cnn
-
yolox改进–添加Coordinate Attention模块(CVPR2021)
yolox改进–添加Coordinate Attention模块 Coordinate Attention 代码 建立包含CAM代码的attention.py 在yol…
-
基于1DCNN(一维卷积神经网络)的目标识别
简介:研一已经结束,感觉动手能力太差,找了一篇优秀的博主的文章,然后进行学习,奈何 科研小白,代码经过各种查找,终于明白了原理。 在此先感谢博主"秋雨行舟",他…
-
CNN+LSTM+Attention实现时间序列预测(PyTorch版)
文章目录 前言 一、基于PyTorch搭建CNN+LSTM+Attention模型实现风速时间序列预测 二、配置类 三、时序数据集的制作 四、数据归一化 五、数据集加载器 六、搭建…
-
卷积神经网络学习—Resnet50(论文精读+pytorch代码复现)
前言 一、Resnet论文精读 引入残差 残差块 ResNet50模型基本构成 BN层 Resnet50总体结构 二、Resnet50代码复现 完整代码 前言 如果说在CNN领域一…
-
CNN中的底层、高层特征、上下文信息、多尺度
一、CNN中的底层、高层特征: 简短总结: 分类要求特征有较多的高级信息,回归(定位)要求特征包含更多的细节信息 1)图像的低层特征(对定位任务帮助大,我们可以想想比如轮廓信息都不…
-
Python CNN卷积神经网络实例讲解,CNN实战,CNN代码实例,超实用
一、CNN简介 1. 神经网络基础 输入层(Input layer),众多神经元(Neuron)接受大量非线形输入讯息。输入的讯息称为输入向量。 输出层(Output layer)…
-
YOLOv5改进之YOLOv5+GSConv+Slim Neck
论文题目:Slim-neck by GSConv: A better design paradigm of detector architectures for autonomou…
-
【综述】一文读懂卷积神经网络(CNN)
卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Netwo…
-
Depthwise 卷积 ,Pointwise 卷积与普通卷积的区别
1 普通卷积 原理:普通卷积是,一个卷积核与input的所有通道都进行卷积,然后不同通道相同位置卷积后的结果再相加,如下图所示,:⾸先,每个通道内对应位置元素相乘再相加,最后计算所…
-
SegNeXt: 重新思考基于卷积注意力的语义分割
GitHub:https://github.com/Visual-Attention-Network/SegNeXt Paper:https://arxiv.org/pdf/22…