📢 แจ้งเตือน: tags/eeedaa - ประเด็นร้อน

cnn

MATLAB实现基于卷积神经网络（CNN）进行交通流量预测的详细项目实例（含完整的程序，GUI设计和代码详解）还请多多点一下关注加油谢谢你的鼓励是我前行的动力谢谢支持加油谢谢

http://智能交通基于卷积神经网络的交通流量预测系统：MATLAB实现与GUI可视化应用MATLAB实现基于卷积神经网络（CNN）进行交通流量预测的详细项目实例（含完整的程序，GUI设计和代码详解）资源-CSDN下载 https://download.csdn.net/download/xiaoxingkongyuxi/92197807http://智能交通基于卷积神经网络的交通流量预测系统：

xiaoxingkongyuxi
2026-01-19 18:30:00

 1632

 37

#cnn #matlab #深度学习 +4
图像分割全览：解读FCN到Mask R-CNN的技术演进

从FCN第一次让神经网络实现像素级分类的突破，到Mask R-CNN完美融合检测与分割的优雅架构，再到如今基础模型时代下的通用分割范式，图像分割技术的发展史，正是计算机视觉从“看见”走向“理解”的缩影。FCN教会了我们如何利用全卷积网络端到端地学习像素关系，奠定了方法论基础；Mask R-CNN则展示了如何在复杂任务中通过精巧的结构设计（如ROI Align）和多任务学习来逼近问题的极限。而今天，

jeffsonfu
2026-02-24 09:39:55

 922

 20

#r语言 #cnn #开发语言
python_cnn对wav音频识别集合

摘要：本文介绍了一系列基于Python深度学习的音频识别项目，涵盖动物声音识别（猫叫、狗叫、鸟鸣等）、语音识别（数字、英文单词）、音乐分类和环境声音识别等多个领域。这些项目主要采用卷积神经网络(CNN)等深度学习技术，实现了对各类声音特征的提取和分类，展示了深度学习在音频处理领域的广泛应用。项目内容涉及动物异常声音检测、说话情感识别等细分方向，为声音识别研究提供了实践案例。

no_work
2026-03-22 20:54:57

 200

 6

#python #开发语言 #cnn +3
YOLOv8与CNN的X射线胸腔图肺炎识别系统深度学习卷积神经网络 yolov8, resnet50，mobilenet，alexnet【python源码】

本文介绍了一个基于YOLOv8和CNN（包括ResNet50、AlexNet、MobileNet）的X射线胸腔图肺炎识别系统。系统采用PyTorch框架实现，包含4个可对比的深度学习模型，使用Python+Pyside6开发GUI界面。项目提供完整的数据集、训练代码和测试代码，支持模型训练过程可视化（准确率/损失曲线）、模型评估（混淆矩阵、准确率等指标）等功能。系统可在PyCharm/Anacon

lanbo_ai
2026-03-28 10:45:00

 343

 6

#python #cnn #pytorch +2
YOLOv8与CNN的鞋子类行识别系统深度学习卷积神经网络 yolov8, resnet50，mobilenet，alexnet【python源码】

本文介绍了一个基于PyTorch框架实现的鞋子类型识别系统，包含CNN（ResNet50、AlexNet、MobileNet）和YOLOv8共4个模型。系统采用Python+PySide6+OpenCV技术栈，提供GUI界面支持。项目可在PyCharm或VSCode的Anaconda虚拟环境中运行，包含完整的数据集、训练代码和模型评估功能。系统支持自定义数据集训练，能输出训练曲线、模型结构、混淆矩

 lanbo_ai
2026-04-01 10:45:00

 373

 8

#深度学习 #cnn
【机器学习精通】第20章 | 模型压缩与加速：让大模型跑得更快

摘要：本文系统介绍了深度学习模型压缩与加速的关键技术，包括量化、剪枝和知识蒸馏等方法。量化部分详细讲解了训练后量化（PTQ）和量化感知训练（QAT）的实现，并涵盖了大语言模型专用量化技术（GPTQ、AWQ）。文章提供了PyTorch代码示例，展示了从模型准备到实际量化的完整流程，帮助开发者在资源受限环境下实现高效模型部署。压缩技术可显著减少模型大小（2-10倍）并提升推理速度，同时保持可接受的精度

 所谓伊人，在水一方333
2026-03-19 08:03:27

 384

 8

#机器学习 #人工智能 #神经网络 +2
小白从零开始勇闯人工智能：深度学习初级篇（卷积神经网络上）

卷积神经网络（Convolutional Neural Network，简称CNN）是一种专门用于处理具有网格结构数据（如图像）的深度学习模型。其核心在于通过卷积层自动提取数据的局部特征，利用池化层降低特征图的空间尺寸并增强平移不变性，最后通过全连接层进行分类或回归。CNN通过权值共享和局部连接显著减少了参数数量，从而高效学习图像的空间层次化特征。它已成为计算机视觉领域如图像识别、目标检测和图像分

