- 博客(6)
- 收藏
- 关注
RSS订阅原创 从零开始复现ai论文代码：YOLOv8代码复现
通过 decoupled head 与 CSP-ELAN 结构显著提升了检测精度与收敛稳定性，在 COCO 数据集上实现了速度与精度的新平衡，为 YOLO 系列的工程化发展树立了标杆。YOLOv8 是一款高性能、易部署的 anchor-free 实时目标检测框架，并扩展为统一的多任务视觉模型，适配检测、分割、姿态等多场景任务。通过网盘分享的文件：YOLOv8完整复现代码.zip。分开设计，各自独立卷积层，最后再融合置信度。，每个 grid cell 会预测多个锚框。这样一套框架即可训练多种任务，只需修改。
2025-10-12 14:38:07
1269
原创 从零开始复现ai论文代码：EfficientNet (2019)论文代码复现
特点说明🎯 创新点复合缩放法（Compound Scaling）🧱 模块MBConv + SE 注意力⚙️ 优势高准确率 + 高效率（参数小、精度高）📊 思想模型放大要平衡深度、宽度、分辨率🔄 继承来源于 MobileNetV2、SENet🌱 发展EfficientNetV2、Lite、EdgeTPU 等。
2025-10-10 11:42:20
938
原创 从零开始复现ai论文代码：VGGNet论文代码复现
核心口号：复杂问题，用简单的“卷积堆积木”来解决。方法：把大卷积换成小卷积，不停地堆叠，让网络更深。结果：分类准确率显著提升，模型结构更优雅，成为经典 backbone。VGGNet论文及论文解读、数据集、完整复现代码：链接:pwd=fipj提取码: fipjimport osimport syscfgs = {return xelse:else:total = 0total = 0])])else:main()
2025-09-30 16:33:55
402
原创 从零开始复现ai论文代码：ResNet论文代码复现
ResNet 通过引入残差学习（shortcut 恒等映射），解决了深层网络的退化问题，使得训练百层以上的网络成为可能，并在 ImageNet 上取得突破性成果，成为深度学习历史上的里程碑。ResNet论文及论文解读、数据集、完整复现代码：链接:pwd=6yah提取码: 6yahresnet.py# 3x3 卷积# 残差单元（BasicBlock，适用于ResNet18/34）return out# ResNet 主体。
2025-09-30 16:31:08
738
原创 从零开始复现ai论文代码：AlexNet (2012) 论文代码复现
AlexNet 论文通过在大规模数据集上应用深度卷积神经网络，开创了计算机视觉领域的新时代。通过创新的网络架构、训练技术和计算优化，AlexNet 在2012 年 ImageNet挑战赛中取得了压倒性的胜利，证明了深度学习方法在图像分类任务中的优越性。这个网络的成功直接促使了更深更复杂的模型（如 VGG、ResNet 等）的发展，也为后续的计算机视觉任务，如目标检测、图像分割等，打下了基础。AlexNet论文及论文解读、数据集、完整复现代码：链接:pwd=w647提取码: w647model.py。
2025-09-30 16:28:14
1138
原创 从零开始复现ai论文代码：LeNet-5论文代码复现
LeNet-5 是第一个真正意义上的卷积神经网络，它让机器能自动学会从像素到数字的识别，开创了深度学习的新时代。lenet-5论文及其复现代码.zip链接:
2025-09-30 16:20:38
765
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人