深度学习目标检测模型
社区干货
如何用pytorch进行目标检测和跟踪
随着深度学习技术的不断发展,在图像识别领域的性能有了显著提高。不仅仅可以用来识别静态图像中的物体,还可以对视频中的物体进行实时的检测和跟踪,这里使用的是pytorch来进行模型的搭建以及物体的检测和跟踪。首先,要明确的是目标检测和跟踪的网络架构,一般会使用一个专门的检测模型来进行物体的检测,并生成检测结果,之后使用跟踪模型来进行物体位置的实时跟踪。对于检测模型,比较常用的是Faster-RCNN,它通过分类来检出图片中...
基于深度学习的工业缺陷检测详解——从0到1|社区征文
# beginning2023年可谓是人工智能浪潮翻涌的一年,AI在各个领域遍地开花。以我最熟悉的工业为例,深度学习也在其中起着重要作用。不知道小伙伴们熟不熟悉工业领域的缺陷检测腻?🧐🧐🧐今天就以钢轨表面缺陷为例,和大家唠唠基于深度学习的钢轨表面伤损细粒度图像识别与目标检测,***总结一下工业缺陷检测流程***,包括从最开始的数据标注,中间的算法原理,再到最后的落地应用。无论你是搞实际项目or发论文or开阔视野,相信都会有所收获...
基于深度学习的探地雷达图像去杂波|社区征文
**前言**探地雷达(GPR)是一种广泛应用于土木工程、地质工程和地质灾害监测的探测地下的方法,通过利用电磁波在不同介质之间的不同反射特性来探测和识别地下物体,GPR 通常沿测线采集高分辨率 B-Scan 雷达图,然而 B-Scan 雷达图在检测到目标响应时会伴有因不均匀地表的强反射、地下土层界面的回波以及发射和接收天线之间直接耦合所产生的杂波,有的杂波甚至掩盖了目标相应,严重影响了目标检测算法的性能。随着深度学习以及大模型的...
AI与深度学习的一年 | 社区征文
深度学习方法能以更方便的方式对特征进行提取,在图像分类、人工智能等领域取得了良好的效果。近些年来,一些研究人员开始将深度学习方法应用于癫痫发作检测领域。# 方法## 1融合GCN和transformer的癫痫自动检测模型基于GCN和transformer的癫痫自动检测模型,该网络模型处理过程中可以分成三个步骤:特征提取、重构和分类。在特征提取阶段,通过GCN对输入的脑电信号进行去噪并进行特征提取处理;特征重构阶段将处理后的数据作为特...
特惠活动
深度学习目标检测模型-优选内容
深度学习目标检测模型-相关内容
边缘计算技术:深度学习与人工智能的融合|社区征文
摄像头行为识别、智能音箱...... 绝大部分场景都属于这两类。 以 TensorFlow & TF lite 等开源深度学习框架为基础的大量应用,推动了智能在云端和边缘端应用。然而,更加具有广大前景的应用,应该属于下面这一类:**... 如何使用PyTorch框架对深度学习模型进行训练和优化,以及如何将模型部署到边缘设备上? 以下是我的答案```pythonimport torch import torch.nn as nn import torch.optim as optim from torch.utils.mobile_...
个人年度总结:深度学习与AIGC技术在智能诗歌生成中的应|社区征文
其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能,成为 AIGC 发展的“加速度”。# “智能诗歌生成”的AIGC项目我曾参与了一个名为“智能诗歌生成”的AIGC项目。该项目的主要目标是利用人工智能技术生成具有特定主题和风格的诗歌。以下是我在该项目中的实践经验和内容分享:**数据收集与预处理:** 首先,我们收集了大量的古代诗歌和现代诗歌数据,并对这些数据进行清洗和预处理,包括去除标点符号、停用词、分...