 啊巴矲
2026-01-06 21:22:12

 911

 35

#人工智能 #深度学习 #cnn
从“黑箱卷积”到“频域开挂”：小波+CNN为什么突然又火了？

【摘要】小波变换与CNN融合的研究方向正受到关注，通过结合小波的多尺度特征提取能力与CNN的深度学习优势，提升图像处理任务性能。代表性工作包括：1) WMREN网络通过小波下采样保留边缘细节，在医学图像分割中表现优异；2) WTNet利用小波频率分解特性实现轻量级曝光校正；3) W-CNN在小波变换基础上构建空间-频率学习范式，显著提升煤矿断层预测准确率；4) Wavelet-CNet通过小波交叉

 2501_94342146
2026-04-03 11:39:01

 420

 9

#cnn #人工智能 #神经网络 +4
毕业项目推荐：105-基于yolov8/yolov5/yolo11的烟草等级检测识别系统（Python+卷积神经网络）

本文介绍了一种基于深度学习的烟草等级检测系统，采用YOLOv8/YOLOv5/YOLO11等算法模型，结合SE注意力机制提升检测精度。系统通过计算机视觉技术自动识别烟草叶片的外观特征（颜色、纹理、破损等），实现快速分级与品质筛选。开发了带UI界面的检测系统，支持图片、视频及摄像头输入的实时检测，并提供结果保存功能。项目包含完整Python代码和使用指南，涵盖数据增强、特征融合等技术要点，有效解决了

 大学生毕业题目
2026-01-15 15:37:49

 759

 13

#python #cnn #目标检测 +2
常规卷积的一些基础知识

卷积(Convolution)是一种数学运算和信号处理技术，广泛应用于图像处理、语音识别、自然语言处理和深度学习等领域。它的基本思想是通过滑动一个小的窗口(称为卷积核或滤波器)在输入数据上进行局部区域的乘法运算，然后将这些乘积结果加和起来，形成输出数据。

zhongxia97
2026-01-28 13:52:02

 658

 8

#pytorch #人工智能 #计算机视觉 +1
毕业项目推荐：98-基于yolov8/yolov5/yolo11的肺结节检测识别系统（Python+卷积神经网络）

本文介绍了一个基于深度学习的肺结节检测识别系统，该系统采用YOLOv8/YOLOv5/YOLO11等算法模型，结合SE注意力机制提升检测精度。系统支持图片、视频和摄像头输入的实时检测，并具备结果导出功能。通过UI界面直观展示检测结果，可用于肺部疾病的早期筛查和诊断。文章提供了完整的Python代码和使用指南，方便读者学习和应用该技术。该系统能有效识别肺结节的位置、大小和形态，提高诊断效率，对肺癌早

 大学生毕业题目
2026-01-12 09:55:14

 1004

 24

#python #cnn #目标检测 +2
MATLAB实现基于CNN-ELM 卷积神经网络（CNN）结合极限学习机（ELM）进行光伏功率预测的详细项目实例（含完整的程序，GUI设计和代码详解）还请多多点一下关注加油谢谢你的鼓励是我前行的

【新能源预测】MATLAB实现基于CNN-ELM卷积神经网络（CNN）结合极限学习机（ELM）进行光伏功率预测的详细项目实例（含完整的程序，GUI设计和代码详解）资源-CSDN下载https://download.csdn.net/download/xiaoxingkongyuxi/92270648【新能源预测】MATLAB实现基于CNN-ELM卷积神经网络（CNN）结合极限学习机（ELM）进行光

 xiaoxingkongyuxi
2026-03-16 12:15:00

 331

 6

#matlab #cnn #开发语言 +4
从原理到实战：卷积神经网络（CNN)

3. **池化降维**：通过最大/平均池化压缩特征图尺寸，减少计算量，同时赋予网络**平移、缩放不变性**，提升鲁棒性。一、引言卷积神经网络（Convolutional Neural Network, CNN）作为深度学习领域的核心模型，受生物视觉皮层机制启发，凭借**局部连接、权值共享、池化降维**三大核心特性，彻底改变了计算机视觉、语音识别等领域的技术范式。2. **正则化**：Dropou

