人工智能资料

最新推荐文章于 2023-11-03 18:02:33 发布
最新推荐文章于 2023-11-03 18:02:33 发布
阅读量288 收藏
点赞数
分类专栏： 机器学习 文章标签： 人工智能 机器学习
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/qq_34510308/article/details/78497945
版权
cool_策
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人工智能-资料汇总
竞择
05-09 176
机器学习： 1、自然语言处理 https://zhuanlan.zhihu.com/yangyangfuture https://github.com/fighting41love/funNLP/blob/master/README.md 2、算法/深度学习/NLP面试笔记 https://github.com/imhuay/Algorithm_Interview_Notes-Chine...
没有神迹，用不着吓唬，人工智能的真正突破还未到来 -- 知乎专栏《知识分子》
lwx62的专栏
07-12 1614
没有神迹，用不着吓唬，人工智能的真正突破还未到来 -- 知乎专栏《知识分子》香港科技大学的权龙教授:“人工智能的目的是让计算机去看、去听和去读。图像、语音和文字的理解，这三部分基本构成了我们现在的人工智能。而在人工智能的这些领域中，视觉又是核心，视觉占人类所有感官输入的80%，也是最困难的一部分感知，如果说人工智能是一场革命，那么它将发轫于计算机视觉，而非别的领域。”计算机视觉专家、加州大学伯克利...
【yolov3详解】一文让你读懂yolov3目标检测原理
热门推荐
小样yx的博客
11-17 7万+
yolov3目标检测原理目录前言详细过程yolov3检测流程原理（重点）第一步：从特征获取预测结果第二步：预测结果的解码第三步：对预测出的边界框得分排序与非极大抑制筛选 前言 本文是自己在b站视频讲解学习，并且查阅理解许多文章后，做的通俗理解与总结，欢迎评论交流。 yolov3检测分两步： 1、确定检测对象位置 2、对检测对象分类（是什么东西） 即在识别图片是什么的基础上，还需定位识别对象的位置，并框出。 我们首先上一幅图宏观理解下 图中的红框是通过在yolov3检测最后得出的边界框（bounding b
YOLOv3原理详解（绝对通俗易懂）2021-07-01
qq_43581224的博客
07-01 5万+
1、YOLO框架
YOLOv3模型原理深度解析
专注“目标检测”领域技术分享
09-18 1412
本文从以下六个层面对YOLOv8的模型原理进行了解读。本文首先讲解了其backbone DarkNet53使用残差连接和1×1卷积带来的优势。然后针对backbone上的Feautre Pyramid Network在CNN自动特征提取、整合多尺度特征上的优势。然后本文讲解YOLOv3首次引入的anchor based方法。YOLOv3采用相对坐标的方式来推算绝对坐标。最后本文分析了损失函数的构成
人工智能 资料.zip
10-22
这个“人工智能 资料.zip”压缩包可能包含了一系列关于人工智能的学习资料，虽然具体文件内容未知，但从标题和标签我们可以推测，这些资料可能涉及了AI的基础理论、最新进展以及实际应用。 首先，让我们从基础理论...
人工智能资料网盘
12-08
- **内容概览**：这部分资料深入探讨了人工智能领域的前沿技术和理论研究成果，如强化学习、迁移学习等，并结合实际案例进行分析，帮助读者理解高级AI技术的应用场景和发展趋势。 - **获取链接**：...
人工智能学习资料
01-19
本压缩包中的资源聚焦于"lecu-98"、"NPL"、"深度学习"以及"2018年的人工智能标准化白皮书"，这些都是AI领域的核心概念和技术，对于想要深入理解和学习人工智能的读者来说，是不可或缺的参考资料。 "lecu-98"可能是...
prompt技术资料AI资料.zip
最新发布
04-24
描述中提到的是“AI资料”，这可能包含了一系列关于人工智能的教程、论文、代码示例或其他学习资源。这些资料可能涵盖了机器学习、深度学习、计算机视觉、自然语言处理等多个子领域，旨在帮助学习者理解和掌握人工...
YOLO三个版本综述
03-17
YOLO三个版本的基本原理和差异，不是特别详细，可以参考。
01.15_YOLOv3基本原理.pdf
05-25
YOLOv3基本原理YOLOv3基本原理YOLOv3基本原理YOLOv3基本原理YOLOv3基本原理
YOLO v3原理解析
qq_38675397的博客
07-03 641
YOLO v3是从YOLO v1,YOLO v2逐步改进而来,在继承了v1,v2很多内容的基础上,也有了很多新的改进,一步步提高网络的性能,v1,v2的基础有利于v3的理解,请不熟悉v1,v2的小伙伴先参考一下博客YOLO v1原理解析,YOLO v2原理解析 YOLO系列原理概述 通过特征提取网络对输入图像提取特征，得到一定size的feature map，比如13*13，然后将输入图像分成13*13个grid cell，接着如果ground truth中某个object的中...
