深度学习

本文正在参加 人工智能创作者扶持计划 1、最近邻算法 最近邻算法是一种基于实例的学习，或者是局部近似和将所有计算推迟到分类之后的惰性学习，可以用于基本的分类与回归方法。 如下图所示，最近邻算法的工作原

本文正在参加 人工智能创作者扶持计划 1、聚类概述 1.1 什么是聚类 聚类就是把数据对象集合按照相似性划分成多个子集的过程(如下图)。其中，每个子集称为一个簇。聚类不仅要使簇中的对象彼此相似，而且要

本文正在参加 人工智能创作者扶持计划 1、决策树 决策树属于经典的十大数据挖掘算法之一，是一种类似于流程图的树型结构，其规则就是if…then…的思想，用于数值型因变量的预测和离散型因变量的分类。决策

本文正在参加 人工智能创作者扶持计划 1、分类概念 分类是找出描述和区分数据类或概念的模型，以便使用模型预测类标号未知的对象类标号。 分类一般分为两个阶段： 学习阶段： 建立描述预先定义的数据类或概念

本文正在参加 人工智能创作者扶持计划 1、提升方法(Boosting) 1.1、相关知识 提升方法（Boosting），是一种可以用来减小监督式学习中偏差的机器学习算法。面对的问题是迈可·肯斯（Mic

本文正在参加 人工智能创作者扶持计划 1、随机森林 随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树。想象组合分类器中的每个分类器都是一棵决策树，因此，分类器的集合就是一个“

本文正在参加 人工智能创作者扶持计划 1、Bagging：有放回的重采样 袋装(Bagging)是一种采用随机又放回抽样选择训练数据构造分类器进行组合的方法。如同找医生看病，选择多个医生，根据多个医生

1、ResNet-D架构   ResNetRS是在ResNet-D架构上面的改进，ResNet-D架构的结构如下： 2、ResNetRS架构   我们提供了有关 ResNet-RS 架构更改的更多详细

1、DenseNet简介   DenseNet的文章我以前写过，原理篇看这里：DenseNet:Densely Connected Convolutional Networks--CVPR2017最佳

1、摘要   我们的工作重新审视了规范的 ResNet (He et al., 2015)，并研究了这三个方面，以试图解开它们。也许令人惊讶的是，我们发现训练和扩展策略可能比架构变化更重要，而且由此产

1、Abstract   视觉识别的“咆哮的 20 年代”始于 Vision Transformers (ViTs) 的引入，它迅速取代了 ConvNets，成为最先进的图像分类模型。另一方面，普通的

1、论文摘要   由于内存和计算资源有限，在嵌入式设备上部署卷积神经网络 (CNN) 很困难。特征图中的冗余是那些成功的 CNN 的一个重要特征，但在神经架构设计中很少被研究。本文提出了一种新颖的 G

1、摘要   在这项工作中，我们提出了一种新的网络设计范式。我们的目标是帮助促进对网络设计的理解，并发现跨环境通用的设计原则。我们不是专注于设计单个网络实例，而是设计参数化网络群体的网络设计空间。整个

1、EfficientNetV2简介   这篇文章介绍了EfficientNetV2，与以前的模型相比，它具有更快的训练速度和更好的参数效率。为了开发这些模型，我们结合使用训练感知神经架构搜索和缩放，

@toc 1、EfficientNet简介 2、各种缩放方法   图 2. 模型缩放。 (a) 是一个基准网络示例； (b)-(d) 是常规缩放，仅增加网络宽度、深度或分辨率的一维。 (e) 是我们提

1、残差单元优化   图中的 Iterations 表示迭代次数；Test Error 表示测试集错误率。   (a)original 表示原始的 ResNet 的残差结构，(b)proposed 表

@toc 1、MobileNetV3改进 更新了MobileNetV2中的倒残差结构 使用NAS搜索参数 重新设计耗时层结构 重新设计激活函数。 2、 MobileNetV1 2.1 Depthwis

1、DenseNet简介   DenseNet:以前馈方式将每一层连接到其他每一层。对于具有L层的传统卷积网络有L个连接(每一层与其后续层之间有一个连接)，而DenseNet有$\frac{L(L+1

1、简介   关键部分：提出了卷积块注意模块（CBAM），这是一种用于前馈卷积神经网络的简单而有效的注意模块。==给定一个中间特征图，我们的模块沿两个单独的维度（通道和空间）顺序推断注意力图，然后将注

1、什么是注意力机制？   注意力机制的核心重点就是让网络关注到它更需要关注的地方。   当我们使用卷积神经网络去处理图片的时候，我们会更希望卷积神经网络去注意应该注意的地方，而不是什么都关注，我们不