Deep learning -深度学习

最新推荐文章于 2024-08-25 21:49:59 发布
最新推荐文章于 2024-08-25 21:49:59 发布
阅读量926 收藏
点赞数
文章标签： 深度学习 deep learning 视频
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jihengshan/article/details/19908011
版权

偶前一周听说有这么个东西，在网上搜有关论文没搜到，昨儿发现一个牛人的主页，香港中文大学的，13年发了6篇ICCV和2篇CVPR ，里面有很多深度学习的论文，主要是视频和图像方面的。

http://www.ee.cuhk.edu.hk/~xgwang/publications_topic.html

MountainHeng
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
AIGC实战——深度学习 (Deep Learning, DL)
盼小辉丶的博客
10-25 5万+
深度学习 (Deep Learning, DL) 是贯穿所有生成模型 (Generative Model) 的共同特征，几乎所有复杂的生成模型都以深度神经网络为核心，深度神经网络能够学习数据结构中的复杂关系，而不需要预先提取数据特征。在本节中，我们将介绍深度学习基本概念，并利用 Keras 构建深度神经网络。
DeepLearning-深度学习中特征融合方式
huhuan4480的博客
02-01 5991
这里写自定义目录标题 从多源信息融合谈起，其主要是数据层、特征层和决策层，数据层融合计算开销大，但是不损失信息，另外两类都是在数据分析之后，损失了部分信息，但是操作性较高。在深度学习任务中，海量的结构化数据使得从数据层融合比较困难，另外，很多网络的connection（ResNet, DenseNet， Transformer等）设计也融合了单源信息的多尺度特征。基于这两点，深度学习任务（CV，NLP为代表）主要在深度特征信息层进行融合。 主要分类： Point-wise addition / Eleme
Deep_learning--深度学习放弃
热门推荐
悟叭鸽
08-07 1万+
一些深度学习的关键字记录
Neural Networks and Deep Learning - 神经网络与深度学习
既然选择了远方 便只顾风雨兼程 - 永强
11-12 1039
Neural Networks and Deep Learning - 神经网络与深度学习 Neural Networks and Deep Learning http://neuralnetworksanddeeplearning.com/ 神经网络与深度学习 https://hit-scir.gitbooks.io/neural-networks-and-deep-learning-zh_cn/content/ https://www.gitbook.com/book/hit-scir/neural-n
Dive into Deep Learning - 动手学深度学习
既然选择了远方 便只顾风雨兼程 - 永强
06-07 9365
Dive into Deep Learning - 动手学深度学习 Dive into Deep Learning https://d2l.ai/ https://en.d2l.ai/d2l-en.pdf 动手学深度学习 https://zh.d2l.ai/ https://zh.d2l.ai/d2l-zh.pdf Dive into Deep Learning - GitHub https://github.com/d2l-ai/d2l-en 动手学深度学习 - GitHub https://github
深度学习deep learning
qq_46458188的博客
11-28 1万+
一、简介 深度学习是包含多个隐层的机器学习模型，核心是基于训练的方式，从海量数据中挖掘有用信息，实现分类与预测。 早期的深度学习模型：编码器、循环神经网络、深度置信网络、卷积神经网络 衍生模型：堆叠降噪自编码器、稀疏自编码器、降噪自编码器 深度学习的常用模型：卷积神经网络（CNN），深度信念网络（DBN），深度自动编码器（DAE），限制玻尔兹曼机（RBM）。CNN有全监督学习和权值共享的特点，在自然语言处理和语音图像识别领域有很强优势。其他深度学习模型大多先采用无监督方式逐层预训练，再使用有...
A Deep Learning-Based Remaining Useful Life Prediction Approach for Bearings 基于深度学习的轴承剩余寿命预测
qq_43570025的博客
01-11 4685
A Deep Learning-Based Remaining Useful Life Prediction Approach for Bearings 基于深度学习的轴承剩余寿命预测 目录A Deep Learning-Based Remaining Useful Life Prediction Approach for Bearings 基于深度学习的轴承剩余寿命预测前言研究问题摘要本文方法介绍本文方法步骤本文贡献CNN 前言 A Deep Learning-Based Remaining Useful
【深度学习智能手机步态识别】Deep Learning-Based Gait Recognition Using Smartphones in the Wild 论文理解
qq_39009349的博客
04-27 2649