简单介绍一下YOLOv3的原理
aleequan的博客
04-07 314
接下来将3个特征图进行特征融合（concat），以获得更强的特征表现力，从而达到更好的效果；最后，为了使特征图变成相同大小，中间需要进行上采样及下采样，然后进行堆叠、融合机相应的卷积等操作后，得到最终的3个特征层，即13×13×255（Y1）、26×26×255（Y2）、52×52×255（Y3），这3个特征图恰好分别为原图像x的1/32、1/16、1/8.整个框架可划分为3个部分：分别为Darknet-53结构、特征层融合结构（上图concat部分）、以及分类检测结构(上图未画出)。
更快更准 | YOLOv3算法超详细解析（包括诞生背景+论文解析+技术原理等）
突然好想你
11-03 1506
YOLOv3是一种基于深度学习的目标检测算法，它可以快速而准确地在图像中检测出多个目标。它是由Joseph Redmon和Ali Farhadi在2018年提出的，是YOLO（You Only Look Once）系列算法的第三个版本。本篇文章就详细讲述一下YOLOv3的诞生背景、技术原理等！🌈
从YOLOV3到YOLOV4：算法原理及其实战
06-11
本课程在介绍计算机视觉深度学习基本概念基础上，详尽讲解YOLOV3和YOLOV4的算法模型原理，并基于实际项目中的无人零售商品数据集来手把手教大家如何将它训练成YOLOV3和V4模型，最后对训练出来的模型集进行性能评估，从而挑选出最优模型。课程主要分为九大章：1。课程内容介绍、特色及其答疑2。计算机视觉深度学习基本概念及其yolo1,2,3的模型结构讲解3。darknet框架介绍及其安装4。darknet训练和推理代码的梳理5。基于darknet框架训练一个无人零售商品数据集 上半部6。基于darknet框架训练一个无人零售商品数据集 下半部7。模型评估指标（训练过程的loss和iou曲线显示，PR，RECALL，AP以及MAP的计算）8。YOLOV4算法模型原理讲解9。YOLOV4算法模型的训练和测试
YOLOv3目标检测实战：交通标志识别
05-29
告知：需要学习YOLOv4进行TT100K数据集上中国交通标志识别的学员请前往(1) Ubuntu系统《YOLOv4目标检测实战：中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/29362(2)《Windows版YOLOv4目标检测实战：中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/29363在无人驾驶中，交通标志识别是一项重要的任务。本课程中的项目以美国交通标志数据集LISA为训练对象，采用YOLOv3目标检测方法实现实时交通标志识别。具体项目过程包括包括：安装Darknet、下载LISA交通标志数据集、数据集格式转换、修改配置文件、训练LISA数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。YOLOv3基于深度学习，可以实时地进行端到端的目标检测，以速度快见长。本课程将手把手地教大家使用YOLOv3实现交通标志的多目标检测。本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。 Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入学习和探究。除本课程《YOLOv3目标检测实战：交通标志识别》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：《YOLOv3目标检测实战：训练自己的数据集》《YOLOv3目标检测：原理与源码解析》《YOLOv3目标检测：网络模型改进方法》另一门课程《YOLOv3目标检测实战：训练自己的数据集》主要是介绍如何训练自己标注的数据集。而本课程的区别主要在于学习对已标注数据集的格式转换，即把LISA数据集从csv格式转换成YOLOv3所需要的PASCAL VOC格式和YOLO格式。本课程提供数据集格式转换的Python代码。请大家关注以上课程，并选择学习。下图是使用YOLOv3进行交通标志识别的测试结果
YOLOv3目标检测：原理与源码解析
06-07
Linux创始人LinusTorvalds有一句名言：Talk is cheap, Show me the code.（冗谈不够，放码过来！）。 代码阅读是从入门到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。  YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。  本课程将解析YOLOv3的实现原理和源码，具体内容包括： YOLO目标检测原理  神经网络及Darknet的C语言实现，尤其是反向传播的梯度求解和误差计算 代码阅读工具及方法 深度学习计算的利器：BLAS和GEMM GPU的CUDA编程方法及在Darknet的应用 YOLOv3的程序流程及各层的源码解析本课程将提供注释后的Darknet的源码程序文件。  除本课程《YOLOv3目标检测：原理与源码解析》外，本人推出了有关YOLOv3目标检测的系列课程，包括：   《YOLOv3目标检测实战：训练自己的数据集》  《YOLOv3目标检测实战：交通标志识别》  《YOLOv3目标检测：原理与源码解析》  《YOLOv3目标检测：网络模型改进方法》 建议先学习课程《YOLOv3目标检测实战：训练自己的数据集》或课程《YOLOv3目标检测实战：交通标志识别》，对YOLOv3的使用方法了解以后再学习本课程。
黑马程序员人工智能资料
07-27
黑马程序员提供了一系列关于人工智能的教程和资料。其中包括了14套经典的IT教程和程序员面试宝典，涉及Java、前端、Python、大数据、软件测试、UI设计、新媒体短视频等方面的内容。这些教程可以帮助对互联网和人工智能感兴趣的同学入门并提升技能。\[1\]除此之外，黑马程序员还提供了一些关于机器学习和数据分析的API和工具，比如K-means聚类算法的API和混淆矩阵、精确率、召回率等分类评估报告的API。这些工具可以帮助人们进行数据分析和模型评估。\[2\]\[3\] #### 引用[.reference_title] - *1* [黑马程序员14套经典IT教程+面试宝典](https://blog.csdn.net/JACK_SUJAVA/article/details/128238437)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [黑马程序员---三天快速入门Python机器学习（第三天）](https://blog.csdn.net/qq_39236499/article/details/115960087)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
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