• 自動(dòng)駕駛感知系統(tǒng)中卷積神經(jīng)網(wǎng)絡(luò)原理的疑點(diǎn)分析

  卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）的核心技術(shù)主要包括以下幾個(gè)方面：局部連接、權(quán)值共享、多卷積核以及池化。這些技術(shù)共同作用，使得CNN在圖像和語(yǔ)音識(shí)別等領(lǐng)域取得了顯著成就，并廣泛用于車輛自動(dòng)駕駛的圖像目標(biāo)識(shí)別中。

  智駕最前沿

  866

  04/07 11:25

  自動(dòng)駕駛 卷積神經(jīng)網(wǎng)絡(luò)

  
• 融合注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)-雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(CNN-BiLSTM-Attention)的多變量

  CNN-BiLSTM-Attention模型是一種在自然語(yǔ)言處理(NLP)任務(wù)中常用的強(qiáng)大架構(gòu)，如文本分類、情感分析等。它結(jié)合了卷積神經(jīng)網(wǎng)絡(luò)(CNN)、雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(BiLSTM)和注意力機(jī)制的優(yōu)勢(shì)，能夠捕捉局部特征和序列數(shù)據(jù)中的長(zhǎng)程依賴關(guān)系。

  算法小狂人

  2787

  03/25 12:25

  Python 卷積神經(jīng)網(wǎng)絡(luò)

  
• CNN-SVM時(shí)間序列預(yù)測(cè)/詳細(xì)原理講解

  CNN-SVM（卷積神經(jīng)網(wǎng)絡(luò)-支持向量機(jī)）是一種將卷積神經(jīng)網(wǎng)絡(luò)（CNN）與支持向量機(jī)（SVM）組合起來的深度學(xué)習(xí)模型。CNN-SVM模型的目標(biāo)是通過結(jié)合CNN的特征提取能力和SVM的分類能力來提升圖像分類、模式識(shí)別等任務(wù)的性能。以下詳細(xì)介紹這兩種模型各自的數(shù)學(xué)原理及其組合后的工作原理。

  算法小狂人

  1030

  03/24 15:30

  卷積神經(jīng)網(wǎng)絡(luò) CNN

  
• 最簡(jiǎn)單用TensorFlow實(shí)現(xiàn)CNN（cifar10數(shù)據(jù)集）

  CNN的本質(zhì)是先把數(shù)據(jù)進(jìn)行特征提取，再送進(jìn)DNN。前面特征提取的部分可以概括為CBAPD，C表示卷積（convolution），B表示批標(biāo)準(zhǔn)化（batch normalization），A表示激活（activation），P表示池化（pool），D表示（dropout）

  全棧O-Jay

  1850

  2024/12/11

  CNN TensorFlow

  
• 借助支持邊緣 AI 的 MCU 優(yōu)化實(shí)時(shí)控制系統(tǒng)中的系統(tǒng)故障檢測(cè)

  當(dāng)前關(guān)于人工智能 (AI) 和神經(jīng)網(wǎng)絡(luò)的討論主要集中在生成應(yīng)用（生成圖像、文本和視頻），很容易忽視 AI 將為工業(yè)和基礎(chǔ)設(shè)施應(yīng)用中的電子產(chǎn)品帶來變革的實(shí)際示例。 不過，雖然在電機(jī)驅(qū)動(dòng)器、太陽(yáng)能（如圖 1 所示）和電池管理應(yīng)用的實(shí)時(shí)控制系統(tǒng)中采用 AI 不會(huì)像新的大型語(yǔ)言模型那樣引起大量關(guān)注，但使用邊緣 AI 進(jìn)行故障檢測(cè)可以顯著影響系統(tǒng)的效率、安全性和生產(chǎn)力。 圖 1 太陽(yáng)能電池板陣列 本文中將討

  與非網(wǎng)編輯

  2377

  2024/11/28

  人工智能 MCU

  
• 通過軟件洞察和用例分析塑造的NPU IP架構(gòu)

