

·2025-07-28 07:20

14、基于无人机与CNN技术的森林研究：原木识别与冠层空隙分析

为了填补这一空白，研究采用了基于卷积神经网络（CNN）的分割方法与原木识别方法相结合的方式，并与传统原木识别方法在自

Sunny·2025-07-28 01:40

零基础-动手学深度学习-6.6 卷积神经网络（LeNet）

通过之前几节，我们学习了构建一个完整卷积神经网络的所需组件。回想一下现在我们已经掌握了卷积层的处理方法，我们可以在图像中保留空间结构。

生医转码，四海为家·2025-07-27 17:14

51、使用Inception V3模型进行智能图像识别

InceptionV3模型作为一种高效的深度卷积神经网络，因其出色的准确性和效率，在图像分类任务中表现尤为突出。

秃然暴富·2025-07-27 10:14

基于深度学习的图像分类：使用Inception-v3实现高效分类

近年来，深度学习技术，尤其是卷积神经网络（CNN），在图像分类任务中取得了显著的进展。Inception-v3是一种高效的深度学习架构，通过引入多尺度特征提取和模块化设计，显著提高了模型的性能和效率。

Blossom.118·2025-07-27 09:40

探秘VCSI：一款创新的视觉内容识别工具

技术解析VCSI基于现代神经网络架构，特别是卷积神经网络（CNNs），用于图像特征提取。它利用预训练模型，如VGG16和ResN

·2025-07-27 08:37

阿里云内容审核之图片审核 spring boot 项目

卷积神经网络（CNN）技术：使用CNN技术进行特征提取、各部分特征汇总，并通过分类器预测识别来进行审核。内容安全服务

大佐不会说日语～·2025-07-26 18:17

深入探讨 Transformer 模型架构

与传统的循环神经网络（RNN）和卷积神经网络（CNN）不同，Transformer完全依赖于自注意力机制（Self-AttentionMechanism），这使得它在处理长序

年纪轻轻头已凉·2025-07-26 13:08

YOLO11优化：卷积魔改创新 | AAAI 2025 | 一种新颖的风车形卷积（PConv）符合微弱小目标的像素高斯空间分布，增强特征提取，显著增加接受野

传统卷积神经网络在处理微小物体时往往表现不佳，主要原因有二：有限的特征表达能力和不足的感受野范围。当目标尺寸小于32×32像素时，检测精度会急剧下降。近期在AAAI2025上发表

芯作者·2025-07-25 20:15

60、深度学习的发展历程和应用领域【用Python进行AI数据分析进阶教程】

用Python进行AI数据分析进阶教程60：深度学习的发展历程和应用领域关键词：深度学习、神经网络、卷积神经网络、自然语言处理、自动驾驶摘要：本文概述了深度学习的发展历程及其应用领域。

理工男大辉郎·2025-07-25 18:27

猫狗图像分类深度学习模型：VGG-13网络训练实战

本文还有配套的精品资源，点击获取简介：猫狗分类模型基于VGG-13网络，这是一个在ImageNet竞赛中获得认可的深度卷积神经网络。

·2025-07-24 09:48

卷积神经网络实现猫狗分类

一.环境配置以及数据加载importtorchimporttorch.nnasnnimporttorch.optimasoptimimporttorchvision.transformsastransformsfromtorchvision.datasetsimportImageFolderfromtorch.utils.dataimportDataLoaderimportmatplotlib.p

新手且大师·2025-07-24 09:17

【锂电池剩余寿命预测】TCN时间卷积神经网络锂电池剩余寿命预测（Pytorch完整源码和数据）

目录效果一览程序获取程序内容代码分享效果一览程序获取获取方式一：文章顶部资源处直接下载：【【锂电池剩余寿命预测】TCN时间卷积神经网络锂电池剩余寿命预测（Pytorch完整源码和数据）获取方式二：订阅电池建模专栏获取电池系列更多文件

机器学习之心·2025-07-24 05:48

TVP：用于高效二维时序视频定位的文本-视觉提示方法

然而，三维卷积神经网络（3DCNN）计算复杂度高，使得密集的3D视觉特

AI专题精讲·2025-07-24 04:44

yolov8涨点系列之替换幽灵卷积GhostConv

文章目录核心思想主要步骤优势yolov8.yaml文件增加CBAMyolov8.yamlyolov8.yaml将Conv卷积替换成GhostConv 幽灵卷积（GhostConv）是一种新颖的卷积操作方法，旨在解决传统卷积神经网络中参数量和计算量过大的问题

没脾气的小玩家·2025-07-23 17:03

DL00478-涡轮叶片缺陷检测数据集yolo格式1300张左右

特别是当你打算通过卷积神经网络（CNN）等深度学习模型进行缺陷检测时，数据集的标注和格式化直接影响到模型的训练效果和论文的质量。

·2025-07-23 17:30

深度学习图像分类数据集—百种病虫害分类

该数据集为图像分类数据集，适用于ResNet、VGG等卷积神经网络，SENet、CBAM等注意力机制相关算法，VisionTransformer等Transformer相关算法。

AI街潜水的八角·2025-07-23 14:12

ai绘画生成软件哪个好？几款好用的AI绘画软件分享!

