人工智能

池化（Pooling） 池化是使用某一位置的相邻输出的总体统计特征代替网络在该位置的输出，其好处是当输入数据做出少量平移时，经过池化函数后的大多数输出还能保持不变。比如：当识别一张图像是否是人脸时，我

一、感受野（receptive field） 这里先给出概念，感受野：在卷积神经网络CNN中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野（receptive field）。 输

填充（padding） 在上图中，输入图片尺寸为$3\times3$，输出图片尺寸为$2\times2$，经过一次卷积之后，图片尺寸为$2\times2$，经过一次卷积之后，图片尺寸变小。卷积输出特征

卷积计算 卷积是数学分析中的一种积分变换的方法，在图像处理中采用的是卷积的离散形式。这里需要说明的是，在卷积神经网络中，卷积层的实现方式实际上是数学中定义的互相关 （cross-correlation

​ 【YOLOv8 注意事项】 1. YOLOv8 的官方仓库和代码已上线，文档教程网址也刚刚更新。 YOLOv8 代码集成在 ultralytics 项目中，目前看不会再单独创建叫做 YOLOv8

​  超越YOLOv7、v8! YOLOv6 v3.0正式发布!!! YOLOv6 全新版本v3.0正式发布！ 引入新的网络架构和训练方案，其中YOLOv6-S以484 FPS的速度达到45.0% A

本章介绍第一个机器学习算法:k-近邻算法，它非常有效而且易于掌握。首先，我们将探讨k-近邻算法的基本理论，以及如何使用距离测量的方法分类物品;其次我们将使用Python从文本文件中导人并解析数据;

一、机器学习 1.1机器学习概述 机器学习简介 机器学习，通俗地讲就是让机器拥有学习的能力，从而改善系统自身的性能。 这里的“学习”指的是从数据中学习，从数据中产生模型的算法，即学习算法。有了学习算法

​  以下是最新更新的 CVPR 2022 论文，包括的研究方向有：目标检测、预训练语言模型、Transformer、图像修复、模型训练、视觉语言表征学习、对比学习、深度估计、语义分割、动作检测、人脸

前言回顾 在这里粗略回顾一下YOLOv5，这里直接提供YOLOv5的整理的结构图吧 Backbone：CSPDarkNet结构，主要结构思想的体现在C3模块，这里也是梯度分流的主要思想所在的地方； P

但是面对海量样本的数据集，如果每次计算都使用全部的样本来计算损失函数和梯度，性能会很差，也就是计算的会慢。 随机梯度下降法(SGD) 为了解决性能差的问题，我们引入了随机梯度下降法(SGD)对其进行优

1.Paddle飞桨设计之“道” 当读者使用飞桨框架编写多个深度学习模型后，会发现程序呈现出“八股文”的形态。即不同的程序员、使用不同模型、解决不同任务的时候，他们编写的建模程序是极其相似的。虽然这些

一、数据处理 1.1 数据集介绍 本实验使用波士顿房价预测数据集，共506条样本数据，每条样本包含了13种可能影响房价的因素和该类房屋价格的中位数，各字段含义如下表所示： 字段名 类型 含义 CRIM

在我们初次接触论文的时候，经常性的遇到以下一系列的问题： ①研究论文时无法透彻理解paper，不能复现代码 ②无法提出创新优化方案，导致论文发不出 ③还有无法按照技术演进思路，系统学习深度学习知识 ④