AI阿远

三维重建是计算机视觉中一个重要的任务，其目的是从多个二维图像或其他传感器数据中恢复出物体的三维形状、表面纹理、光照等信息。三维重建算法可以应用于许多领域，如机器人视觉、虚拟...

CatBoost算法 CatBoost是一种梯度提升树（GBDT）算法，由Yandex团队开发。它具有自适应学习率和类别特征处理，能够处理分类和回归问题，并在多个数据集上表...

当涉及到机器学习文本分类问题时，有许多关键技术可以应用。这些技术可以帮助从业者更好地理解问题的本质，并选择合适的方法来解决文本分类任务。 一、特征提取技术 在文本分类问题中...

概述： LightGBM（Light Gradient Boosting Machine）是一种用于解决分类和回归问题的梯度提升机（Gradient Boosting Ma...

XGBoost算法简介 XGBoost是一种高效的机器学习算法，它结合了梯度提升决策树（Gradient Boosting Decision Tree, GBDT）和正则化...

在前馈神经网络中，信息的传递是单向的，这种限制虽然使得网络变得更容易学习，但在一定程度上也减弱了神经网络模型的能力。在生物神经网络中，神经元之间的连接关系要复杂的多。...

集成学习是一大类模型融合策略和方法的统称，其中包含多种集成学习的思想。集成学习一般可分为以下3个步骤。 （1）找到误差互相独立的基分类器。 （2）训练基分类器。 （3）合并...

特征工程，顾名思义，是对原始数据进行一系列工 程处理，将其提炼为特征，作为输入供算法和模型 使用。从本质上来讲，特征工程是一个表示和展现 数据的过程。...

线性模型(Linear Model) 是机器学习中应用最广泛的模型，指通过样本特征的线性组合来进行预测的模型。 因此，本节将介绍如何只利用 `Tensor` 和 `auto...

上一节我们介绍了LeNet-5和AlexNet网络，本节我们将介绍VGG-Nets、Network-In-Network和深度残差网络（residual network）。...

本节介绍几种广泛使用的典型深层卷积神经网络。 LeNet-5 的神经网络模型。基于LeNet-5的手写数字识别系统在90年代被美国很多银行 使用，用来识别支票上面的手写数字...

为了充分利用凸优化中一些高效、成熟的优化方法，比如共轭梯度、拟牛顿法等，很多机器学习方法都倾向于选择合适的模型和损失函数，以构造一个凸函数作为优化目标。但也有很多模型（比如...

OpenCV是一个基于（开源）发行的跨平台计算机视觉库，能实现图像处理和计算机视觉方面的很多通用算法。...

CVPR2023论文最新速递！含分割/VIT/点云等多个方向 2023 年 2 月 28 日凌晨，CVPR 2023 顶会论文接收结果出炉！...

在图像处理中,点运算是一种简单而又很重要的技术。对于一幅输入图像,经过点运算将产生一幅输出图像,后者的每个像素的灰度值仅由相应输入像素的值决定。对比度增强、对比度拉伸或灰度...

机器学习是从有限的观测数据中学习 （或“猜测”）出具有一般性的规律，并可以将总结出来的规律推广应用到未观测样本上。...

神经网络就是寻求一个拟合函数，但是因为参数过多，所以不得不借助每一点的梯度来一点一点的接近最佳的LOSS值，pytorch拥有动态的计算图，存储记忆对向量的每一个函数操作，...

Tensor和NumPy相互转换 但是需要注意的点是： 这两个函数所产⽣生的的 Tensor 和NumPy中的数组共享相同的内存（所以他们之间的转换很快），改变其中⼀个时另...

超声三维重建算法 在三维超声弹性成像中，三维重建是将二维弹性图转化成三维超声弹性图的关键一步。三维重建算法按照其原理的不同可以分为三类。...