深度学习
白天
夜间
首页
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
torch中的数据集导入方法
浏览
84
扫码
分享
2023-11-24 00:36:20
若有收获，就点个赞吧
0 人点赞
上一篇:
下一篇:
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
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
