![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
文章平均质量分 82
OverlordDuke
有意向请加企鹅:3159277216
展开
-
基于Python实现电商订单的数据分析
数据集共有51290条数据,包含订单ID、订单日期、发货日期、运输模式、客户ID、客户名称、国家、城市、产品ID、类别、子类别、产品名称、销售额、数量、折扣、利润等信息。该数据集旨在帮助超市进行“人、货、场”分析,提升销量。项目利用Python数据分析技术,从年度销售维度、地区销售维度和用户分类维度进行了分析。分析结果存储在MySQL数据库中,并通过Flask搭建的可视化平台展示,利用Echarts进行数据可视化。在对数据进行分析可视化的基础上,加入了RFM用户分类。MySQL:用于数据持久化存储。原创 2024-03-11 08:39:36 · 656 阅读 · 1 评论 -
基于MRI的阿尔兹海默症病情预测
项目所使用的数据集包含了大量的MRI图像,分为训练集和测试集,涵盖了阿尔兹海默症不同病情阶段的样本。通过对数据集的统计和分析,我们发现阿尔兹海默症患者的大脑皮层厚度存在不对称性,并且随着病情的加重,皮层厚度逐渐变薄。基于这些特征,我们可以利用图像处理技术对MRI图像进行分析,从而辅助医生进行病情判断。本项目采用了经典的ResNet50模型作为基础模型,ResNet是一种深度残差网络,具有良好的特征提取能力和泛化能力,适用于图像分类等任务。原创 2024-03-04 08:38:01 · 391 阅读 · 0 评论 -
基于深度学习的连锁酒店场景识别与部署实践指南
在智能旅游行业,场景识别(又称为场景分类)是一个关键技术,它在图像检索、智能机器人、智能安防等领域有着广泛的应用。特别是在连锁酒店管理中,通过场景识别技术,可以帮助智能机器人快速分辨所处的场景环境,使得机器人能够对不同的场景做出相应的响应,提升了服务质量和效率。原创 2024-02-22 09:51:31 · 923 阅读 · 0 评论 -
基于双流卷积与小波变换的人脑纹识别
人脑产生的特定脑电波波形,被称为“脑纹”,不同个体在观看特定图片时,大脑会产生有针对性的脑电波反应,这种反应是独一无二的,每个人都不尽相同。使用了一种双分支网络,首先将脑纹信号进行离散小波变换,将脑纹信号拆解为两个函数,分别入对应的网络通路,网络整体设计思想参考了双线性卷积神经网络的结构。对于脑纹识别问题采取了分而治之的思想。在模型中,使用了双分支卷积神经网络结构,首先对脑纹信号进行离散小波变换,然后分别送入两个分支网络进行特征提取,最后将两个分支的特征进行合并,经过全连接层得出最终结果。原创 2024-02-22 09:37:15 · 602 阅读 · 0 评论 -
综合特征融合的实用图像恢复技术-CMFNet
在本文中,我们将重点介绍一种基于监督学习的 AI 图像恢复模型 CMFNet(COMPOUND MULTI-BRANCH FEATURE FUSION FOR REAL IMAGE RESTORATION)。CMFNet 是一种复合多分支特征融合的图像恢复模型,通过学习不同类型的成对图像(有缺陷 / 没缺陷),实现了去模糊、去雾、去雨水等不同的图像恢复功能。原创 2024-02-19 08:45:19 · 959 阅读 · 0 评论 -
LSTR: 基于Transformer的车道形状预测
在计算机视觉领域,车道检测是自动驾驶和智能交通系统中的关键技术之一。我们推出了一种名为LSTR的车道形状预测模型,它基于Transformer架构,实现了端到端的车道形状参数输出。本文将介绍LSTR模型的设计思想、功能特性以及应用场景。原创 2024-02-02 09:20:18 · 1573 阅读 · 0 评论 -
SumGNN: 多类型药物相互作用预测 - 通过高效知识图谱概括
SumGNN是一个旨在解决多类型药物相互作用预测问题的创新方法,它充分利用了知识图谱的高效概括技术。我们希望通过这一研究成果,为药物研发和临床治疗提供更加可靠和高效的支持,为医学研究和临床实践带来新的突破与进展。如果你对SumGNN或者药物相互作用预测领域感兴趣,欢迎下载我们的代码并开始尝试使用。期待与你一起探索医学科学的无限可能!原创 2024-02-01 16:53:25 · 419 阅读 · 0 评论 -
