加入星計劃，您可以享受以下權益：

  • 創(chuàng)作內容快速變現(xiàn)
  • 行業(yè)影響力擴散
  • 作品版權保護
  • 300W+ 專業(yè)用戶
  • 1.5W+ 優(yōu)質創(chuàng)作者
  • 5000+ 長期合作伙伴
立即加入

卷積神經網絡

加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點資訊討論

卷積神經網絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網絡（Feedforward Neural Networks），是深度學習（deep learning）的代表算法之一。卷積神經網絡具有表征學習（representation learning）能力，能夠按其階層結構對輸入信息進行平移不變分類（shift-invariant classification），因此也被稱為“平移不變人工神經網絡（Shift-Invariant Artificial Neural Networks, SIANN）”。對卷積神經網絡的研究始于二十世紀80至90年代，時間延遲網絡和LeNet-5是最早出現(xiàn)的卷積神經網絡；在二十一世紀后，隨著深度學習理論的提出和數(shù)值計算設備的改進，卷積神經網絡得到了快速發(fā)展，并被應用于計算機視覺、自然語言處理等

卷積神經網絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網絡（Feedforward Neural Networks），是深度學習（deep learning）的代表算法之一。卷積神經網絡具有表征學習（representation learning）能力，能夠按其階層結構對輸入信息進行平移不變分類（shift-invariant classification），因此也被稱為“平移不變人工神經網絡（Shift-Invariant Artificial Neural Networks, SIANN）”。對卷積神經網絡的研究始于二十世紀80至90年代，時間延遲網絡和LeNet-5是最早出現(xiàn)的卷積神經網絡；在二十一世紀后，隨著深度學習理論的提出和數(shù)值計算設備的改進，卷積神經網絡得到了快速發(fā)展，并被應用于計算機視覺、自然語言處理等收起

