logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【深度学习】数据集合集!

PaddlePaddle是国内首个自主研发的深度学习平台,是一个技术先进、功能丰富的工业级平台,涵盖深度学习核心框架、基础模型库、端到端开发套件、工具组件、服务平台等。将模型结构、数据样本、张量直方图、PR曲线、ROC曲线、高维数据分布等可视化,让用户更加清晰直观地了解训练过程和模型结构,从而高效地进行模型优化。精选机器学习,NLP,图像识别, 深度学习等人工智能领域学习资料,搜索,推荐,广告系统

文章图片
#深度学习#人工智能#机器学习 +3
【人脸识别】数据集宝藏合集,速看!

数据库中的许多图像包含不止一张带注释的人脸(293 张带有 1 张人脸的图像,53 张带有 2 张人脸的图像和 53 张带有 [3, 7] 人脸的图像)。该数据集是视听的,因此对于许多其他应用也很有用,例如 - 视觉语音合成、语音分离、从人脸到语音的跨模态转换(反之亦然)以及从视频中训练人脸识别以补充现有的人脸识别数据集。除了地标标注外,新的数据集还包括丰富的属性标注,即遮挡、姿势、化妆、照明、模

文章图片
#人工智能#搜索引擎#计算机视觉 +2
【网络通信】数据集合集!

选择muduo库作为网络通信框架,因为它是一个高性能的C++网络库,提供了异步I/O、事件驱动和多线程支持,适合构建高效的网络通信。虽然CocoaAsyncSocket已经非常的成熟,但是项目,业务,协议等不同导致tcp模块的公用性不高,需要根据协议重新订制调整,不能直接拷贝框架使用。一个简洁的鸿蒙NEXT上的WebSocket协议聊天客户端,基于MobileIMSDK通信库,有完善的网络通信通力

文章图片
#AIGC#web安全#人工智能 +2
【海洋生物图像】数据集合集!

四个主要的月相(新月、第一季度、满月和第三季度)在时间上是不规则的,但随着月球绕地球运行完成其周期,具有明确定义的采样结构。满月可能会出现在一年中的一个月的 2 日,下个月的满月可能会出现在 4 日,接下来的十年可能会出现在同月的 13 日。带注释的浮游生物图像 - 用于开发和评估分类方法的数据集 此处可用的数据集包含超过 350 万张微型海洋浮游生物图像,这些图像根据伍兹霍尔海洋研究所 (WHO

文章图片
#无人机#人工智能#自动化 +1
【OCR】数据集合集!

多平台、多语言 OCR 工具,它拥有无与伦比的速度、广泛的支持和完全的开放性。开箱即用,支持离线OCR识别,支持有道搜索,苹果系统搜索,苹果系统翻译,OpenAI,Gemini,DeepL,Google,Bing,腾讯,百度,阿里,小牛,彩云和火山翻译。Surya 是一个文档 OCR 工具包,支持 90 多种语言的 OCR,与云服务相比具有优势,可以进行任何语言的行级文本检测,布局分析(表格、图像

文章图片
#人工智能#科技#机器学习 +1
【震撼解析】图像加上神经网络!都是一区TOP顶刊,IF不断攀升,哪本一区神刊最值得追随?

该期刊接受对模式识别在任何领域的理论、方法和应用做出原创贡献的论文,前提是工作背景既有清晰的解释,又有模式识别文献的基础。出版政策是发布 (1) 由有能力的科学家进行适当审查的新原创文章,(2) 对该领域发展的评论,以及 (3) 涵盖模式识别特定兴趣领域的教学论文。实时系统、操作系统、编程语言、通信(仅限于分析和软件堆栈)、移动系统、并行和分布式架构以及计算机和系统架构;文章发表在以下四个部分之一

文章图片
#神经网络#人工智能#深度学习 +4
【遥感图像】数据集合集!

根据所提供的指导,我们还提供了一个构建 RS 图像数据集的示例,即 Million-AID,这是一个新的大型基准数据集,包含用于 RS 图像场景分类的一百万个实例。新数据集由以下30种航空场景类型组成: 机场,裸地,棒球场,海滩,桥梁,中心,教堂,商业,密集住宅,沙漠,农田,森林,工业,草甸,中等住宅,山地,公园,停车场,游乐场,池塘,港口,火车站,度假村,河流,学校,稀疏住宅,广场,体育场,储罐

文章图片
#图像处理#网络安全#计算机视觉 +2
【图像生成】数据集合集!

支持对接哔哩哔哩直播间,以智谱API作为语言基座模型,拥有意图识别、长短期记忆(直接记忆和联想记忆),支持搭建认知库、歌曲作品库,接入了当前热门的一些语音转换、语音合成、图像生成、数字人驱动项目,并提供了一个便于操作的客户端。智谱清言 ChatGLM4大模型逆向API【特长:超强智能体】,支持高速流式输出、支持智能体对话、支持多轮对话、支持视频生成、支持AI绘图、支持联网搜索、支持长文档解读、支持

文章图片
#大数据#深度学习#人工智能 +2
【航空图像】数据集合集,速看!

iSAID的独特特征如下 :( a) 具有高空间分辨率的大量图像,(b) 15个重要且常见的类别,(c) 每个类别的大量实例,(d) 每个图像的大量标记实例,这可能有助于学习上下文信息,(e) 巨大的物体尺度变化,通常在同一图像内包含小,中和大物体,(f) 图像内具有不同方向的物体的不平衡和不均匀分布,描绘了现实生活中的空中条件,(g) 几个小尺寸的物体,具有模棱两可的外观,只能通过上下文推理来解

文章图片
#开发语言#计算机视觉#人工智能 +2
深度学习(三)——Springer特刊推荐

然而 作为实际计算机视觉应用中的常见情况,尤其是在边缘端,例如 移动应用程序中,资源限制是必须考虑的事情,例如 Limited 计算能力强,实时性要求高,数据不足。要使深度学习在计算机视觉中高效,存在几个不同的方向, 从而减少所需的数据集大小、计算内存或相关的 训练和推理时间。现有的大多数研究都集中在制作深度学习方法 efficient,但是,与实际移动设备相关的资源可能会有很大差异,并且 对于某

文章图片
#深度学习#人工智能#搜索引擎 +3
    共 95 条
  • 1
  • 2
  • 3
  • 10
  • 请选择