  Ido Gus,?深度學(xué)習(xí)高級(jí)團(tuán)隊(duì)負(fù)責(zé)人,?傳感器與音頻業(yè)務(wù)部門, Ceva ? 神經(jīng)處理單元（NPU）的出現(xiàn)徹底改變了機(jī)器學(xué)習(xí)領(lǐng)域，使深度學(xué)習(xí)任務(wù)所需的復(fù)雜數(shù)學(xué)計(jì)算得以高效地執(zhí)行。通過優(yōu)化矩陣乘法和卷積運(yùn)算，NPU極大地增強(qiáng)了AI（人工智能）模型在各個(gè)領(lǐng)域的能力，從服務(wù)器群到電池驅(qū)動(dòng)設(shè)備。 TinyML（微型機(jī)器學(xué)習(xí)）的出現(xiàn)進(jìn)一步推動(dòng)了AI的發(fā)展，其重點(diǎn)是在資源有限的嵌入式設(shè)備上實(shí)現(xiàn)機(jī)

  與非網(wǎng)編輯

  2016

  2024/07/15

  NPU mac

  
• 國(guó)方創(chuàng)新與燧原科技聯(lián)合發(fā)起“方原會(huì)”長(zhǎng)三角人工智能生態(tài)聯(lián)盟

  近日，國(guó)方創(chuàng)新和燧原科技共同發(fā)起“方原會(huì)”長(zhǎng)三角人工智能生態(tài)聯(lián)盟。在“智算產(chǎn)業(yè)的商業(yè)化落地之路”圓桌環(huán)節(jié)中，與會(huì)的嘉賓們進(jìn)行了全方位的深入討論。 嘉賓們從多個(gè)維度探討了人工AIGC（人工智能生成內(nèi)容）和智算中心的商業(yè)化發(fā)展方向，認(rèn)為AIGC技術(shù)在內(nèi)容創(chuàng)造和企業(yè)個(gè)性化服務(wù)等方面具有巨大的商業(yè)潛力，并指出了算力優(yōu)化適配和提升國(guó)產(chǎn)算力競(jìng)爭(zhēng)力等挑戰(zhàn)。 在談?wù)揂IGC商業(yè)化落地時(shí)，澎峰科技COO王軍輝表示：

  深圳王哥

  1193

  2024/06/06

  人工智能 CNN

  
• 一文總結(jié)CNN中【各類卷積】操作

  本文詳細(xì)總結(jié)CNN中各類卷積，旨在指導(dǎo) domain-specific 更好的模型設(shè)計(jì)，包括標(biāo)準(zhǔn)卷積，分組卷積（Group Conv），深度可分離卷積（Depthwise Separable Conv），轉(zhuǎn)置卷積（Transposed Conv），空洞卷積（Dilated Conv），可變形卷積（Deformable Conv），和 特征重標(biāo)定技術(shù)（Squeeze-and-Excitation）。

  全棧O-Jay

  4252

  2024/05/06

  卷積神經(jīng)網(wǎng)絡(luò) CNN

  
• 一文總結(jié)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)CNN模型

  CNN（卷積神經(jīng)網(wǎng)絡(luò)）更適合計(jì)算機(jī)視覺領(lǐng)域。下面總結(jié)從1998年至今的優(yōu)秀CNN模型，包括LeNet、AlexNet、ZFNet、VGG、GoogLeNet、ResNet、DenseNet、SENet、SqueezeNet、MobileNet。在了解巨佬們的智慧結(jié)晶，學(xué)習(xí)算法上的思路和技巧，便于我們自己構(gòu)建模型，也便于我們做遷移學(xué)習(xí)。

  全棧O-Jay

  1.1萬(wàn)

  2024/05/05

  卷積神經(jīng)網(wǎng)絡(luò) CNN

  
• 愛芯元智獲評(píng)人工智能大會(huì)“最具創(chuàng)新價(jià)值產(chǎn)品獎(jiǎng)”并正式發(fā)布愛芯派Pro

  目前，愛芯元智已經(jīng)量產(chǎn)了四代多顆應(yīng)用于不同行業(yè)領(lǐng)域的視覺感知芯片，并堅(jiān)持基于算法、芯片、產(chǎn)品的垂直整合，為合作伙伴提供全棧式解決方案，幫助客戶實(shí)現(xiàn)最新技術(shù)的快速落地。面向人工智能產(chǎn)業(yè)的高速發(fā)展，愛芯元智也將通過持續(xù)的技術(shù)創(chuàng)新，提高芯片性能、降低成本，讓邊端智能更加普惠，最終實(shí)現(xiàn)“普惠AI 造就美好生活”的使命。