【智能手机步态识别】Deep Learning-Based Gait Recognition Using Smartphones in the Wild解决什么问题本文创新点/贡献前人方法方法方法概述数据准备Data for IdentificationData for authenticationData for extraction神经网络设计ExtractionIdentificationa...
Deep Learning-Based Human Pose Estimation: A Survey
阿木寺的博客
12-25 2125
26页2D/3D人体姿态估计综述，共计297篇参考文献！本文对基于深度学习的2D和3D人体姿态估计解决方案进行全面回顾，并介绍了相关数据集和评估指标，最后还对各种技术进行了性能比较。 注：文末附**【人体姿态估计】**学习交流群 Deep Learning-Based Human Pose Estimation: A Survey 作者单位：北卡(UNCC), 戴顿大学, 中佛罗里达大学。注：两位IEEE Fellow，大佬云集 github：https://github.com/zczcwh/DL-HP
论文笔记（综述）：Deep Learning-based Multi-focus Image Fusion: A Survey and A Comparative Study
浅若清风cyf的博客
02-25 3725
文章链接：https://ieeexplore.ieee.org/abstract/document/9428544/ 摘要（Abstract） 背景 多聚焦图像融合（Multi-focus image fusion (MFIF)）是图像处理中的一个重要领域。自2017年以来，深度学习（deep learning has）已被引入MFIF领域，并提出了各种方法。然而，缺乏详细讨论基于深度学习的MFIF方法的调查论文。 本文工作 详细调查基于深度学习的MFIF算法，包括方法、数据集和评估指标 比较基于.
DeepLearning-深度学习500问
08-30
深度学习入门到精通必备
deeplearning-ai-books-深度学习资源包
05-10
深度学习（Deep Learning，简称DL）是机器学习（Machine Learning，简称ML）的一个子集，也是人工智能（Artificial Intelligence，简称AI）领域的一个重要分支。它被引入机器学习，旨在使机器更接近于实现人工智能的...
DeepLearning-深度学习 经验总结合集-共18章.zip
08-23
DeepLearning 深度学习 经验总结合集-共18章。 第一章_数学基础 第二章_机器学习基础 第三章_深度学习基础 第四章_经典网络 第五章 卷积神经网络(CNN) 第六章_循环神经网络(RNN) 第七章_生成对抗网络 第八章_目标...
deep-learning-for-image-processing-master_deeplearning_深度学习处理图片_
09-29
深度学习处理图片，适合学习仔细研究等等等等
深度学习deeplearning-assignment
05-19
在这个名为"深度学习deeplearning-assignment"的项目中，我们可以推测这是一份关于深度学习的实践作业或者教程，可能包含了多个实验或练习，帮助学习者深入理解和掌握深度学习技术。 深度学习的核心概念包括神经...
深度学习多GPU训练原理
https://github.com/heatMa
08-18 428
详细参考《动手学深度学习》P233，8.4节多GPU计算。
YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10结合全新多尺度动态增强注意力机制DSAttention(全网独家创新)
tsg6698的博客
08-25 123
(4). 通道注意力增强：DSAttention在进行多尺度卷积之前，利用池化操作结合1x1卷积进行通道注意力的计算，通过Adaptive Pooling层提取通道间的全局信息，并通过Sigmoid激活函数强化重要的特征通道，从而提升特征选择的精度。这些多尺度特征融合能够更全面地捕捉图像中不同尺寸的目标物体，提升特征的表达能力。(5). 最终特征融合：该机制在多尺度卷积和注意力模块之后，使用1x1卷积进行最终特征的融合和压缩，从而有效地减少参数量和计算复杂度，并在保证特征表达能力的同时提高了模型的效率。
每日Attention学习15——Cross-Model Grafting Module
xiongxyowo的博客
08-25 126
Transformer在全局特征上更优，CNN在局部特征上更优，对这两者进行进行融合的最简单做法是直接相加或相乘。但是，相加或相乘本质上属于"局部"操作，如果某片区域两个特征的不确定性都较高，则会带来许多噪声。为此，本文提出了CMGM模块，通过交叉注意力的形式引入更为广泛的信息来增强融合效果。
python实现循环神经网络
最新发布
weixin_45570158的博客
08-25 74
为了提供一个基础的循环神经网络（RNN）示例，我们可以使用TensorFlow和Keras，这是构建和训练神经网络常用的两个库。以下是一个简单的RNN实现，用于处理序列数据（如时间序列数据或文本数据）。在这个例子中，我们将使用一个简化的任务：模拟字符级别的文本生成。
深度学习基础：MIT Press《Deep Learning》核心概念解析
"《Deep Learning》是由Ian Goodfellow、Yoshua Bengio和Aaron Courville合著的深度学习领域经典著作，由MIT Press于2016年出版。本书涵盖了深度学习的基础理论、应用数学和机器学习知识，旨在为读者提供深度学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值