深度学习侧信道攻击的集成方法
采用深度神经网络进行侧面通道攻击为安全产品的泄漏检测和密钥检索提供了强大的选择。当训练用于侧通道分析的神经网络时,期望训练的模型能够实现近似函数,该近似函数能够检测泄漏的侧通道样本,同时对噪声(或非泄漏)样本不敏感。这概述了一种泛化情况,其中模型可以在单独的测试集中识别从训练集中学习的主要表示。本文讨论了在进行侧信道分析时,输出类概率如何表示强度量。此外,我们观察到这些输出概率对微小的变化很敏感,比如选择特定的测试轨迹或神经网络的权重初始化。原创 2024-01-31 14:11:19 · 1602 阅读 · 0 评论 -
NeRF:神经辐射场复杂场景的新视图合成技术
本项目提供了NeRF算法的PyTorch实现,为视觉合成和场景理解领域的研究人员和从业者提供了一个强大的工具。如果您发现这个实现或预训练模型对您有所帮助,请考虑引用作者的工作以及本项目的贡献。希望通过本博客能够帮助您更好地理解和使用NeRF-pytorch,探索计算机视觉领域的新技术和应用。原创 2024-01-27 09:12:46 · 1207 阅读 · 0 评论 -
基于深度学习的狗狗类别检测
斯坦福犬数据集是一个包含来自世界各地的 120 种犬的图像的数据集。这个数据集是使用 ImageNet 的图像和注释构建的,用于完成细粒度的图像分类任务。这个数据集最初是为了进行细粒度图像分类而收集的,这是一个具有挑战性的问题,因为某些犬种具有几乎相同的特征或颜色和年龄不同。本文介绍了狗狗识别项目,从数据集介绍到环境准备、模型配置、训练与评估,最终到模型推理与部署,全面展示了图像识别技术在狗狗识别领域的应用与实现过程。原创 2024-01-27 08:52:19 · 1599 阅读 · 0 评论 -
ConceptBert:突破视觉问答的概念认知边界
ConceptBert的原始论文由 François Gardères、Maryam Ziaeefard、Baptiste Abeloos 和 Freddy Lécué 共同完成,题为《ConceptBert: Concept-Aware Representation for Visual Question Answering》。通过深入了解ConceptBert的实现,我们可以更好地理解其在视觉问答领域的应用。原创 2024-01-25 09:47:12 · 1002 阅读 · 0 评论 -
ICCV 2021 广义源无关领域自适应
领域自适应(DA)旨在将从源领域学习到的知识转移到未标记的目标领域。最近的一些工作涉及无源域自适应(SFDA),其中只有源预训练模型可用于自适应到目标域。然而,这些方法没有考虑保持源性能,这在实际应用中具有很高的实用价值。在本文中,我们提出了一种新的域自适应范式,称为广义无源域自适应(G-SFDA),其中学习的模型需要在目标域和源域上都表现良好,在自适应过程中只能访问当前未标记的目标数据。原创 2024-01-25 09:38:15 · 971 阅读 · 0 评论 -
基于深度学习的细胞感染性识别与判定
通过引入深度学习技术,我们能够更精准地识别细胞是否受到感染,为医生提供更及时的信息,有助于制定更有效的治疗方案。基于深度学习的方法通过学习大量样本,能够自动提取特征并进行准确的感染性判定,为医学研究提供了更高效和可靠的手段。通过引入先进的深度学习技术,我们能够实现更快速、准确的感染性判定,为医学研究和临床实践提供更为可靠的工具。其准确性和效率将为医学研究带来新的突破,为疾病的早期诊断和治疗提供更可靠的支持。通过大规模的训练,模型能够学到细胞感染的特征,并在未知数据上做出准确的预测。原创 2024-01-21 15:52:40 · 795 阅读 · 0 评论 -
基于深度学习的实例分割的Web应用
