【机器学习】大模型环境下的应用：计算机视觉的探索与实践
引言 随着数据量的爆炸性增长和计算能力的提升，机器学习（Machine Learning，ML）在计算机视觉（Computer Vision，CV）领域的应用日益广泛。特别是大模型（Large Models）如深度卷积神经网络（CNN）的出现，极大地推动了图像识别、目标检测、图像生成等任务的性能和效果。本文将深入探讨机器学习与大模型在计算机视觉中的应用，结合代码示例，展示其在实...
Vision Mamba:将Mamba应用于计算机视觉任务的新模型
对于VIT来说，Transformers虽然功能强大，但通常需要大量的计算资源，特别是对于高分辨率图像。Vision Mamba旨在通过提供更有效的替代方案来解决这个问题。 Vision Mamba vs Transformers 这篇论文主要由华中科技大学、地平线机器人、北京人工智能研究院的研究人员贡献，深入研究了Mamba 是如何处理视觉任务的。Mamba的效率来自于它的双向状态空间...
详细介绍CNN卷积层的原理、结构和应用，并探讨其在图像处理和计算机视觉任务中的重要性
卷积神经网络（Convolutional Neural Network，CNN）是一种在计算机视觉和图像识别领域取得巨大成功的深度学习模型。其中，卷积层是CNN的核心组成部分之一，具有重要的作用。本文将详细介绍CNN卷积层的原理、结构和应用，并探讨其在图像处理和计算机视觉任务中的重要性。 1. 卷积层原理 1.1 基本思想 卷积层是CNN中非常重要的一种层级结构，其基本思想是通过卷积操...
深度学习应用篇-计算机视觉-视频分类8：时间偏移模块（TSM）、TimeSformer无卷积视频分类方法、注意力机制
深度学习应用篇-计算机视觉-视频分类[8]：时间偏移模块（TSM）、TimeSformer无卷积视频分类方法、注意力机制 1.时间偏移模块（TSM） 视频流的爆炸性增长为以高精度和低成本执行视频理解任务带来了挑战。传统的2D CNN计算成本低，但无法捕捉视频特有的时间信息；3D CNN可以得到良好的性能，但计算量庞大，部署成本高。作者提出了一种通用且有效的时间偏移模块（TSM），它通过沿时间...
深度学习应用篇-计算机视觉-OCR光学字符识别[7]：OCR综述、常用CRNN识别方法、DBNet、CTPN检测方法等、评估指标、应用场景
深度学习应用篇-计算机视觉-OCR光学字符识别[7]：OCR综述、常用CRNN识别方法、DBNet、CTPN检测方法等、评估指标、应用场景 1.OCR综述 OCR(Optical Character Recognition,光学字符识别)是指对图像进行分析识别处理，获取文字和版面信息的过程，是典型的计算机视觉任务，通常由文本检测和文本识别两个子任务构成。 文字检测：将图片中的文字区域位...
![深度学习应用篇-计算机视觉-OCR光学字符识别[7]：OCR综述、常用CRNN识别方法、DBNet、CTPN检测方法等、评估指标、应用场景](https://ucc.alicdn.com/fnj5anauszhew_20230611_eba1a5baa8bf41b08e8306e0af20dbcd.png)
深度学习应用篇-计算机视觉-语义分割综述[6]：DeepLab系列简介、DeepLabV3深入解读创新点、训练策略、主要贡献
深度学习应用篇-计算机视觉-语义分割综述[6]：DeepLab系列简介、DeepLabV3深入解读创新点、训练策略、主要贡献 0.DeepLabV3深入解读 1、DeepLab系列简介 1.1.DeepLabV1 作者发现Deep Convolutional Neural Networks (DCNNs) 能够很好的处理的图像级别的分类问题，因为它具有很好的平移不变性（空间细节信息已高度...
![深度学习应用篇-计算机视觉-语义分割综述[6]：DeepLab系列简介、DeepLabV3深入解读创新点、训练策略、主要贡献](https://ucc.alicdn.com/fnj5anauszhew_20230609_301629df5724404f8566fdee90dc181e.png)
深度学习应用篇-计算机视觉-语义分割综述[5]：FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等
深度学习应用篇-计算机视觉-语义分割综述[5]：FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等语义分割综述（semantic segmentation）1.初识语义分割1.1.计算机视觉目前，计算机视觉是深度学习领域最热门的研究领域之一。从广义上来说，计算机视觉就是要“赋予机器自然视觉的能力”。实际上，计算机视觉本质上就是研究视觉感知问题，其目标就是对环....
![深度学习应用篇-计算机视觉-语义分割综述[5]：FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等](https://ucc.alicdn.com/fnj5anauszhew_20230609_9fa2ee47d1ba4c12bbc21fe1438dfd90.png)
深度学习应用篇-计算机视觉-目标检测[4]：综述、边界框bounding box、锚框（Anchor box）、交并比、非极大值抑制NMS、SoftNMS
深度学习应用篇-计算机视觉-目标检测[4]：综述、边界框bounding box、锚框（Anchor box）、交并比、非极大值抑制NMS、SoftNMS 1.目标检测综述 对计算机而言，能够“看到”的是图像被编码之后的数字，它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标...
![深度学习应用篇-计算机视觉-目标检测[4]：综述、边界框bounding box、锚框（Anchor box）、交并比、非极大值抑制NMS、SoftNMS](https://ucc.alicdn.com/fnj5anauszhew_20230608_6bd2e5b4d75d4e09ac0f28a3b000951f.png)
深度学习应用篇-计算机视觉-图像分类[3]：ResNeXt、Res2Net、Swin Transformer、Vision Transformer等模型结构、实现、模型特点详细介绍
深度学习应用篇-计算机视觉-图像分类[3]：ResNeXt、Res2Net、Swin Transformer、Vision Transformer等模型结构、实现、模型特点详细介绍 1.ResNet 相较于VGG的19层和GoogLeNet的22层，ResNet可以提供18、34、50、101、152甚至更多层的网络，同时获得更好的精度。但是为什么要使用更深层次的网络呢？同时，如果只是网络层...
![深度学习应用篇-计算机视觉-图像分类[3]：ResNeXt、Res2Net、Swin Transformer、Vision Transformer等模型结构、实现、模型特点详细介绍](https://ucc.alicdn.com/fnj5anauszhew_20230608_66d62d30b9c94664ab8283a44887ff4d.png)
深度学习应用篇-计算机视觉-图像分类[2]：LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍
深度学习应用篇-计算机视觉-图像分类[2]：LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍 1.LeNet（1998） LeNet是最早的卷积神经网络之一[1]，其被提出用于识别手写数字和机器印刷字符。1998年，Yann LeCun第一次将LeNet卷积神经网络应用到图像分类上，在手写数字识别任务中取得了巨大成功。算法中阐述了图像中像...
![深度学习应用篇-计算机视觉-图像分类[2]：LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍](https://ucc.alicdn.com/fnj5anauszhew_20230607_034fed09562b4d269c70bfe3a982ddfc.png)
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
计算机视觉
包含图像分类、图像生成、人体人脸识别、动作识别、目标分割、视频生成、卡通画、视觉评价、三维视觉等多个领域
+关注