转载自村头陶员外的博客：  https://blog.csdn.net/Mr_tyting/article/details/71881984上一篇我们详细讲解了人工神经网络以及DNN的原理。CNN主要应用在图像处理方面。这一讲我们将详细讲解卷积神经网络CNN的原理以及在深度学习框架pytorch上的实现。在讲CNN之前我们需要了解这么几个问题？ ①人工神经网络能用到计算机视觉上吗？ 答：能 ②那么

转载自：https://blog.csdn.net/DaveBobo/article/details/72847924 中国计算机学会推荐国际学术会议和期刊目录http://history.ccf.org.cn/sites/ccf/paiming.jsp一、计算机视觉三大顶级国际会议与所有其它学术领域都不同，计算机科学使用会议而不是期刊作为发表研究成果的主要方式。目前国外计算...

转载自村头陶员外的博客：  https://blog.csdn.net/Mr_tyting/article/details/71881984上一篇我们详细讲解了人工神经网络以及DNN的原理。CNN主要应用在图像处理方面。这一讲我们将详细讲解卷积神经网络CNN的原理以及在深度学习框架pytorch上的实现。在讲CNN之前我们需要了解这么几个问题？ ①人工神经网络能用到计算机视觉上吗？ 答：能 ②那么

安装成功后，切换到安装路径的 bin 文件夹下面，然后执行 sudo ./matlab启动。为了方便，将这条写进了自己的版本管理文件init_all.shexport PATH=/home/visd/matlab14/bin:$PATHcd /home/visd/matlab14/binsudo ./matlabecho '**************************'echo ''ech

我将从以下几个方面来进行解说：1.卷积神经网络的结构2.卷积神经网络的计算3.以AlexNet为例进行详细讲解4.常见的两个卷积层设置的问题1.卷积神经网络的结构卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT（输入层）-CONV（卷积层）-RELU（激活函数）-POOL（池化层）-FC（全连接层）我们用一个图进行展示：2.卷积神经网络的计算卷积神将网络的计算公

ImportError: numpy.core.multiarray failed to import出现这个错误的原因是numpy的版本太低了在python的IDE里输入：import numpyprint numpy.version.version使用：conda uninstall numpypip list查看numpy是否卸载干净, 还有的话继续 conda uninstall nump

目标检测是很多计算机视觉任务的基础，不论我们需要实现图像与文字的交互还是需要识别精细类别，它都提供了可靠的信息。本文对目标检测进行了整体回顾，第一部分从RCNN开始介绍基于候选区域的目标检测器，包括Fast R-CNN、Faster R-CNN 和 FPN等。第二部分则重点讨论了包括YOLO、SSD和RetinaNet等在内的单次检测器，它们都是目前最为优秀的方法。一、基于候选区域的目标检测器1.

https://github.com/scutan90/DeepLearning-500-questions第一章 数学基础 11.1 标量、向量、张量之间的联系 11.2 张量与矩阵的区别？ 11.3 矩阵和向量相乘结果 11.4 向量和矩阵的范数归纳 11.5 如何判断一个矩阵为正定？ 21.6 导数偏导计算 31.7 导数和偏导数有什么区别？ 31.8 特征值分解与特征向量 31.9 奇异值

https://blog.csdn.net/sinat_17456165/article/details/106184711在深度学习的很多工作中（例如目标检测、图像分割），融合不同尺度的特征是提高性能的一个重要手段。低层特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多。高层特征具有更强的语义信息，但是分辨率很低，对细节的感知能力较差。如何将两者高效融合，取其

https://github.com/scutan90/DeepLearning-500-questions第一章 数学基础 11.1 标量、向量、张量之间的联系 11.2 张量与矩阵的区别？ 11.3 矩阵和向量相乘结果 11.4 向量和矩阵的范数归纳 11.5 如何判断一个矩阵为正定？ 21.6 导数偏导计算 31.7 导数和偏导数有什么区别？ 31.8 特征值分解与特征向量 31.9 奇异值