深度学习

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

杂

浏览 106 扫码 分享 2022-07-12 22:48:06
  • 框架
  • Self-supervised Learning: Generative or Contrastive 自监督学习2020综述

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 比赛
    • OpenCV
      • opencv读取、腐蚀膨胀、轮廓等
    • 项目
      • 第一届"计图"人工智能算法挑战赛三等奖方案
      • ACRE思维导图
      • “华录杯”胃癌分割思维导图
      • 大脑PET
    • loss
      • lovasz自己心得
      • Lovasz loss学习笔记
  • 杂
    • 框架
      • Pytorch
        • pytorch入门-Autograd
        • torch中的数据集导入方法
      • Tensoflow 2.x
        • 不同种数据集的处理方法
        • Keras中fit()和fit_generator()区别以及其参数的坑
      • jittor框架Faster RCNN添加FPN模块
    • Self-supervised Learning: Generative or Contrastive 自监督学习2020综述
  • Attention
    • self—attention
  • 模型
    • 经典论文：DeepLab 系列
    • UNet
    • 轻量级CNN之MobileNet系列
    • Inception网络模型（V1到V4）
  • 通用原理
    • 目标检测中的mAP是什么含义？
    • 邱锡鹏-《神经网络与深度学习》
      • 1.FCN
      • 2.编解码结构SegNet
      • 感受野(Receptive Field)
      • 3.感受野与分辨率的控制术—空洞卷积
      • 3.空洞卷积
    • 灰度共生矩阵的原理
    • 卷积中参数量和计算量
    • 残差网络最本质的理解
    • 评价指标和损失函数
      • 准确率acc、精确率P、召回率R、F1值、ROC/AUC整理笔记
      • [未看]IoU、GIoU、DIoU、CIoU损失函数的那点事儿 - 知乎
    • K-折交叉验证(记一个坑) - 知乎
    • [未看完]ROC和PR曲线
    • 空洞卷积 特征图大小及感受野计算
    • 网络优化与正则化
      • 1.高维空间的非凸优化--直观解析
      • 2.优化算法（梯度下降）
      • 3.参数初始化
    • Spatial Pyramid Pooling（SPP） 详解
    • 卷积网络在学什么
    • mAP(mean average precision)
    • Batch Normalization详解
    • [未读]Pooling池化操作的反向梯度传播
  • 目标检测
    • paddle目标检测学习
      • 4
        • 4.0 YOLO发展历程
        • 4.1 YOLOv3目标检测原理（上）
        • 4.2 YOLOv3目标检测原理（下）
      • 3
        • 3.1 两阶段检测进阶模型详解（上）
        • 3.2 两阶段检测进阶模型详解（下）
        • 3.3 两阶段检测模型优化策略
        • 3.4 工业应用：铝压铸件质检
      • 2 RCNN系列算法详解
        • 2.1 两阶段检测算法发展历程
        • 2.2 Faster R-CNN网络结构
        • 2.3 Faster R-CNN原理详解
        • 2.4 实战演练
      • 1 综述和基础
        • 1.1 目标检测综述
        • 1.2 目标检测算法基础知识
        • 1.3 PaddleDetection
        • 1.4 实践作业讲解
    • [未读]物体检测之FPN及Mask R-CNN
    • YOLO v1 & v2
      • YOLO v1深入理解
      • YOLO v2 / YOLO9000 深入理解
      • YOLOv2损失函数详解
      • [转载]YOLO V1 深层解读与代码解析
      • [转载]YOLO v2/V3 中anchor box和bounding box的理解
    • YOLO v3 & v4
      • TF2搭建YoloV4
      • yolov4训练自己的数据模型
      • Yolov3&Yolov4核心知识讲解
      • [代码详读]Tensorflow2.0实现YOLOv3
      • YOLOv3细节和难点
      • YOLO v3深入理解
    • [转载]RPN解析
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注