完善資料讓更多小伙伴認識你，還能領取20積分哦，立即完善>
標簽 > 深度學習
文章：4761個 瀏覽：124699次 帖子：174個
“機器學習”“人工智能”“深度學習”這三個詞常常被人混淆，但其實它們出現(xiàn)的時間相隔甚遠，“人工智能”（Artificial Intelligence，A...
這是最早用于自動駕駛領域的語義分割數(shù)據(jù)集，發(fā)布于2007年末。他們應用自己的圖像標注軟件在一段10分鐘的視頻中連續(xù)標注了700張圖片，這些視頻是由安裝在...
2018-05-29 標簽：數(shù)據(jù)集自動駕駛深度學習 9.2k 0
深入淺出的介紹了深度學習的理論——用理論的力量橫掃深度學習！
很多機器學習問題是深度為2的子案例，例如，輸入層和輸出層之間的一個隱含層。通常假設網(wǎng)絡的結構、數(shù)據(jù)分布，等等。比起GD/SGD，可以使用不同算法，例如張...
2018-07-12 標簽：神經(jīng)網(wǎng)絡機器學習深度學習 9.2k 0
如何將CycleGAN用于風格遷移并探索其在游戲圖形模型中的應用
該網(wǎng)絡能夠理解原始域圖像中的對象，并對目標域圖像中相同對象的外觀做相應的變換。該網(wǎng)絡的算法實現(xiàn)經(jīng)訓練后，可以將馬轉化為斑馬，將蘋果轉化為橙子，將照片轉化...
2019-02-11 標簽：神經(jīng)網(wǎng)絡圖像深度學習 9.2k 0
開源深度學習軟件最早出現(xiàn)在20世紀90年代，當時出現(xiàn)了許多關鍵的算法突破。從那時起，計算機科學家已經(jīng)能夠更好地利用巨大的計算能力和數(shù)據(jù)，這對神經(jīng)系統(tǒng)的形...
2019-05-08 標簽：神經(jīng)網(wǎng)絡機器視覺深度學習 9.2k 0
表中給出了全球對于自動駕駛技術的評級，包括從純粹的人工駕駛L0級到高度的自動駕駛L4級。不過目前各國重點研發(fā)的還是有條件的自動駕駛，例如L3級的自動駕駛...
好啦，看似問題都解決了，目標成功達成。剩下的我們就只需要重復的進行等長卷積+等長卷積+使用一個size=3和stride=2進行maxpooling進行...
借著大數(shù)據(jù)和深度學習的東風，PIM一下子流行起來。其實，PIM并不是一個新概念， 每一個很靠譜的PIM的綜述文章都會講那個開始-The Berkeley...
手把手教你解決-深度學習訓練數(shù)據(jù)不平衡問題
當我們解決任何機器學習問題時，我們面臨的最大問題之一是訓練數(shù)據(jù)不平衡。不平衡數(shù)據(jù)的問題在于學術界對于相同的定義、含義和可能的解決方案存在分歧。我們將嘗試...
AI 科技評論消息，繼去年 11 月開源面向高維稀疏數(shù)據(jù)場景的深度優(yōu)化工具 X-Deep Learning（截至發(fā)稿，GitHub Star 數(shù)已達到 ...
探討神經(jīng)網(wǎng)絡基本架構：單元/神經(jīng)元、連接/權重/參數(shù)、偏置項
神經(jīng)網(wǎng)絡（NN）幾乎可以在每個領域幫助我們用創(chuàng)造性的方式解決問題。本文將介紹神經(jīng)網(wǎng)絡的相關知識。讀后你將對神經(jīng)網(wǎng)絡有個大概了解，它是如何工作的？如何創(chuàng)建...
2020-10-08 標簽：神經(jīng)網(wǎng)絡卷積神經(jīng)元 9k 0
Python軟件基金會成員（Contibuting Member）Vihar Kurama簡明扼要地介紹了深度學習的基本概念，同時提供了一個基于Kera...
下一步，我們初始化視頻流（來源可以是視頻文件或攝像頭）。首先，我們啟動 VideoStream（第 35 行），隨后等待相機啟動（第 36 行），最后開...
OpenAI的研究者們提出了一種新的生成模型，能快速輸出高清、真實的圖像
為下游任務提供了有用的隱藏空間。自回歸模型的隱藏層有著位置的邊緣分布，使其更難對數(shù)據(jù)進行正確操作。在GAN中，數(shù)據(jù)點經(jīng)常不能直接表現(xiàn)在隱藏空間中，因為它...
谷歌大腦研究人員剛剛在官博上宣布了他們的最新研究成果，使用深度學習分析視網(wǎng)膜圖像，以此預測心血管疾病突發(fā)的風險。使用深度學習來獲得人體解剖學和疾病變化之...
簡要回顧視頻理解方面的近年進展，并對未來可能的研究方向作一展望
Ng等人先提取每一幀的深度卷積特征，再設計特征融合方法得到最終輸出。其中，紫色代表沿時間方向進行最大匯合(max-pooling)，黃色代表全連接層，綠...
目前以深度學習為代表的人工智能計算需求，主要采用 GPU、FPGA 等已有的適合并行計算的通用芯片來實現(xiàn)加速。在產(chǎn)業(yè)應用沒有大規(guī)模興起之時，使用這類已有...
我們都知道特征檢測和匹配是計算機視覺領域中的重要任務，它們在許多應用中發(fā)揮著關鍵作用，比如SLAM、SFM、AR、VR等許多算法都需要穩(wěn)定精確的特征檢測和匹配。
深度學習的概念、發(fā)展狀況以及和機器學習的區(qū)別和應用
一般來說，深度學習適用于計算量更大的情況，而機器學習技術相對更易于使用。
AI大模型（如LLM，即大型語言模型）與傳統(tǒng)AI在多個方面存在顯著的區(qū)別。以下將從技術層面、應用場景、性能表現(xiàn)、計算資源和成本、以及發(fā)展趨勢和挑戰(zhàn)等角度...
換一批
編輯推薦廠商產(chǎn)品技術軟件/工具OS/語言教程專題
| 電機控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動駕駛 | TI | 瑞薩電子 |
| BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 無刷電機 | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
| 直流電機 | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
| 步進電機 | SPWM | 充電樁 | IPM | 機器視覺 | 無人機 | 三菱電機 | ST |
| 伺服電機 | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國民技術 | Microchip |
| Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |
關注我們的微信
下載發(fā)燒友APP
機器人發(fā)燒友
