MMLAB学习笔记-DAY2

已于 2023-02-03 23:09:25 修改
阅读量606 收藏
点赞数
文章标签： 深度学习 人工智能 计算机视觉
于 2023-02-03 23:04:59 首次发布
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/yomik/article/details/128862722
版权

图像分类与基础视觉模型

一、问题描述

  • 图像分类：给定一张图片，识别出图片中物体所属的类别
  • 实现步骤：收集数据->定义模型->训练->预测

二、卷积神经网络

  • AlexNet
  • VGG-19
  • GoogLeNet
  • 残差学习：让新增加的层拟合浅层网络与深层网络之间的差异，更容易学习。梯度可以直接回传到浅层网络监督浅层网络的学习

三、更强的分类模型

  • 神经架构搜索：借助强化学习设计网络结构
  • Vision Transformers：使用 Transformer 替代卷积网络实现图像分类，使用更大的数据集训练，达到超越卷积网络的精度
  • ConvNeXt：将 Swin Transformer 的模型元素迁移到卷积网络中

四、轻量化卷积神经网络

  • 降低模型参数量和计算量的方法：降低通道数、减小卷积核的尺寸
  • GoogLeNet：使用大小不同的卷积核来减小参数量
  • ResNet：使用1*1卷积降低通道数
  • 可分离卷积：将常规卷积分解为逐层卷积和逐点卷积，降低参数量和计算量
行吟画者
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
mmlab-train-test
10-09
VScode下非命令行运行的train.py与test.py，可以直接断点调试
Open MMLab Detection Toolbox-python
06-18
它是中大多媒体实验室开发的 OpenMMLab 项目的一部分。 主要特点 模块化设计 我们将检测框架分解为不同的组件，通过组合不同的模块，可以轻松构建定制的对象检测框架。 开箱即用支持多种框架工具箱直接支持流行和...
MMLab
weixin_46587777的博客
05-03 7582
MMLab MMLab的主要研究方向： 机器学习、强化学习、半监督/弱监督/自监督学习等方向的前沿方法和理论 长视频理解、3D视觉、生成模型等的计算机视觉新兴方向 物体检测、动作识别等核心方向的性能突破 深度学习的创新应用探索，以及与医疗、社会科学、艺术创作等领域的交叉创新 深度学习时代，算法与计算、系统框架、以及计算机体系结构的结合创新 ......
MMLAB库学习
weixin_46779338的博客
02-04 2170
上面展现了模型的结构，主干backbone使用的是ResNet网络，18层，一共4块，输出的是第4个(0,1,2,3)，3对应的是4.style对应的是，我也不太清楚。只知道有pytorch 3*3,和cafe1*1，stride均为2.下面是neck，一般来说，我们对模型进行改进就是对neck进行改进，这里采用的是全局平均池化，后面的是头，由于我们这里是分类故使用全连接做分类。其仅仅写出了一个框架，均为继承关系，因此不会有大片两的代码，共分为4个文件，分别是模型，数据，迭代策略，保存等打印配置。
MMLAB学习笔记-DAY1
yomik的博客
02-02 312
MMLAB训练营学习笔记1-对深度学习的简单认识
MMLAB学习笔记-DAY3
yomik的博客
02-04 122
MMLAB学习笔记-图像分类实战
MMLAB实战系列视频教程
09-13
深度学习时代最完整的计算机视觉开源算法体系！ 课程大纲； 第1章 MMCV安装方法 第2章 第一模块：分类任务基本操作 第3章 第一模块：训练结果测试与验证 第4章 第一模块：模型源码DEBUG演示 第5章 第二模块：使用...
MMLAB学习视频和学习代码
12-27
MMLAB是一个专注于图像处理领域的开源框架，提供了丰富的图像处理算法和工具，可以帮助开发者快速开发图像处理应用程序。MMLAB支持多种编程语言，包括C++、Python等，并且提供了多种图像处理工具，如滤波、边缘检测...
MMLAB实战系列课程下载
08-31
MMLAB实战系列课程下载。OpenMMLab 是一个适用于学术研究和工业应用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像...深度学习时代最完整的计算机视觉开源算法体系！
【深度学习】YOLOv5，金属表面的缺陷检测，GC10-DET数据集
q742971636的博客
04-26 404
数据集的lable文件夹下是每个图片的框和类别标记，是xml格式。
深度学习突破：LLaMA-MoE模型的高效训练策略
人工智能前沿分享
04-26 1322
在人工智能领域，大模型（LLM）的崛起带来了前所未有的进步，但随之而来的是巨大的计算资源需求。为了解决这一问题，Mixture-of-Expert（MoE）模型架构应运而生，而LLaMA-MoE正是这一架构下的重要代表。LLaMA-MoE是一种基于LLaMA系列和SlimPajama的MoE模型，它通过将LLaMA的前馈网络（FFNs）划分为稀疏专家，并为每层专家插入top-K个门，从而显著减小模型大小，降低训练成本。这种方法不仅保持了模型的语言能力，同时实现了输入的高效处理。
