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 > 卷積神經網絡
卷積神經網絡（Convolutional Neural Networks， CNN）是一類包含卷積計算且具有深度結構的前饋神經網絡（Feedforward Neural Networks），是深度學習（deep learning）的代表算法之一。
文章：332個 瀏覽：12259次 帖子：18個
卷積神經網絡（Convolutional Neural Networks，簡稱CNN）是一種深度學習模型，廣泛應用于圖像識別、視頻分析、自然語言處理等領...
CNN 模型為深度學習模型，其具有局部連接、權 值共享和空間相關等特性，以及強魯棒性和容錯能力，適用于提取深層數據特征。
在神經網絡建模中，經常會出現關于神經網絡應該有多復雜的問題，即它應該有多少層，或者它的濾波器矩陣應該有多大。這個問題沒有簡單的答案。與此相關，討論網絡過...
光流計算作為計算機視覺的一個長期基本任務，其重要性顯而易見。由于運動視覺處理的特殊性，光流作為后面高級視覺處理的輸入，對其準確度、實時性都有著極高的要求...
自動駕駛有可能大大減少交通事故、道路擁堵以及相關的經濟損失。安全的自動駕駛需要檢測周圍的障礙物、移動物體并識別可駕駛區域。
近年來大規模視覺 Transformer 的蓬勃發展推動了計算機視覺領域的性能邊界。視覺 Transformer 模型通過擴大模型參數量和訓練數據從而擊...
這種理解導致了卷積神經網絡。網絡的第一層由掃描圖像的小塊神經元組成 - 一次處理幾個像素。通常這些是9或16或25像素的正方形。
該團隊提出的光學卷積處理單元實驗驗證了手寫數字圖像特征提取和分類能力。結果表明，圖像特征提取精度達到5 bit；對來自MNIST手寫數字數據庫的手寫數字...
卷積神經網絡（Convolutional Neural Networks, CNNs）作為深度學習的一個重要分支，在圖像處理、計算機視覺等領域取得了顯著...
卷積神經網絡和長期短期記憶網絡的核心，深度學習的兩個主要支柱，甚至在像谷歌的變形金剛這樣的更現代的網絡中，大多數計算都是線性代數計算，稱為張量數學。
機器學習技術已被廣泛接受，并且很適合此類分類問題。基于卷積神經網絡的雙重特征提取方法。提出的模型使用Radon拉冬變換進行第一次特征提取，然后將此特征輸...
構建神經網絡模型是深度學習領域的核心任務之一。本文將詳細介紹構建神經網絡模型的幾種方法，包括前饗神經網絡、卷積神經網絡、循環神經網絡、生成對抗網絡、深度...
目標值與輸出時產生的實際值之間的差值稱為損失，相關函數則稱為損失函數。網絡的所有要素和參數均包含在損失函數中。
在光強傳感方面，人類的視覺機制和大腦識別有望得到應用。大量的研究表明環境因素影響人的腦電圖。特別是光照條件對腦電圖的影響較大，即光照對腦電圖的影響是存在的。
卷積神經網絡（Convolutional Neural Network，簡稱CNN）是一種深度學習模型，主要用于處理具有網格結構的數據，如圖像。CNN通...
在本研究中，研究者提出了一種有效的深度卷積神經網絡(DCNN)結構，利用手持照相機拍攝的照片來檢測水稻的生長階段(DVS)。
使用卷積神經網絡（CNN）、支持向量機（SVM）、K近鄰（KNN）和長短期記憶（LSTM）神經網絡等四種不同的分類方法對三種步態模式進行自動分類。
由于深度學習，圖像識別和計算機視覺任務的性能得到了顯著提高。由于在龐大的數據集上訓練深度神經網絡，計算機現在可以可靠地分類和理解圖像，從而開辟了廣泛的應...
原文鏈接 feather map 在cnn的每個卷積層，數據都是以三維形式存在的。可以看成許多個二維圖片疊在一起，其中每一個稱為一個feature ma...
換一批
編輯推薦廠商產品技術軟件/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 | 物聯網 | 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 | 光伏發電 | UPS | AR | 智能電網 | 國民技術 | Microchip |
| 開關電源 | 步進電機 | 無線充電 | LabVIEW | EMC | PLC | OLED | 單片機 |
| 5G | m2m | DSP | MCU | ASIC | CPU | ROM | DRAM |
| NB-IoT | LoRa | Zigbee | NFC | 藍牙 | RFID | Wi-Fi | SIGFOX |
| Type-C | USB | 以太網 | 仿真器 | RISC | RAM | 寄存器 | GPU |
| 語音識別 | 萬用表 | CPLD | 耦合 | 電路仿真 | 電容濾波 | 保護電路 | 看門狗 |
| CAN | CSI | DSI | DVI | Ethernet | HDMI | I2C | RS-485 |
| SDI | nas | DMA | HomeKit | 閾值電壓 | UART | 機器學習 | TensorFlow |
| 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
下載發燒友APP
電子發燒友觀察
版權所有 ? 湖南華秋數字科技有限公司
長沙市望城經濟技術開發區航空路6號手機智能終端產業園2號廠房3層（0731-88081133）
電子發燒友 （電路圖） 湘公網安備43011202000918
工商網監
湘ICP備2023018690號-1