查看更多
  • 關于卷積神經網絡，這些概念你厘清了么~
    隨著人工智能(AI)技術的快速發(fā)展，AI可以越來越多地支持以前無法實現(xiàn)或者難以實現(xiàn)的應用。本文基于此解釋了卷積神經網絡(CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數(shù)據(jù)中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。
    關于卷積神經網絡，這些概念你厘清了么~
  • 目標檢測算法的動態(tài)重構硬件加速系統(tǒng)的基礎理論概述
    本文介紹了一般目標檢測算法的動態(tài)重構硬件加速系統(tǒng)的基礎理論概述
    1861
    2024/09/04
  • 寫給小白的AI入門科普
    AI，是artificial intelligence的縮寫。Artificial，很多同學認字認半邊，會以為是藝術（art）的什么形容詞。其實不然，artificial的意思就是“人工的、人造的”，和natural（天然的）是反義詞。Intelligence，這個不容易認錯，是“智能”的意思。英特爾（Intel）公司的名字，就是基于這個詞的前五個字母。
    寫給小白的AI入門科普
  • 一文總結CNN中【各類卷積】操作
    本文詳細總結CNN中各類卷積，旨在指導 domain-specific 更好的模型設計，包括標準卷積，分組卷積（Group Conv），深度可分離卷積（Depthwise Separable Conv），轉置卷積（Transposed Conv），空洞卷積（Dilated Conv），可變形卷積（Deformable Conv），和 特征重標定技術（Squeeze-and-Excitation）。
    一文總結CNN中【各類卷積】操作
  • 一文總結經典卷積神經網絡CNN模型
    CNN（卷積神經網絡）更適合計算機視覺領域。下面總結從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晶，學習算法上的思路和技巧，便于我們自己構建模型，也便于我們做遷移學習。
    一文總結經典卷積神經網絡CNN模型
  • 經典卷積神經網絡Python，TensorFlow全代碼實現(xiàn)
    經典卷積神經網絡Python，TensorFlow全代碼實現(xiàn)
    經典卷積神經網絡Python，TensorFlow全代碼實現(xiàn)
  • 職場人必備 | AI術語小詞典（3）
    接著上一期的AI術語小詞典，文檔君又如期而至來給大家科普啦~AL：Active Learning主動學習，主動學習是機器學習領域中的一種技術，其核心思想是讓模型能夠選擇性地從未標記的數(shù)據(jù)中學習，從而提高學習效率和模型性能。這種學習方式通過引入反饋機制，使得模型能夠針對自身的不足進行有針對性的學習，從而不斷優(yōu)化自身。
    職場人必備 | AI術語小詞典（3）
  • 卷積神經網絡的硬件轉換：什么是機器學習？——第三部分
    摘要 本系列文章由三部分組成，主要探討卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。作為系列文章的第三部分，本文重點解釋如何使用硬件轉換卷積神經網絡(CNN)，并特別介紹使用帶CNN硬件加速器的人工智能(AI)微控制器在物聯(lián)網(IoT)邊緣實現(xiàn)人工智能應用所帶來的好處。系列文章的前兩篇文章為《卷積神經網絡簡介：什么是機器學習？——第一部分》和《訓練卷積神經網絡：什么是機器學
    卷積神經網絡的硬件轉換：什么是機器學習？——第三部分
  • 訓練卷積神經網絡：什么是機器學習？——第二部分
    摘要 本文是系列文章的第二部分，重點介紹卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。在第一部分文章《卷積神經網絡簡介：什么是機器學習？——第一部分》中，我們比較了在微控制器中運行經典線性規(guī)劃程序與運行CNN的區(qū)別，并展示了CNN的優(yōu)勢。我們還探討了CIFAR網絡，該網絡可以對圖像中的貓、房子或自行車等對象進行分類，還可以執(zhí)行簡單的語音識別。本文重點解釋如何訓練這些神經網絡
  • 卷積神經網絡簡介：什么是機器學習？——第一部分
    本文討論了CNN相對于經典線性規(guī)劃的優(yōu)勢，后續(xù)文章《訓練卷積神經網絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。
  • ?Transformer+CNN，引領新一代AI發(fā)展
    視覺應用作為人工智能最普及的基礎設施層，重要性卻不言而喻。它可以說是人工智能機器的‘眼睛’，賦予它感知的能力，使它能夠‘看懂’這個世界。而計算機視覺中的深度神經網絡（DNN）架構則是這雙眼睛的‘視網膜’，賦予了它可視的源泉。
  • AI數(shù)字人已成人工智能賽道新藍海！閃剪數(shù)字克隆人火爆上線
    近幾年，AI數(shù)字人市場發(fā)展迅猛。來自IDC最新發(fā)布的行業(yè)報告顯示：2022年初至今，中國AI數(shù)字人市場規(guī)模呈現(xiàn)高速增長趨勢，預計到2026年將達102.4億元人民幣。
  • RIKEN開發(fā)出新卷積神經網絡 助力自動駕駛
    據(jù)外媒報道，日本綜合性研究機構RIKEN腦科學中心的Andrea Benucci及其同事開發(fā)出一種創(chuàng)建人工神經網絡的方法，可以學習更快、更準確地識別物體。該研究重點關注未被注意到的眼球運動，并表示眼球運動在穩(wěn)定識別物體方面發(fā)揮著重要作用。
  • 一文精簡介紹CNN神經網絡
    這是love1005lin在CSDN上2021-11-19發(fā)布的一篇深度學習的卷積神經網，內容整理的精簡，移動，現(xiàn)在將其進行轉載，供大家參考。
  • 解析 | 什么是神經網絡？
    隨著摩爾定律接近尾聲，技術界已經將目光投向了更加多樣化的計算方法。為了繼續(xù)提高系統(tǒng)的計算能力，我們不能僅僅依靠時鐘速度越來越快，也不能指望晶體管越來越小。要真正向前邁進，必須考慮一種新的范式。
  • 我用90年代的古董電腦訓練CNN
    在90年代的電腦上實現(xiàn)CNN是一種什么體驗？
    200
    2021/02/20
  • 卷積神經網絡控制巡線智能車
    Michal Nand[1] 在網站 HACKADAY.IO 上通過博文 Motoku Uprising ?Deep Neural Network 介紹了他利用卷積神經網絡來幫助控制巡線智能車更加平穩(wěn)快速運行的技術方案。
  • AlphaGo又給人工智能添了把柴，Vision C5 DSP想要這樣燒
    AlphaGo對戰(zhàn)柯潔勝了兩局，人工智能繼去年大敗李世石又火了一把，雖然人們針對未來機器人是否會殺死人類的話題爭論不休，但是我們也不得不被人工智能的強大所折服，未來它或許會在各個領域超越并替代人類。隨著人工智能的發(fā)展，無人機、安防監(jiān)控、手機/可穿戴將會更智能化，自動駕駛離上路也更近一步。
  • 全卷積神經網絡
    全卷積神經網絡（Fully Convolutional Neural Network，F(xiàn)CN）是一種深度學習模型，廣泛應用于計算機視覺領域的語義分割、圖像識別等任務中。相較于傳統(tǒng)的卷積神經網絡（CNN），全卷積神經網絡通過去掉全連接層，使用卷積和上采樣運算實現(xiàn)端到端的像素級預測，從而適用于處理不同尺寸的輸入數(shù)據(jù)并輸出相同大小的輸出。
  • 卷積神經網絡
    卷積神經網絡（Convolutional Neural Network，CNN）是一種深度學習模型，其結構借鑒了生物學中視覺皮層神經元的結構。CNN通常由輸入層、卷積層、池化層和全連接層等組成，可以用于圖像、語音、自然語言處理等領域的分類、回歸和生成任務。

正在努力加載...