1 卷积神经网络（CNN）模型结构在DNN大类中，卷积神经网络(Convolutional Neural Networks，以下简称CNN)是最为成功的DNN特例之一。CNN广泛的应用于图像识别，当然现在也应用于NLP等其他领域，本文我们就对CNN的模型结构做一个总结。1.1 CNN基本结构首先我们来看看CNN的基本结构。一个常见的CNN例子如下图：图中是一个图形识别的CNN模型。可以看出最左边的
转载
2023-10-08 08:52:35
828阅读
1. AlexNetAlexNet是2012年ImageNet竞赛冠军框架，也是在那之后，更多的神经网络框架相继被提出，论文地址可以在这里看到。整体的结构图如下所示： AlexNet共有八层，有60M以上的参数量。 前五层为卷积层：convolutional layer； 后三层为全连接层，fully connected layer。 最后一个全连接层输出具有1000个输出的softmax。（这个
转载
2024-04-28 14:47:46
217阅读
卷积神经网络可谓是现在深度学习领域中大红大紫的网络框架，尤其在计算机视觉领域更是一枝独秀。CNN从90年代的LeNet开始，21世纪初沉寂了10年，直到12年AlexNet开始又再焕发第二春，从ZF Net到VGG，GoogLeNet再到ResNet和最近的DenseNet，网络越来越深，架构越来越复杂，解决反向传播时梯度消失的方法也越来越巧妙。新年有假期，就好好总结一波CNN的各种经典架构吧，领
转载
2024-06-05 19:24:39
87阅读
计算机视觉（Compute Vision，CV）给计算机装上了“眼睛”，让计算机像人类一样也有“视觉”能力，能够“看”懂图片里的内容。 作为深度学习领域的最重要的应用场景之一，在手机拍照、智能安防、自动驾驶等场景均有广泛的应用，而检测类任务作为CV领域的一类经典任务，也在以上场景中广泛应用。
本文以经典的目标检测网络FasterRcnn为例，介绍一下如何使用MindSpore来完成一个检测模
DetNet在DetNet提出之前，检测框架的backbone一般都是用分类框架，或在上面稍加改动。分类框架用于检测有以下几个缺点： 1、stage(不同尺度的特征图，用于多尺度检测)少，只能自己加，但没有相应的预训练的权重。 2、downsample丢失信息严重。分类框架只需要预测类别，相比检测容许丢失更多的信息。detNet在resNet50的基础上作改进。改动部分为con4_x（stage4
转载
2024-09-10 12:16:16
50阅读
AutoForm v4.11-ISO 1CD(专业板金优化分析软件，好用！)
CAEFEM v9.3 1CD(有限元分析软件)
CAE PowerTools FEvis Publisher v1.1.0.13 1CD (有限元分析工具,可以很容易的把分析後的结果和顾客与同事进行讨论)
Engineering Equation Solver(EES) v6.883 1CD（工程方程求解器）
FEAC
文章目录七.全连接层八.BN 层1.BN的由来2.BN的作用，优点(1)BN使得网络中每层输入数据的分布相对稳定，加速模型学习速度(2)BN使得模型对网络中的参数不那么敏感，简化调参过程，使得网络学习更加稳定(3)BN允许网络使用饱和性激活函数（例如sigmoid，tanh等），缓解梯度消失问题(4)BN具有一定的正则化效果3.BN的操作阶段4.BN可以防止梯度消失吗5.为什么归一化后还要放缩和
转载
2023-12-12 22:48:36
46阅读
1.边界检测示例假如你有一张如下的图像，你想让计算机搞清楚图像上有什么物体，你可以做的事情是检测图像的垂直边缘和水平边缘。 如下是一个6*6的灰度图像，构造一个3*3的矩阵，在卷积神经网络中通常称之为filter，对这个6*6的图像进行卷积运算，以左上角的-5计算为例 3*1+0*0+1*-1+1*1+5*0+8*-1+2*1+7*0+2*-1 = -5 其它的
转载
2024-08-08 21:58:23
33阅读
1. 神经网络的优势特征提取的高效性。 即可以省去特征工程的工作，传统机器学习模型的feed in的特征集对结果影响很大。使用过多无用特征容易过拟合，使用不足的特征会欠拟合。特别是图像领域，许多参数的含义不明确，无法通过经验进行筛选。 大家可能会疑惑，对于同一个分类任务，我们可以用机器学习的算法来做，为什么
转载
2024-10-11 14:38:50
48阅读
图像检测与图像分割我们之前讲的都是图像分类的问题，在这一讲我们要介绍一些其他的计算机视觉中的问题，例如图像检测与图像分割。我们主要介绍一下四个部分：图像分割、分类+定位、多目标检测、多目标实例分割语义分类第一部分是语义分类。我们需要给每个像素都输出一个值，来代表这个像素属于某一个分类一种传统的方法就是用滑动窗口不断在输入图像上滑动， 然后输出窗口中央的像素属于哪一类。这种方法有很大的冗余性，比如两
