5篇关于特征嵌入的研究论文推荐
5篇最新的论文推荐
PyTorch 深度学习入门
深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有
2022/6/13
The Reforce Leaning based on Q-learning method, which is used in the interactive control of autos in the one single intersection. Easily speaking, the
基于自动编码器的赛车视角转换与分割
本文将利用vae将汽车前置视像头的图像转换成分割后的鸟瞰图
MicroNet实战：使用MicroNet实现图像分类
本文通过对植物幼苗分类的实际例子来感受一下MicroNet模型的效果。模型来自官方，我自己写了train和test部分。从得分情况来看，这个模型非常的优秀，我选择用的MicroNet-M3模型，大小仅有6M，但是ACC在95%左右，成绩非常惊艳！！！这篇文章从实战的角度手把手带领大家完成训练和测试。
计算机视觉可解释性——将特征图的某一通道转化为一张图来可视化
本实验是将某一层的特征图中的某一通道对其进行的可视化，有两种方式一种是使用opencv；另一种是使用tensorboard。运行结果使用的resnet50作为backbone的效果更好，将layer1的特征中第一层通道(256中的第1层)转化为图像 layer1. channels1.将layer1
Multimix：从医学图像中进行的少量监督，可解释的多任务学习
在这篇文章中，我们解释了一个可用于联合学习分类和分割任务的新的稀疏监督多任务学习模型MultiMix。该论文使用四种不同的胸部x射线数据集进行了广泛的实验，证明了MultiMix在域内和跨域评估中的有效性。
Tensorflow 2.x(keras)源码详解之第十三章：keras中的评估指标及自定义评估指标
@[toc]# 1. keras中API使用方法- 评估指标位于tf.keras.metrics模块，该模块下的评估指标都是一个类，需要实例化后，调用相应的方法，以tf.keras.metrics.Mean为例
使用贝叶斯优化进行深度神经网络超参数优化
在本文中，我们将深入研究超参数优化。
机器学习中训练和验证指标曲线图能告诉我们什么？
我们在训练和验证模型时都会将训练指标保存成起来制作成图表，这样可以在结束后进行查看和分析，但是你真的了解这些指标的图表的含义吗？
【动手教你学人脸识别：Python实现OpenCv+CNN深度学习网络人脸识别（含完整代码）】
动手教你学人脸识别：OpenCv+CNN深度学习网络实现人脸识别（含完整代码）最近在进行视觉方面的研究，发现人脸识别方向是一个非常火的方向。于是在网络上找了一些Demo来进行实现，但是找了很多Demo发现要么环境版本给的不全，导致到处都是错误，要么效果很差。因此想将自己成功实现的Demo整个环境以及
mmsegmentation 训练自制数据集全过程
mmsegmentation训练自己的数据集，环境配置，数据集制作，训练，预测全过程
基于特征点检测的人脸融合技术
所谓人脸融合：给定输入人脸A、B，输出的人脸C具有A和B共同的特征，是一张全新的人脸，也可以说是一张假脸。人脸融合的过程主要有三步：人脸特征点定位，人脸融合，人脸交换。第一步，通过深度学习训练的模型对两张待融合的图像进行关键点定位；第二步，根据定位结果对人脸进行融合；第三步，将融合得到的人脸交换到待
Faster R-CNN遇到的所有坑及解决方法
Faster RCNN
如何计算LSTM层中的参数数量
长短期记忆网络（通常称为“ LSTM”）是一种特殊的RNN，经过精心设计LSTM能够学习长期的依赖
PyTorch-LSTM时间序列预测中如何预测真正的未来值
PyTorch-LSTM时间序列预测中如何预测真正的未来值
宋朝名画“虎戴VR”，在外网火了
金磊 Alex 发自 凹非寺量子位 | 公众号 QbitAI谁能曾想，宋朝的老虎们，有一天能在国外被玩儿火了。事情是这样的。前不久谷歌不是出了个AI创作神器Imagen嘛。只要你给一句话，它就能生成符合语意的图片。然后脑洞大开的国外网友们，不按套路地给Imagen出了道题：给宋代的东方老虎佩戴VR。
YOLOX网络结构详解
在之前文章中我们已经聊过YOLO v5了，今天我们再来聊聊YOLOX。YOLOX是旷视科技在2021年发表的一篇文章，当时主要对标的网络就是很火的YOLO v5，如果对YOLO v5不了解的可以看下我之前的文章。那么在YOLOX中引入了当年的哪些黑科技呢，简单总结主要有三点，decoupled he
卷积神经网络中的傅里叶变换：1024x1024 的傅里叶卷积
本文介绍了卷积和DFT背后的数学理论，通过观察不同的光谱获得了一些想发，并且通过TensorFlow进行了实现，并验证了结果的正确性。
pytroch深度学习——transforms的使用
按住Ctrl查看transforms的源码可以知道，transforms就是一个python文件，里面定义了很多类，每一个类都是一个工具在结构那里，可以看到有很多的类通过ToTensor来学习transforms如何使用以及为什么使用tensor数据类型比如ToTensor的使用:为什么需要tens
