qq_43561737-CSDN博客

原创 labelimg标注图片标签

4.右键 create rectbox 进行标注（快捷键w）1.安装输入pip install labelimg。点击open dir 导入图片文件夹。2.打开输入 labelimg。

2024-08-19 18:22:39 37

１２）其它卷积神经网络改进．此外，还有其它卷积神经网络改进，包括ｄｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ、ｓｔａｃｋｅｄｃｏｎｖｏｌｕｔｉｏｎａｌａｕｔｏｅｎｃｏｄｅｒｓ、ＳＲＣＮＮ、ＯｖｅｒＦｅａｔ、ＦｌｏｗＮｅｔ［４９］、Ｍｒ-ＣＮＮ［５０］、ＦＶ-ＣＮＮ［５１］、ＤｅｅｐＥｄｇｅ［５２］、ＤｅｅｐＣｏｎｔｏｕｒ［５３］、ｄｅｅｐｐａｒｓｉｎｇｎｅｔｗｏｒｋ［５４］、ＢｏｘＳｕｐ［５５］、ＴＣＮＮ［５６］、３维ＣＮＮ［５７］等．。5)深度残差网络（ＲｅｓＮｅｔ）

2024-08-19 10:02:17 451

原创 pytorch函数

【PyTorch】一文详细介绍随机数种子的原理、作用和使用场景_pytorch generatorimpl随机数生成器工作原理-CSDN博客。

2024-08-14 16:50:11 723

原创 Tensor

print(a)结果：tensor（4.）

2024-08-14 09:59:53 903

原创 Dropout: A Simple Way to Prevent Neural Networks from Overfitting Dropout：防止神经网络过度拟合的简单方法

当各个模型彼此不同时，组合多个模型是最有帮助的，并且为了使神经网络模型不同，它们应该具有不同的架构或针对不同的数据进行训练。此外，大型网络通常需要大量的训练数据，并且可能没有足够的数据可用于在不同的数据子集上训练不同的网络。即使能够训练许多不同的大型网络，在快速响应非常重要的应用中，在测试时使用所有这些网络也是不可行的。然而，在训练数据有限的情况下，许多复杂的关系将是采样噪声的结果，因此它们将存在于训练集中，但不存在于真实的测试数据中，即使它是从相同的分布中得出的。Dropout 是解决这两个问题的技术。

2024-08-13 14:51:55 585

原创 Deep learning for visual understanding: A review视觉理解的深度学习：回顾

深度学习算法是机器学习算法的一个子集，旨在发现多个级别的分布式表示。最近，人们提出了许多深度学习算法来解决传统的人工智能问题。这项工作旨在通过强调 210 多篇近期研究论文的贡献和挑战来回顾计算机视觉深度学习算法的最新进展。它首先概述了各种深度学习方法及其最新发展，然后简要描述了它们在各种视觉任务中的应用，例如图像分类、目标检测、图像检索、语义分割和人体姿势估计。最后，论文总结了深度神经网络设计和训练的未来趋势和挑战。

2024-08-09 14:02:07 912

qq_43561737的博客