毕业设计-基于深度学习的老年人跌倒行为识别系统 人工智能机器视觉 YOLO 机器学习
毕业设计选题-基于深度学习的老年人跌倒行为识别系统利用先进的计算机视觉技术和深度学习算法，能够准确地识别老年人跌倒的行为模式，及时发出警报并提供紧急救援。深入探讨了系统设计原理、数据集的构建与处理方法，以及模型训练与优化过程。在不同环境下展现出出色的老年人跌倒行为识别性能，具备广泛的应用前景。为计算
斯坦福大学引入FlashFFTConv来优化机器学习中长序列的FFT卷积
斯坦福大学的FlashFFTConv优化了扩展序列的快速傅里叶变换(FFT)卷积。该方法引入Monarch分解，在FLOP和I/O成本之间取得平衡，提高模型质量和效率。
CMT:卷积与Transformers的高效结合
论文提出了一种基于卷积和VIT的混合网络，利用Transformers捕获远程依赖关系，利用cnn提取局部信息。构建了一系列模型cmt，它在准确性和效率方面有更好的权衡。
使用卷积操作实现因子分解机
本文将介绍如何使用卷积操作实现因子分解机器。
Python案例｜使用卷积网络对星系图片进行分类
星系动物园（galaxy zoo）是由牛津大学等研究机构组织并邀请公众协助的志愿者科学计划，目的是为超过100万个星系图像进行分类。这是天文学中一次规模浩大的公众星空普查活动，大众参与热情高涨，在近十万名志愿者的积极参与下，只用了175天就完成了第一阶段的星系动物园项目：对95万个星系进行了分类，而
U-net网络详解
U-net网络详解
ConvNeXt网络详解
今年(2022)一月份，Facebook AI Research和UC Berkeley一起发表了一篇文章A ConvNet for the 2020s，在文章中提出了ConvNeXt纯卷积神经网络，它对标的是2021年非常火的Swin Transformer，通过一系列实验比对，在相同的FLOPs
U2-net网络详解
U2-net网络详解
论文推荐：ACMix整合self-Attention和Convolution (ACMix)的优点的混合模型
混合模型ACmix将自注意与卷积的整合，同时具有自注意和卷积的优点。这是清华大学、华为和北京人工智能研究院共同发布在2022年CVPR中的论文
深度学习-用PyTorch实现面部形象分类(非常详细-适合初学者)
基于pytorch对面部形象分类，训练准确率99.97%，测试准确率96.76
ConvNeXt网络详解
今年(2022)一月份，Facebook AI Research和UC Berkeley一起发表了一篇文章A ConvNet for the 2020s，在文章中提出了ConvNeXt纯卷积神经网络，它对标的是2021年非常火的Swin Transformer，通过一系列实验比对，在相同的FLOPs
使用卷积神经网络进行实时面部表情检测
面部表情对于社交互动很重要，并且在非语言人机交互方面发挥着重要作用。本篇文章的目标是创建一个模型，该模型可以使用网络摄像头等普通设备识别和分类一个人当前的情绪。
