首页
首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
传知代码
wei_shuo
创建于2024-07-29
订阅专栏
我们致力于分享和推广卓越的编程代码和实践,激发用户的创造力和想象力,让更多人欣赏和学习。我们的目标是在编程世界中创造无限可能。
等 2 人订阅
共81篇文章
创建于2024-07-29
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
双深度学习模型实现结直肠癌检测(论文复现)
双深度学习模型实现结直肠癌检测(论文复现) @[toc] 研究背景和意义 背景 意义 ResNet模型结构 ResNet34的关键特性 4ViT模型结构 ViT模型的关键特性 ViT模型的工作流程 演
MonoCon解读与复现(论文复现)
MonoCon解读与复现(论文复现) @[toc] 论文解读 论文方法 方法描述 论文实验 论文总结 代码复现 数据集划分
【MAE】掩码自回归编码器(论文复现)
【MAE】掩码自回归编码器(论文复现) @[toc] 概述 方法 演示效果 核心逻辑 部署方式【MAE】掩码自回归编码器(论文复现)
LLaMA开放高效基础语言模型(论文复现)
LLaMA开放高效基础语言模型(论文复现) @[toc] 主要内容 主要贡献 技术细节 预训练数据构成 分词器 模型结构 优化器 实验结果 测试Llama
MMSD2.0和多模态讽刺检测(论文复现)
MMSD2.0和多模态讽刺检测(论文复现) @[toc] 主要内容 主要贡献 模型图 技术细节 数据集改进 多视图CLIP框架 实验结果 代码运行 安装包 运行
基于图神经网络的知识追踪方法(论文复现)
基于图神经网络的知识追踪方法(论文复现) 论文概述 论文方法 聚合 更新 预测 实验 数据集 实验步骤 实验结果 核心代码
图像高清化(论文复现)
图像高清化(论文复现) 概述 算法原理 核心逻辑 效果演示 使用方式 参数名 含义 max_MB 输入图像文件大小限制(以 MB 为单位) base64 是否将输出转码为 base64 格式 imag
一键找出图像中物体的角点(论文复现)
一键找出图像中物体的角点(论文复现) @[toc] 概述 算法原理 演示效果 核心逻辑 使用方式一键找出图像中物体的角点(论文复现)
商场楼宇室内导航系统
商场楼宇室内导航系统 @[toc] 效果图 导航效果图 查看信息 数据加载 加载模型 模型选型 处理楼层模型 绑定店铺 创建店铺名称 动态显示隐藏2d元素 空气墙 查看信息 楼梯 导航
多视图3D目标检测位置嵌入变换(论文复现)
多视图3D目标检测位置嵌入变换(论文复现) 概述 模型结构 3D坐标生成器 3D位置编码器 查询生成器和解码器 演示效果 核心逻辑 PETR主体部分 部署方式
从零开始搭建图像去雾神经网络(论文复现)
从零开始搭建图像去雾神经网络(论文复现) 创新点 网络结构 迁移学习子网 数据拟合子网 本次复现的实验设置 训练本次复现代码所用数据集 数据集 图片数量 真实\合成 室内\室外 O-Haze 45 真
一种通用的图像分割模型(论文复现)
一种通用的图像分割模型(论文复现) 概述 模型结构 掩码分类准备 实验 演示效果 核心逻辑一种通用的图像分割模型(论文复现)
StreamPETR复现详解(论文复现)
StreamPETR复现详解(论文复现) @[toc] 论文内容详读 论文方法 方法描述 方法改进 解决的问题 论文实验 论文总结 代码复现 环境设置 分步安装说明 数据准备 数据集 预训练权重 训练
DETR[端到端目标检测](论文复现)
DETR[端到端目标检测](论文复现) @[toc] 概述 模型主体框架 演示效果 核心逻辑 使用方式 部署方式 数据准备
动态键值记忆网络解决知识追踪(论文复现)
动态键值记忆网络解决知识追踪(论文复现) 论文概述 论文方法 模型 具体流程 输入表示 概念追踪 掌握水平更新 预测输出 DKVMN优势 实验部分 数据集 实验步骤 实验结果 核心代码
自监督行为识别-时空线索解耦(论文复现)
自监督行为识别-时空线索解耦(论文复现) @[toc] 引言 论文概述 核心创新点 双向解耦编码器 跨域对比损失的构建 结构化数据增强 项目部署 准备工作 数据准备 训练&测试 训练 测试 bug修改
基于BERT的语义分析实现(论文复现)
基于BERT的语义分析实现(论文复现) 概述 语义分类 文本分类 情感分类 实现原理 核心逻辑 test_demo.py 实现方式&演示效果 训练阶段 测试阶段
【ViT】对图片进行分类(论文复现)
【ViT】对图片进行分类(论文复现) 概述 模型结构 模型总体框架 Patch_embed Transformer Encoder MLP Head 演示效果 核心逻辑
WRN: 宽度残差网络(论文复现)
WRN: 宽度残差网络(论文复现) 概述 模型结构 核心逻辑 实验 训练与测试 数据集 准确率 CIFAR-10 94.16% CIFAR-100 74.12% SVHN 96.95% 在线部署 使用
LeNet-5(论文复现)
LeNet-5(论文复现) 概述 LeNet-5网络架构介绍 训练过程 测试过程 使用方式 说明LeNet-5(论文复现)
下一页