2401_87593207
2026-04-22 16:24:42

 311

 6

#cnn #人工智能 #神经网络
初学卷积神经网络

卷积神经网络（Convolutional Neural Network, CNN）是一类专门处理具有网格结构数据（如图像）的深度学习模型。它在计算机视觉领域取得了巨大成功，广泛应用于图像分类、目标检测、图像分割等任务。下面从核心思想、基本组成、工作原理和典型架构等方面。我认为卷积神经网络是将图片转化成特征图，通过卷积神经网络的感受野（卷积核）进行识别分类的技术。可以将卷积核想象成一个放大镜，每次我

 sodi40
2026-02-15 18:10:11

 218

 2

#cnn #人工智能 #神经网络 +2
基于cnn的YOLOV8算法智慧城市环境治理之河道垃圾检测地面垃圾落地识别碎料垃圾检测深度学习第10422期

基于cnn的YOLOV8算法智慧城市环境治理之河道垃圾检测地面垃圾落地识别碎料垃圾检测深度学习第10422期

 QQ67658008
2026-04-12 11:31:58

 123

#深度学习 #cnn
基于卷积神经网络与注意力机制的网络入侵检测算法研究

网络入侵检测方法研究及系统实现项目运用了深度学习技术，结合卷积神经网络（CNN）和长短期记忆网络（LSTM）构建并联神经网络结构，解决了传统入侵检测系统在高维数据处理、复杂攻击模式识别及实时性方面的不足，实现了对网络流量的时空特征提取和高效入侵检测功能。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各

 Krin_IT
2026-01-14 17:56:26

 902

 22

#cnn #lstm #网络
手写数字识别（MNIST）：28*28灰度图识别，使用opencv可视化窗口

个人经导师指导并认可通过的高分设计项目，评审分 99分。项目中的源码均经过本地编译、严格调试与完整运行验证，可直接一键运行无报错！项目难度适中、逻辑清晰、注释完整，主要面向计算机相关专业完成课程大作业、毕业设计的学生，以及需要深度学习实战练习的学习者。所有内容均满足课程学习、实验报告、项目展示等使用需求，可放心下载使用。

Sghoeedp
2026-04-09 17:16:48

 26

#python #机器学习 #人工智能 +2
【信息安全毕业设计】基于CNN-BiLSTM的SDN工业网络入侵检测算法研究

设计并实现了一种高效的工业网络入侵检测与防御系统。该系统通过数据维度转换技术将一维网络流量数据转换为二维图像数据，利用CNN-BiLSTM模型提取空间和时间特征，实现对多种入侵流量的准确检测，并基于OpenFlow协议设计了入侵防御策略，保障SDN工业网络的安全。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精

 HaiLang_IT
2026-01-30 15:30:00

 777

 18

#cnn #网络 #算法
毕业设计：python手写数字识别系统 CNN算法卷积神经网络 OpenCV和Keras模型计算机视觉毕业设计（建议收藏）✅

python手写数字识别系统 CNN算法卷积神经网络 OpenCV和Keras模型计算机视觉毕业设计（建议收藏）✅

vx_biyesheji0002
2026-01-05 22:37:28

 1071

 31

#深度学习 #opencv #人工智能 +2
频域+卷积神经网络：好发又实用的论文黄金组合！轻松冲CVPR

【频域+CNN：AI研究热点速览】当前频域与CNN结合的研究方向因其高实验成功率和显著性能提升成为热门选择。该方向通过频域信息增强CNN的局部特征提取能力，在抗噪性和全局感知方面表现突出。研究案例显示，基于频域特征的方法在医疗影像（如脑肿瘤分类）和场景识别领域取得突破，通过小波变换、自注意力机制等技术实现高效特征提取。该方向适配边缘计算设备，在实时性、轻量化方面优势明显，适合智慧医疗、智能导航等应

 程序员小嬛
2026-04-09 10:13:49

 262

 6

#cnn #人工智能 #神经网络 +2
YOLOv8与CNN模型大枣分级系统深度学习卷积神经网络 yolov8, resnet50，mobilenet，alexnet【python源码】

本文介绍了一个基于PyTorch框架的大枣分级系统，包含CNN模型(ResNet50、AlexNet、MobileNet)和YOLOv8模型。系统采用Python+Pyside6+OpenCV技术实现，提供GUI界面支持。项目可在PyCharm/Anaconda或VSCode/Anaconda环境中运行，包含完整代码、预训练模型和数据集。系统支持自定义数据集训练，输出训练曲线、模型结构、混淆矩阵等

 lanbo_ai
2026-03-30 10:45:00

 740

 12

#深度学习 #cnn
使用CNN卷积神经网络进行情感分析

说先看一下这个图，它大体介绍了CNN的自然语言处理流程：1.首先每个单词对应一行，d=5表示分了5个维度，一般是分128维，300维之类的，这里为了方便，用d=5。这样的话矩阵就是7*52.然后第一步进行卷积的操作，分别使用了四行的卷积核两个，三行的卷积核两个，两行的卷积核两个。然后分别对7*5的矩阵进行卷积，对于7*5的话，4*5放上去可以向下移动4次，所以产生了4*1矩阵(fe...