转载
2023-12-26 21:03:40
140阅读
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 ，通常由输入层、卷积层、池化层、全连接层、输出层结构组成，其中卷积层、池化层、全连接层可能有多层。CNN的结构特性有：（1）局部连接在传统的神经网络结构中
转载
2024-02-02 10:49:24
131阅读
# 实现“架构图和架构图”流程及代码指南
## 1. 整体流程
在实现“架构图和架构图”过程中，我们需要明确以下步骤：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 创建一个类图 |
| 2 | 添加类、属性和方法 |
| 3 | 连接类之间的关系 |
| 4 | 输出生成的架构图 |
接下来，我将逐步介绍每个步骤需要做什么以及相应的代码指南。
## 2. 创建一个类
原创
2024-03-23 03:45:12
136阅读
文章目录1 什么是架构图？1.1 架构图的定义1.2 架构图的分类1.3 业务架构图1.4 应用架构图1.5 数据架构图1.6 技术架构图（重要）2 技术架构图2.1 技术架构的定义2.2 java技术架构图1 什么是架构图？1.1 架构图的定义往往系统是非常复杂的，无法一下子全部表达清楚，架构要涵盖的内容和决策太多了
原创
2023-02-08 20:34:23
6137阅读
# 如何实现“企业数据架构图 技术架构图 业务架构图”
## 1. 流程概述
在实现“企业数据架构图 技术架构图 业务架构图”时，我们可以通过以下步骤来完成整个流程：
```mermaid
journey
title 实现架构图流程
section 准备工作
开发者准备数据
小白学习基础知识
section 绘制企业数据架构图
原创
2024-03-20 05:52:02
193阅读
# 部署架构图与应用架构图的深入解析
在现代软件开发中，架构设计是确保系统可伸缩性、可维护性和高效性的关键因素。本文将阐述部署架构图和应用架构图的定义、重要性，以及如何通过代码示例理解这些概念。同时，我们还将利用Mermaid语法展示甘特图和旅行图，以便于更好地理解项目进程和用户旅程。
## 一、部署架构图
### 1.1 概念
部署架构图描述了软件系统如何在物理或虚拟硬件上部署，通常包括
网络架构名词总结 梳理一下学习的“无线侧接入网+承载网+核心网架构”，下图以一张网络架构简图来认识一下全网的网络架构，通过对全网架构的了解，以便后续对每一块网络细节的了解。 一、接入网（ACCESS NETWORK） 1、OAN（OLT、ONU、ODN、ONT）介绍OAN：光接入网络（optical access network）就是以光为传输介质的接入网络，替代铜线，用于接入每个家庭
转载
2023-05-27 11:13:33
1484阅读
# 如何绘制系统架构图和应用架构图
## 引言
作为一名经验丰富的开发者，你将有机会帮助一位刚入行的小白，教他如何实现系统架构图和应用架构图。系统架构图和应用架构图是软件开发过程中非常重要的工具，它们能够清晰地展示系统的结构和各个组件之间的关系。在本文中，我将介绍绘制系统架构图和应用架构图的步骤，并提供相应的代码示例和注释。
## 绘制系统架构图和应用架构图的步骤
下表展示了整个绘制系统架构
原创
2024-01-20 09:14:44
466阅读
1 分布式车载IDS架构1.1 分布式车载IDS架构主要由四部分组成：安全传感器(SE)入侵检测系统管理器（IdsM）安全事件存储（Sem）入侵检测系统报告器（IdsR）1.2 安全传感器和安全事件AUTOSAR的BSW，CDD和SWC模块都可以被指作为安全传感器，安全传感器将安全事件报告给IdsM。AUTOSAR将可以由BSW报告的安全事件类型进行了标准化，可以在各BSW软件规范文档中检索到，S
转载
2024-07-17 13:35:10
215阅读
一. NB总体网络架构 NB-IoT端到端系统架构如下图所示： 终端：UE（User Equipment），通过空口连接到基站（eNodeB（evolved Node B , E-UTRAN 基站））。无线网侧：包括两种组网方式，一种是整体式无线接入网（Singel RAN），其中包括2G/3G/4G以及NB-IoT无线网，另一种是NB-IoT新建。主要承担空口接入
转载
2023-07-06 17:37:21
745阅读
GFS是一个面向大规模数据密集型应用的，可伸缩的分布式文件系统。GFS可以运行在廉价的设备上，并且能够提供具有容灾、高性能的服务。GFS架构：一个GFS集群包括一个单点Master，多台Chunk服务器(ChunkServer，下面也称块服务器)，并且能够同时被多个客户端访问。如图1所示。所有的这些机器可以使普通的运行用户级线程的Linux机器。只要机器允许，我们完全可以将客户端与Chunk服务器
转载
2024-08-08 14:45:34
124阅读
