![](https://img-blog.csdnimg.cn/direct/8708e4248d6b40eb9299de589ae30b73.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能
文章平均质量分 96
聚焦深度学习
error 10086.
这个作者很懒,什么都没留下…
展开
-
【人工智能】ResNet与MobileNet实现猫狗识别
不同模型取得最佳结果时的各项指标:本次实验中,最佳Top-1准确率由ResNet101达到,而MobileNetV3的准确率虽稍逊于ResNet101,其存储开销有较大幅度领先。原创 2024-04-03 21:02:12 · 1190 阅读 · 2 评论 -
【人工智能】Paddle框架实现海洋生物识别
通过继承 paddle.io.Dataset 类自定义数据集类 MyDataset ,对传⼊的数据列表进行随机打乱,使用 ToTensor 接口对数据进行转换,以匹配数据馈送格式,并对图像的三通道分别进⾏标准化。在中进行了图像的缩放、转换为 numpy 数组、转置和归一化等操作。''' 自定义的数据集类 ''''''* `label_list`: 标签与文件路径的映射列表* `transform`: 数据处理函数'''random.shuffle(label_list) # 打乱映射列表。原创 2024-04-03 20:56:20 · 828 阅读 · 1 评论 -
【人工智能】使用PaddlePaddle实现yolov3识虫
按一定规则在图片上产生一系列的候选区域,然后根据这些候选区域与图片上物体真实框之间的位置关系对候选区域进行标注。跟真实框足够接近的那些候选区域会被标注为正样本,同时将真实框的位置作为正样本的位置目标。偏离真实框较大的那些候选区域则会被标注为负样本,负样本不需要预测位置或者类别。使用卷积神经网络提取图片特征并对候选区域的位置和类别进行预测。原创 2024-04-01 14:55:13 · 1329 阅读 · 0 评论 -
【人工智能】保姆级波士顿房价预测
波士顿房价预测是一个经典的机器学习任务,类似于程序员世界的“Hello World”。和大家对房价的普遍认知相同,波士顿地区的房价是由诸多因素影响的。该数据集统计了13种可能影响房价的因素和该类型房屋的均价,期望构建一个基于13个因素进行房价预测的模型,如所示。对于预测问题,可以根据预测输出的类型是连续的实数值,还是离散的标签,区分为回归任务和分类任务。因为房价是一个连续值,所以房价预测显然是一个回归任务。下面我们尝试用最简单的线性回归模型解决这个问题,并用神经网络来实现这个模型。原创 2024-04-03 20:40:36 · 2421 阅读 · 3 评论 -
【人工智能】新手版手写数字识别
MNIST数据集包含60000个训练集和10000测试数据集。分为图片和标签,图片是28x28的像素矩阵,标签为0~9共10个数字所搭建的网络不包括输入层的情况下,共有7层:5个卷积层、2个全连接层 其中第一个卷积层的输入通道数为数据集图片的实际通道数。MNIST数据集为灰度图像,通道数为1 第1个卷积层输出与第3个卷积层输出做残差作为第4个卷积层的输入,第4个卷积层的输入与第5个卷积层的输出做残差作为第1个全连接层的输入# 定义多层卷积神经网络#动态图定义多层卷积神经网络z = yy = y+z。原创 2024-04-03 20:29:59 · 1037 阅读 · 1 评论 -
【人工智能】使用yolov7和youlov8以及re-detr模型实现安全帽检测
最终得分:65.9046在此次安全帽比赛中,我尝试使用了五种不同的模型分别是yolov2、yolov3、yolov7、yolov8和re-detr五种模型,开始时我分别对五种模型进行了10个epoch的测试,没想到我报以最大希望的yolov7和yolov8的效果却远远没有达到我的预期,这让我非常的疑惑,我在两天的时间内反复调试yolov7和yolov8的学习率和anchor等相关参数,但是始终没有得到一个满意的结果,我搜集了很多资料,却没有一个能够让实验顺利进行下去。原创 2024-04-01 15:06:29 · 1593 阅读 · 0 评论