这是一个基于深度学习的实例分割Web应用的项目介绍。该项目使用PaddlePaddle框架,并以PaddleSeg训练的图像分割模型为例。项目总结了从零开始,全流程地介绍了如何将基于PaddlePaddle的图像分割模型部署成Web应用。利用Flask,Paddle模型的应用部署变得简单快捷。项目偏重于演示,实际工业化实践中需要进行进一步的开发和优化。原创 2024-01-15 15:32:55 · 697 阅读 · 0 评论 -
基于深度学习的桃子熟度与大小智能检测
通过PaddleHub,搭建一套完整的水果分拣系统变得简单易行。借助深度学习工具,我们能够轻松实现桃子熟度与大小的智能检测,为农业生产提供了高效的解决方案。快来尝试吧!原创 2024-01-15 15:25:20 · 766 阅读 · 0 评论 -
最小化构建基于深度学习的原子间势能和力场模型-DeePMD-kit
DeePMD-kit是一个用Python/C++编写的软件包,旨在最小化构建基于深度学习的原子间势能和力场模型以及执行分子动力学(MD)所需的工作量。这为分子模拟中准确性与效率的两难问题提供了新的解决方案。DeePMD-kit的应用范围从有限分子到扩展系统,从金属系统到化学键合系统。原创 2024-01-14 21:04:23 · 1315 阅读 · 0 评论 -
CarRacing DQN: 深度 Q 学习训练自驾车
本博客深入剖析了使用 DQN 算法训练自驾车代理的过程。通过经验回放和目标网络的应用,模型逐渐学会优化 Q 值以实现更好的导航策略。深度 Q 学习为解决复杂环境中的决策问题提供了一种强大而灵活的方法,为自动驾驶领域的研究和应用提供了新的思路。原创 2024-01-05 20:30:48 · 1195 阅读 · 0 评论 -
Flappy Bird QDN PyTorch博客 - 代码解读
在本博客中,我们将介绍如何使用QDN(Quantile Dueling Network)算法,在PyTorch平台下训练Flappy Bird游戏。QDN算法是一种强化学习算法,特别适用于处理具有不确定性的环境,如游戏。原创 2024-01-04 23:03:22 · 1845 阅读 · 2 评论 -
无人机低空视角:针对人群密集场景的检测、跟踪和计数技术
本文提出了一种时空多尺度注意力网络(STANet),用于解决由无人机捕捉的视频剪辑中的密集人群的密度图估计、定位和跟踪问题,涵盖了各种人群密度、视角和飞行高度。我们的STANet方法通过聚合顺序帧中的多尺度特征图来利用时间一致性,然后同时预测密度图、定位目标并在人群中关联它们。我们设计了一个由密度图损失、定位损失和关联损失三个项组成的多任务损失函数,并采用逐步应用注意力模块的粗到细过程,以强化网络对判别性时空特征的利用,以提高性能。整个网络以端到端的方式进行训练。原创 2024-01-03 09:29:28 · 1440 阅读 · 0 评论 -
植株计数-密度估计-从高分辨率RGB图像中快速实现高通量植物计数
TasselNetv2+是一种高效的植物计数方法,通过快速实现在高分辨率RGB图像上实现计数任务。相较于其前身TasselNetv2,TasselNetv2+在单个GTX 1070显卡上的运行速度提升了一个数量级,达到每秒30帧。尽管速度更快,TasselNetv2+在计数准确性方面保持了与TasselNetv2相当的水平。该项目提供了预训练的模型,方便用户直接使用。原创 2024-01-03 09:11:48 · 1231 阅读 · 0 评论 -
Python实现的面部健康特征识别系统
本文将介绍一个基于Python的面部健康特征判别系统,该系统利用互联网获取的公开数据集,分为健康、亚健康和不健康三个类别。功能包括模型训练和前台识别测试界面,界面中包含图像上传和识别结果返回的功能。模型训练阶段包括读取图像、处理图像、模型训练,以及利用训练好的模型进行图像识别等多个步骤。未来,该系统可以进一步扩展,增加更多面部特征的判别,为健康领域的研究和实践提供更多可能性。我们将介绍系统的前台识别测试界面,展示用户如何通过简单的操作上传面部图像,并查看系统返回的面部健康特征判别结果。原创 2023-12-30 08:54:28 · 623 阅读 · 0 评论