字节跳动 EB 级 Iceberg 数据湖的机器学习应用与优化
更丰富的训练数据来确保模型的准确性和泛化能力。其次,**训练算力越来越强**。在过去,训练一个机器学习模型可能需要数周甚至数月的时间。然而,如今基于更好的模型架构和高速显卡,我们可以在相对较短的时间内完成训练过程并进行 A/B 测试验证。另外,**特征工程** **越来越自动化、** **端到端** **化**。在传统的机器学习中,特征工程是非常重要的一环,通常需要大量的人工、时间和精力来处理数据和特征。而随着深度学习的发展,...
SSD_Mobilenet目标检测
SSD_Mobilenet目标检测是一个使用 OpenVINO 框架,以及 SSD 和 Mobilenet 算法训练的目标检测模型。本模型能够接受图像作为输入,识别出图像中包含的各类物体。 模型基本信息您可以在边缘智能控制台的 官方模型 列表访问本模型。下图展示了本模型的基本信息。 框架本模型是 OpenVINO 格式的模型。 输入名称 类型 形状 转换形状 格式 data FP32 1,3,384,672 NONE 输入说明: 本模型只支持同时输入一张图像。输入的是一个...
大模型和深度学习的工作总结|社区征文
越来越多的技术:深度学习、AI、大模型、虚拟现实VR等慢慢进入我们的生活。**基于大模型的图像去雾**在今年这个阶段,我的主要工作是研究基于深度学习的图像去雾工作。随着现代工业文明的发展进步,大气污染现象愈... 大模型和深度学习技术的最新进展彻底改变了计算机视觉领域,许多领域都取得了重大进展,包括图像分类和对象检测。图像去雾也不例外,针对图像去雾开发了大量方法,并狠狠地推动了技术发展水平。比如基于大模型下的最新...
万字长文带你弄透Transformer原理|社区征文
> 🍊专栏推荐:[深度学习网络原理与实战](https://juejin.cn/column/7138749154150809637)>> 🍊近期目标:写好专栏的每一篇文章>> 🍊支持小苏:点赞👍🏼、收藏⭐、留言📩> # CV攻城狮入门VIT(vision transformer)之旅——近年超火的Transformer你再不了解就晚了!## 写在前面 近年来,VIT模型真是屠戮各项榜单啊,就像是15年的resnet,不管是物体分类,目标检测还是语义分割的榜单前几名基本都是用VIT实现的!!!朋友,...
大模型:深度学习之旅与未来趋势|社区征文
最多让大模型帮助生成一些不痛不痒、凑字数的内容,难易触达工作的核心环节。所以趁着国庆假期,我试图用国产大模型来协助完成一篇文章,从“知识生产”这个大模型擅长的角度来验证大模型能否更深度提升个人工作效率。... 下面我给大家分享一个基于预训练模型的命名实体识别(NER)应用:1.安装所需库:```bashpip install torch transformers```2.导入所需库```pythonimport torchfrom transformers import BertTokenizer, Bert...
COCO物体检测-01-SSD-ONNX
COCO物体检测-01-SSD-ONNX 是基于 SSD(Single Shot Multibox Detection)算法的目标检测模型。本模型使用了 COCO(Common Objects in Context)数据集进行训练和验证,能够从图像中检测 COCO 数据集所支持的 80 种物体。 SSD 的优点在于它可以在单个神经网络中同时进行特征提取和目标检测,从而大大提高检测速度。此外,与其他目标检测算法相比,它可以更好地处理不同大小的目标,并且检测精度很高。SSD 已经被广泛应用于各种计算机视觉应...
2023 年度总结—总结我今年的AI之路-多项目实战经验谈AI发展前景|社区征文
在学习AI的过程中,我深入了解了机器学习、深度学习、自然语言处理等关键技术,并对其在各个领域的应用有了更深刻的认识。## 🐬1.1 AIGC大模型学习体验有感说到总结,我觉得第一条就应该说一下现在爆火的Chatgpt了... 采用了新的激光雷达检测模型CenterPoint,以及在LiDAR、Camera、Radar感知模型上的全面升级,给我留下了深刻的印象。这种技术的不断演进使得自动驾驶系统在复杂城市道路场景下能够实现更为准确、稳定的3D目标检测效果...