基于自注意力机制的长短期记忆神经网络(LSTM-SelfAttention)的回归预测
沅的博客
04-27 986
它结合了LSTM和自注意力机制的优势，可以有效地处理时序数据中的长期依赖关系和关键部分。这个模型结合了两个不同的结构，即长短期记忆网络（LSTM）和自注意力机制，从而在时序数据预测中发挥各自的优势。LSTM-SelfAttention模型的优势在于它既能捕捉到时序数据中的长期依赖关系（通过LSTM），又能关注输入数据中的关键部分（通过自注意力机制）。LSTM在时序数据预测中表现出色，因为它可以捕捉到数据中的长期依赖关系。自注意力层：在LSTM层之后，引入自注意力机制，以关注时序数据中的不同部分。
Sarcasm detection论文解析 |用于微博讽刺检测的上下文增强卷积神经网络
最新发布
人工智能学习生
04-30 810
在卷积神经网络的基础上，我们为这项任务提出了两种不同的语境增强神经网络模型。与之前的研究相比，我们的神经网络模型将推文内容本身的特征和上下文特征以单词向量的形式整合到了一个模型中。实验结果表明，与最先进的离散模型和基于上下文的模型相比，我们提出的上下文增强神经网络模型具有更好的性能，证明了上下文增强神经网络模型在这项任务中的有效性。
目标检测（任务概述、机器学习时代的方法、深度学习时代的目标检测模型）
hanmo22357的博客
04-27 1087
目标检测任务的概念：尝试从一张输入图像中找出感兴趣的物体所在的区域。感兴趣物体所在的区域：一般通过RoI（Region of Interest）进行表示，往往是一个包含有感兴趣的物体的水平的矩形，有时候也会是倾斜的矩形或一个表示物体轮廓线的任意几何形状。目标检测和OCR的关系：目标检测是一种常见的图像处理任务，是OCR任务的基础。目标检测技术的发展：在21世纪初，研究者们提出了很多基于机器学习的目标检测算法；十多年后，深度学习将目标检测引领向了一个新时代。目标检测方法的分类。
深度学习之基于Matlab NN的伦敦房价预测
Q1744828575的博客
04-30 458
一、项目背景房价预测是房地产领域的一个重要问题，对于投资者、开发商以及政策制定者等都具有重要的指导意义。随着深度学习技术的不断发展，其在房价预测领域的应用也越来越广泛。本项目旨在利用Matlab神经网络（NN）工具箱，构建一个基于深度学习的伦敦房价预测模型，以实现对伦敦地区房价的准确预测。二、项目目标数据收集与预处理：收集伦敦地区的房价数据，包括房屋类型、面积、地理位置、周边环境等信息，并进行数据清洗、去噪、标准化等预处理操作，以提高数据质量。
NLP（9）--rnn实现中文分词
njh1147394013的博客
04-27 285
rnn分词
基于Matlab使用深度学习的多曝光图像融合
Q1744828575的博客
04-30 371
一、项目背景在图像处理领域，多曝光图像融合技术是一种重要的技术，它可以将不同曝光条件下的多幅图像合并为一幅高动态范围（HDR）图像。这种技术对于改善图像的视觉效果、增强图像的细节和对比度等方面具有重要意义。近年来，随着深度学习技术的快速发展，将深度学习应用于多曝光图像融合领域已成为一个研究热点。本项目旨在利用Matlab平台和深度学习技术，实现高效、准确的多曝光图像融合。二、项目目标构建深度学习模型：基于Matlab深度学习工具箱，构建适用于多曝光图像融合的深度学习模型。
手写数字识别：基于决策树算法，KNN算法，支持向量机（SVM）算法与卷积神经网络（CNN）算法
weixin_43784341的博客
04-30 199
对于手写数字识别任务，我们可以使用不同的机器学习算法来实现，包括决策树、K最近邻（KNN）、支持向量机（SVM）和卷积神经网络（CNN）。下面我将为你提供每种算法的基本代码示例。这些是每种算法的基本实现示例。对于CNN算法，我们使用了Keras来构建模型，因为Keras提供了更简单易用的API来构建神经网络。
mmlab csra
09-05
对于"MMLAB csra"这个词组，我没有找到明确的解释或引用内容。根据我对MMLAB的了解，它是一个开源项目，涵盖了计算机视觉的多个研究课题，如图像分类、目标检测、目标分割等。MMLAB提供了一系列的实战课程和视频教程，可以帮助学习者深入了解计算机视觉相关的知识和算法。如果您能提供更多背景信息或具体的问题，我将尽力为您提供更准确的答案。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [MMLAB实战系列课程下载](https://download.csdn.net/download/gnmdyywmu/86504193)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [MMLAB实战系列视频教程](https://download.csdn.net/download/gnmdyywmu/86514723)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [MMLAB实战系列视频教程|MMLAB视频教程](https://download.csdn.net/download/xiluoenm/86514754)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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