  與非網(wǎng)編輯

  2210

  2023/08/25

  人工智能 NPU

  
• Fashion-MNIST驗(yàn)證機(jī)識(shí)別率可達(dá)98%？

  看到一篇會(huì)議論文[1]，宣稱用lenet-5在fmnist上可以實(shí)現(xiàn)超過98%的識(shí)別率。當(dāng)時(shí)看到就驚呆了！先介紹一下論文主體內(nèi)容：第一部分引言強(qiáng)調(diào)了CNN在計(jì)算機(jī)視覺中有廣泛的應(yīng)用，并引出了lenet5是一個(gè)重要的CNN模型，并分6個(gè)方面闡述Fashion-MNIST是一個(gè)復(fù)雜的數(shù)據(jù)集。

  森森Techdaily

  1345

  2023/05/08

  計(jì)算機(jī)視覺 CNN

  
• 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分

  本文討論了CNN相對(duì)于經(jīng)典線性規(guī)劃的優(yōu)勢(shì)，后續(xù)文章《訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分》將討論如何訓(xùn)練CNN模型，系列文章的第三部分將討論一個(gè)特定用例，并使用專門的AI微控制器對(duì)模型進(jìn)行測(cè)試。

  與非網(wǎng)編輯

  1603

  2023/04/17

  人工智能 神經(jīng)網(wǎng)絡(luò)
• ?Transformer+CNN，引領(lǐng)新一代AI發(fā)展

  視覺應(yīng)用作為人工智能最普及的基礎(chǔ)設(shè)施層，重要性卻不言而喻。它可以說是人工智能機(jī)器的‘眼睛’，賦予它感知的能力，使它能夠‘看懂’這個(gè)世界。而計(jì)算機(jī)視覺中的深度神經(jīng)網(wǎng)絡(luò)（DNN）架構(gòu)則是這雙眼睛的‘視網(wǎng)膜’，賦予了它可視的源泉。

  TechSugar

  2772

  2023/03/23

  卷積神經(jīng)網(wǎng)絡(luò) CNN
• 一文精簡(jiǎn)介紹CNN神經(jīng)網(wǎng)絡(luò)

  這是love1005lin在CSDN上2021-11-19發(fā)布的一篇深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)，內(nèi)容整理的精簡(jiǎn)，移動(dòng)，現(xiàn)在將其進(jìn)行轉(zhuǎn)載，供大家參考。

  卓晴

  1475

  2021/12/07

  神經(jīng)網(wǎng)絡(luò) 卷積神經(jīng)網(wǎng)絡(luò)
• 我用90年代的古董電腦訓(xùn)練CNN

  在90年代的電腦上實(shí)現(xiàn)CNN是一種什么體驗(yàn)？

  量子位

  148

  2021/02/20

  AI 電腦
• 高速全局快門圖像傳感器如何減輕基于AI的視覺系統(tǒng)的負(fù)擔(dān)

  視覺傳感器對(duì)于數(shù)據(jù)采集正變得越來越重要。最初的簡(jiǎn)單圖像傳感器為攝影應(yīng)用開發(fā)，如今的圖像傳感器用于向人工智能(AI)和機(jī)器學(xué)習(xí)系統(tǒng)提供高質(zhì)量的輸入。這些系統(tǒng)已成為利用新的和創(chuàng)新的處理器架構(gòu)的精密決策實(shí)體。

  安森美半導(dǎo)體

  147

  2020/11/24

  傳感器 AI
• 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)

  卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種深度學(xué)習(xí)算法，在計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域取得了巨大的成功。它通過多層卷積和池化操作來提取圖像特征，并通過全連接層進(jìn)行分類或回歸。本文將探討卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和缺點(diǎn)，以及它在不同領(lǐng)域的應(yīng)用。

  eefocus_3901714

  1.2萬(wàn)

  2024/01/04

  深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)
• CNN神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) CNN與NN的區(qū)別

  卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種在計(jì)算機(jī)視覺和圖像處理領(lǐng)域廣泛應(yīng)用的深度學(xué)習(xí)模型。它的設(shè)計(jì)靈感來自于對(duì)生物視覺系統(tǒng)的研究，并通過多層卷積和池化操作實(shí)現(xiàn)對(duì)圖像特征的有效提取。本文將重點(diǎn)探討CNN神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)，并與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）進(jìn)行比較。

  eefocus_3901714

  1.5萬(wàn)

  2023/09/19

  卷積神經(jīng)網(wǎng)絡(luò) CNN

正在努力加載...