它通过卷积神经网络对输入的图片进行处理，从而生成出具有艺术风格的画作。DeepDream

呼酱小宝箱·2025-07-23 05:26

基于卷积神经网络与小波变换的医学图像超分辨率算法复现

基于卷积神经网络与小波变换的医学图像超分辨率算法复现前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家，觉得好请收藏。点击跳转到网站。

神经网络15044·2025-07-22 22:57

【人工智能99问】卷积神经网络（CNN）的结构和原理是什么？(10/99)

文章目录卷积神经网络（CNN）的结构及原理一、CNN的核心结构1.输入层（InputLayer）2.卷积层（ConvolutionalLayer）2.卷积层的核心机制：局部感受野与权值共享3.池化层（PoolingLayer

·2025-07-22 07:16

【CNN】卷积神经网络池化- part2

1.池化降采样，减少参数数量，避免过拟合，提高鲁棒性2.池化操作池化操作(也称为下采样，Subsampling)类似卷积操作，使用的也是一个很小的矩阵，叫做池化核，但是池化核本身没有参数，只是通过对输入特征矩阵本身进行运算，它的大小通常是2x2、3x3、4x4等，其中2x2使用频率最高。然后将池化核在卷积得到的输出特征图中进行池化操作，需要注意的是，池化的过程中也有Padding方式以及步长的概念

·2025-07-22 07:46

Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring 论文阅读

用于动态场景去模糊的深度多尺度卷积神经网络摘要针对一般动态场景的非均匀盲去模糊是一个具有挑战性的计算机视觉问题，因为模糊不仅来源于多个物体运动，还来源于相机抖动和场景深度变化。

钟屿·2025-07-22 07:45

飞算JavaAI：力臻开发之本真，破 AI 代码之繁琐，传统项目一键生成

2.1背景与实力2.2飞算JavaAI的“独门绝技”三、飞算JavaAI实战体验3.1IDEA插件安装配置3.2Main中写一个简单的梯度下降算法3.3main函数搭建一个卷积神经网络网络3.4飞算JavaAI

微学AI·2025-07-22 02:11

【人工智能之深度学习】6. 卷积核工作原理：从边缘检测到特征抽象的逐层演进（附可视化工具与行业实战代码）

摘要：卷积核是卷积神经网络（CNN）的核心组件，其通过局部感受野与参数共享机制实现高效特征提取。

AI_DL_CODE·2025-07-21 19:55

基于深度学习的目标检测：从基础到实践

近年来，深度学习技术，尤其是卷积神经网络（CNN），在目标检测任务中取得了显著进展。本文将详细介绍如何使用深度学习技术构建目标检测模型，从理论基础到代码实现，带你一步步掌握目标检测的完整流程。

Blossom.118·2025-07-21 14:25

Unet源码实现（pytorch）

U-Net是一种用于生物医学图像分割的卷积神经网络架构。它通过引入一种新颖的网络结构和训练策略解决了传统方法在数据量不足时面临的挑战。

wyn20001128·2025-07-21 08:09

深度学习模块实践手册（第十二期）

传统卷积神经网络在生成特征图时存在大量冗余计算，Ghost模块通过将特征图生成过程分解为两个步骤，有效减少了计算复杂度，特别适合移动端和嵌入式设备部署。2、机制Ghost模块的机

加油吧zkf·2025-07-21 08:38

DETR革命：目标检测的Transformer时代

在深度学习目标检测发展史上，2014~2019年几乎被基于卷积神经网络（CNN）的检测器统治：两阶段：FasterR-CNN、MaskR-CNN单阶段：YOLO、SSD、RetinaNet这些检测器虽然效果强大

加油吧zkf·2025-07-21 08:08

生成式人工智能实战 | 像素卷积神经网络（PixelCNN）

生成式人工智能实战|像素卷积神经网络0.前言1.PixelCNN工作原理1.1掩码卷积层1.2残差块2.PixelCNN分析3.使用混合分布改进PixelCNN3.1模型构建3.2模型训练0.前言像素卷积神经网络

盼小辉丶·2025-07-20 23:59

基于cnn和resnet和mobilenet对比实现驾驶员分心检测

演示效果及获取项目源码点击文末名片本项目旨在通过深度学习技术，结合卷积神经网络（CNN）模型、ResNet模型和MobileNet模型，实现对驾驶员分心行为的自动检测。