CtrlZ1
2019-08-18 14:29:49

 7990

 14

#cnn
神经网络关于训练集数据量越大，效果越好的误解

@TOC之前一直想不通为什么训练集为什么一直需要越大越好？通常来说，训练喂的数据越多，预测应该越好吧。最好，用交叉验证确认一下也有可能训练样本量大，数据特征较多，但网络层次太少，特征训练不充分，预测结果变差，这样才对啊。随着慢慢的学习，数据量越大效果越好，这前提是网络提取特征能力不能太差，效果的好坏是有多方面因素的。多方面因素我还没理解透每一方面具体的体现。如有不正确的，还望指教。嘻嘻，学无止境啊

 一点朱砂傲世风华
2019-06-16 21:08:42

 2w

 9

#cnn
卷积神经网络的工程技巧总结

要成功地使用深度学习算法，仅仅知道存在哪些算法和解释它们为何有效的原理是不够的。一个优秀的机器学习实践者还需知道如何针对具体应用挑选一个合适的算法以及如何监控，并根据实验反馈改进机器学习系统。在机器学习系统的日常开发中，实践者需要决定是否收集更多的数据、增加或减少模型容量、添加或删除正则化项、改进模型的优化、改进模型的近似推断或调试模型的软件实现。尝试这些操作都需要大量时间，因此确定正确的做法，而

 Wanderer001
2022-11-30 07:38:22

 1315

#cnn #人工智能
【深度学习】GoogLeNet系列解读 —— Inception v2

目录GoogLeNet系列解读Inception v1Inception v2Inception v3Inception v4简介GoogLeNet凭借其优秀的表现，得到了很多研究人员的学习和使用，因此Google又对其进行了改进，产生了GoogLeNet的升级版本，也就是Inception v2。论文地址：Rethinking the Inception Arch...

z小白
2018-10-28 14:23:19

 1.5w

#cnn
cnn卷积神经网络表情识别

借鉴了已有的网帖 https://blog.csdn.net/sqh4587/article/details/74507010但是我在Python3.5的环境下无法运行，最后的图也无法显示，修改之后能够正常得出结果相关程序如下：import string, os, sysimport numpy as npimport matplotlib.pyplot as pltimp...

weixin_41555847
2018-09-01 16:23:37

 1975

#cnn #tensorflow
【Python实现卷积神经网络】：神经网络的Loss函数：Softmax+Cross Entropy前向传播原理+python实现代码

1.交叉熵的作用通过神经网络解决多分类问题时，最常用的一种方式就是在最后一层设置n个输出节点，无论在浅层神经网络还是在CNN中都是如此，比如，在AlexNet中最后的输出层有1000个节点：一般情况下，最后一个输出层的节点个数与分类任务的目标数相等。假设最后的节点数为N，那么对于每一个样例，神经网络可以得到一个N维的数组作为输出结果，数组中每一个维度会对应一个类别。在最理想的情况下，...

Jack_Kuo
2018-07-24 10:53:43

 5822

 4

#神经网络 #python #cnn
卷积神经网络中feature map的含义

在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map。

LittleStudent12
2018-06-21 16:30:16

 2.6w

 4

#cnn
贝叶斯神经网络（5）- 图像处理bayes-CNN

一、无偏估计百度：无偏估计是用样本统计量来估计总体参数时的一种无偏推断。估计量的数学期望等于被估计参数的真实值，则称此此估计量为被估计参数的无偏估计，即具有无偏性，是一种用于评价估计量优良性的准则。无偏估计的意义是：在多次重复下，它们的平均数接近所估计的参数真值。无偏估计常被应用于测验分数统计中。二、计算图片的组成分布p(x)用途：如果我们知道的图片的分布p(x)，我们就可以生成新的图片，判断异常

 shanesu
2018-06-03 20:53:33

 1.1w

 2

#cnn
【深度学习】注意力模型 (Attention Model)

【深度学习】注意力模型 (Attention Model)

JNingWei
2018-02-02 17:02:35

 3949

 1

#深度学习 #人工智能 #神经网络 +1
【深度学习】ZFNet 网络

【深度学习】ZFNet 网络

 JNingWei
2018-01-18 20:06:55

 6783

#深度学习 #人工智能 #计算机视觉 +2
【深度学习 CNN】卷积神经网络模型--VGGNet（CNN )

VGGNet 网络结构诞生自牛津大学视觉几何组（Visual Geometry Group），也因此依照传统以作者VGG命名而来。算法思想：从网络设计思路来看，VGGNet是继承了AlexNet 的思路，以AlexNet 为基础，尝试建立了一个层次更多、深度更深的网络。其网络结构一样可以有8个层次所构成。也是5层卷积层，3层全连接层。最主要的区别在于，VGGNet的每个卷积网层并不是只做一次卷积操

 东华果汁哥
2018-01-04 16:10:40

 2099

 1

#深度学习 #cnn