2024人工智能毕设
文章平均质量分 96
肆十二
那些没有把我击倒的,只会让我更强大。
展开
-
CV大作业29期-使用YOLOv10快速实现海上红外目标检测
实时物体检测旨在以较低的延迟准确预测图像中的物体类别和位置。YOLO 系列在性能和效率之间取得了平衡,因此一直处于这项研究的前沿。然而,对 NMS 的依赖和架构上的低效阻碍了最佳性能的实现。YOLOv10 通过为无 NMS 训练引入一致的双重分配和以效率-准确性为导向的整体模型设计策略,解决了这些问题。原创 2024-05-27 00:53:12 · 1029 阅读 · 0 评论 -
CV大作业28期-使用TensorFlow快速实现图像风格迁移系统
摘要的部分:作者探讨了图像转换问题,即如何将输入图像转换成输出图像。以往的方法通常训练前馈卷积神经网络,使用逐像素损失函数来衡量输出图像和真实图像之间的差异。但是,这些方法并没有捕捉到图像之间的感知差异。与此同时,也有研究通过定义和优化基于预训练网络提取的高级特征的感知损失函数来生成高质量图像。本文结合了这两种方法的优点,提出使用感知损失函数来训练图像转换任务的前馈网络。实验结果表明,在风格迁移任务中,与基于优化的方法相比,所提出的网络在生成相似质量结果的同时,速度快了三个数量级。原创 2024-05-26 00:02:50 · 1165 阅读 · 0 评论 -
【2024年毕设系列】手把手教你用Unet++做舌象分割
原始的论文放置在DOCS目录下,其中unet++.pdf的文件是该网络结构的原始论文。本文介绍了一种新的医学图像分割架构——UNet++,它是一种深度监督的编码器-解码器网络,通过一系列嵌套的密集跳跃连接将编码器和解码器子网连接起来。UNet++的设计目标是减少编码器和解码器子网特征图之间的语义差距,使得优化器在面对语义相似的特征图时,学习任务变得更加简单。原创 2024-03-10 23:31:04 · 3512 阅读 · 6 评论 -
手把手教你用Unet做眼底血管图像分割
Hi,这里是肆十二,今天我们来继续医学方向的毕设更新,今天选用的题材是基于Unet的眼底血管图像分割,废话不多说,我们直接开始!原创 2024-02-17 20:52:03 · 6531 阅读 · 3 评论 -
【2024年毕设系列】如何使用Anaconda和Pycharm
Hi,各位好久不见,这里是肆十二,首先在这里给大伙拜年了。诸位过完年之后估计又要开始为了大作业和毕业设计头疼了,我们重启更新计划,还是围绕计算机视觉里面的分类、检测和分割展开。诸位可以点个关注,防止错过最新动态。资源下载和博客将会更新在我得csdn,视频则会更新我的B站,我之后也会将对应博客和视频的地址放在置顶评论,防止大家迷路。OK,进入正题,今天我们要和大家分享的内容是Python项目中常用的两个工具Anaconda和Pycharm。原创 2024-02-11 21:26:01 · 9713 阅读 · 4 评论