深度学习乐园·2025-07-20 19:02

基于蜣螂算法优化多头注意力机制的卷积神经网络结合双向长短记忆神经网络实现温度预测DBO-CNN-biLSTM-Multihead-Attention附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机物理应用机器学习内容介绍温度预测在气象学、农业、能源等领域具有重要的应用价值。随着大数据和人工智能技术的快速发

matlab科研助手·2025-07-20 10:58

卷积神经网络-数据增强

文章目录一、概述二、数据增强的类别1.裁剪2.翻转和旋转3.随机遮挡4.图像变换5.对transforms的选择操作，使数据增强更灵活三、应用场景四、总结一、概述数据增强（也叫数据扩增）的目的是为了扩充数据和提升模型的泛化能力。有效的数据扩充不仅能扩充训练样本数量，还能增加训练样本的多样性，一方面可避免过拟合，另一方面又会带来模型性能的提升。二、数据增强的类别1.裁剪中心裁剪：transforms

红米煮粥·2025-07-20 00:44

深度学习图像分类数据集—桃子识别分类

该数据集为图像分类数据集，适用于ResNet、VGG等卷积神经网络，SENet、CBAM等注意力机制相关算法，VisionTransformer等Transformer相关算法。

AI街潜水的八角·2025-07-12 12:24

如何使用Python实现交通工具识别

Python实现交通工具识别文章目录技术架构功能流程识别逻辑用户界面增强特性依赖项主要类别内容展示该系统是一个基于深度学习的交通工具识别工具，具备以下核心功能与特点：技术架构使用预训练的ResNet50卷积神经网络模型

·2025-07-12 02:41

CNN 猫狗识别：从理论到实战的深度解析

在计算机视觉领域，卷积神经网络（ConvolutionalNeuralNetwork，CNN）凭借其强大的特征提取和模式识别能力，成为图像分类任务的主流技术。

爱熬夜的小古·2025-07-12 00:29

【零基础学AI】第31讲：目标检测 - YOLO算法

进行物体检测构建一个简单的物体检测系统开始之前环境要求Python3.8+需要安装的包：opencv-python,numpy,matplotlib硬件要求：推荐使用GPU（非必须）前置知识基本Python编程能力了解卷积神经网络

1989·2025-07-11 13:18

【第三章:神经网络原理详解与Pytorch入门】02.深度学习框架PyTorch入门-(4)Pytorch实战

示例：自定义一个卷积神经网络（CNN）importtorch.nnasnnimporttorch.nn.functional

IT古董·2025-07-11 05:50

Transformer、BERT等模型原理与应用案例

与传统的循环神经网络(RNN)和卷积神经网络(CNN)不同，Transformer完全依赖自注意力机制来处理输入序列的全局依赖关系。核心组件多头自注意力机制(Mul

程序猿全栈の董（董翔）·2025-07-11 03:10

大模型卷积神经网络（CNN）的架构原理

一、卷积神经网络（CNN）的核心原理与架构CNN是一种专为结构化数据（如图像、文本）设计的深度学习模型，其核心在于层次化特征提取与参数高效共享，使其成为大模型中视觉和多模态任务的基础组件。

hao_wujing·2025-07-11 03:38

ResNet：深度卷积神经网络的里程碑

一、引言在深度学习的发展历程中，深度卷积神经网络（CNN）不断演进，旨在提升对图像等数据的特征提取与分类能力。

心想事“程”·2025-07-10 10:18

视觉算法之卷积神经网络

定义与特点卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种专为处理具有网格结构的数据而设计的深度学习模型。

清风AI·2025-07-10 10:17

卷积神经网络架构的演进：从AlexNet到EfficientNet

本文将聚焦于卷积神经网络（CNN）架构的演变，深入探究其背后的基本原理。一些关键术语在深入了解各种架构之前，我们需要明确几个关键术语。更宽的网络意味着卷积层中有更多的特征图（滤波器

t0_54manong·2025-07-10 10:47

开源人工神经网络库（OpenANN）

OpenArtificialNeuralNetworkLibrary）是一个开源的人工神经网络库，基于C++编写，依赖Eigen3库进行高效的矩阵运算，使用CMake进行项目构建，支持多种神经网络架构，包括前馈神经网络、卷积神经网络和循环神经网络等

deepdata_cn·2025-07-10 08:33

MATLAB 实现 SRCNN 图像超分辨率重建

该代码使用三层卷积神经网络，进行图像的超分辨率重建，效果比双三次插值好很多SRCNN/Readme.txt,1494SRCNN/SRCNN.m,1267SRCNN/Set14/baboon.bmp,720054SRCNN

leo__520·2025-07-09 13:32

推荐频道