大連理工提出基于Wasserstein距離(WD)的知識蒸餾方法

自 Hinton 等人的開創(chuàng)性工作以來，基于 Kullback-Leibler 散度（KL-Div）的知識蒸餾一直占主導地位。 然而，KL-Div 僅比...

2025-01-21 標簽：圖像分類目標檢測 855 0

xgboost在圖像分類中的應用

XGBoost（eXtreme Gradient Boosting）是一種高效的機器學習算法，它基于梯度提升框架，通過構(gòu)建多個弱學習器（通常是決策樹）來...

2025-01-19 標簽：圖像分類機器學習XGBoost 1.3k 0

xgboost超參數(shù)調(diào)優(yōu)技巧 xgboost在圖像分類中的應用

一、XGBoost超參數(shù)調(diào)優(yōu)技巧 XGBoost（eXtreme Gradient Boosting）是一種基于梯度提升決策樹（GBDT）的高效梯度提升...

2025-01-31 標簽：參數(shù)圖像分類機器學習 1.8k 0

復旦&微軟提出?OmniVL：首個統(tǒng)一圖像、視頻、文本的基礎(chǔ)預訓練模型

根據(jù)輸入數(shù)據(jù)和目標下游任務的不同，現(xiàn)有的VLP方法可以大致分為兩類：圖像-文本預訓練和視頻-文本預訓練。前者從圖像-文本對中學習視覺和語言表征的聯(lián)合分布...

2022-12-14 標簽：圖像圖像分類 1.3k 0

一種對紅細胞和白細胞圖像分類任務的主動學習端到端工作流程

細胞成像的分割和分類等技術(shù)是一個快速發(fā)展的領(lǐng)域研究。就像在其他機器學習領(lǐng)域一樣，數(shù)據(jù)的標注是非常昂貴的，并且對于數(shù)據(jù)標注的質(zhì)量要求也非常的高。針對這一問...

2022-08-13 標簽：圖像分類機器學習預處理 1.9k 0

CNN結(jié)構(gòu)基本情況

LeNet 卷積神經(jīng)網(wǎng)絡(luò)是由深度學習三巨頭之一的 Yan Le Cun于 1994 年提出來的。其對構(gòu)建的 MNIST手寫字符數(shù)據(jù)集進行分類。LeNet...

2022-07-05 標簽：神經(jīng)網(wǎng)絡(luò)圖像分類深度學習 2.8k 0

CNN根本無需理解圖像全局結(jié)構(gòu)，一樣也能SOTA？

好家伙，在CIFAR-10上，用16×16的圖像碎片訓練出來的模型，測試準確率能達到91%，而用完整的32×32尺寸圖像訓練出來的模型，測試準確率也不過90%。

2022-06-09 標簽：圖像分類數(shù)據(jù)集cnn 1.5k 0

模型部署是打通AI應用的最后一公里

為了更好的滿足用戶多種視覺任務場景，部署Demo基于PaddleX的Deployment模塊進行二次開發(fā)，不僅僅支持對PaddleX自身訓練的模型進行推...

2022-06-07 標簽：AI圖像分類工業(yè)制造 1.3k 0

常見目標檢測算法大匯總

在過去的十多年時間里，傳統(tǒng)的機器視覺領(lǐng)域，通常采用特征描述子來應對目標識別任務，這些特征描述子最常見的就是 SIFT 和 HOG.而 OpenCV 有現(xiàn)...

2022-04-25 標簽：算法圖像分類目標檢測 1.1萬 0

增量學習的概念

在機器學習領(lǐng)域，增量學習致力于解決模型訓練的一個普遍缺陷：「災難性遺忘(catastrophic forgetting)」 ，也就是說，一般的機器學習模...

2021-03-05 標簽：圖像分類機器學習 4.6k 0

計算機視覺主要完成哪些任務？

圖像分類是目標檢測、語義分割的重要支撐，其目標是將不同的圖像劃分到不同的類別，并實現(xiàn)最小的分類誤差。如今，圖像分類的應用在我們的生活中隨處可見，如智能手...

2021-03-04 標簽：神經(jīng)網(wǎng)絡(luò)圖像分類計算機視覺 5.8k 0

使用元學習進行少樣本圖像分類

首發(fā)：AI公園公眾號作者：Etienne編譯：ronghuaiyang導讀你并不總是有足夠的圖像來訓練一個深度神經(jīng)網(wǎng)絡(luò)。下面是教你如何通過幾個樣本讓...

2020-12-14 標簽：圖像分類深度學習 852 0

計算機視覺技術(shù)簡介

由于“計算機視覺”反映了對視覺環(huán)境及其上下文的相對理解，因此，一些科學家認為，該領(lǐng)域為人工智能領(lǐng)域鋪平了道路。那么什么是計算機視覺呢？

2020-07-11 標簽：圖像分類 5k 0