cnn标签_AI编程社区

cnn

深度学习笔记（一）

输入向量为神经元个数为。权重矩阵为，偏置为净输入（未激活输出）为激活输出为为激活函数，如 Sigmoid 或 ReLU）神经元个数为。权重矩阵为，偏置为净输入为预测输出为为输出层激活函数）拿到所有梯度后，我们就可以使用梯度下降法（设学习率为层级权重更新公式偏置更新公式输出层 (Layer 2)隐藏层 (Layer 1)%24q%24%24f%24%24l%24%24g%24%24j%24%24k%

jgrwzjnz
2026-05-17 12:11:36

 538

 10

#神经网络 #深度学习 #cnn
深度学习课程总结：线性回归和卷积神经网络

本文系统整理了深度学习基础课程内容，涵盖线性回归、逻辑回归、神经网络和经典CNN架构。从线性回归的最小二乘解析解和梯度下降法入手，详细推导了逻辑回归的交叉熵损失函数和Softmax多分类方法。重点分析了感知机的局限性及多层感知机解决XOR问题的原理，并给出BP算法的完整推导过程。最后介绍了LeNet、AlexNet、VGG和ResNet等经典CNN结构的发展脉络。全文包含大量公式推导和算法细节，既

 qq_41858351
2026-05-17 19:05:43

 542

 10

#深度学习 #线性回归 #cnn
我把BP反传和CNN基础串起来了：从XOR到LeNet、AlexNet、ResNet ——神经网络与深度学习第2周课堂笔记

本文系统梳理了神经网络与深度学习的核心知识框架，重点解析了BP算法和CNN的关键原理及其演进逻辑。

Rone182
2026-05-17 16:57:18

 549

 8

#cnn #人工智能
图解人工智能（30）你能猜出下面的图标各自代表什么意思吗？

神经网络模型的发展离不开三大关键要素：数据、计算能力和开源生态。海量数据为模型训练提供基础，强大的计算能力（如GPU/TPU）加速模型优化，而开源社区则促进了技术共享与创新。三者相互促进，推动深度学习在各领域的应用突破。未来，随着数据规模扩大、硬件升级和开源协作深化，神经网络模型性能将持续提升，赋能更广泛的AI应用场景。

陈天伟教授
2026-05-20 14:08:03

 61

#人工智能 #深度学习 #cnn +1
图解人工智能（31）深度学习前沿

摘要：词向量模型通过语义相关性训练词向量。针对不同领域对象的嵌入，相关性定义如下：（1）动物园动物：物种、外形、饮食习惯；（2）抖音视频：用户点击、发布者、标签；（3）京东商品：购买记录、商品类别、商家标签；（4）大学教授：合作发文、所属院校、授课科目。各领域依据其特性选择相关性判断标准。

陈天伟教授
2026-05-21 14:27:55

 256

 7

#人工智能 #神经网络 #cnn +1
DL：卷积神经网络的基本原理与 PyTorch 实现

在 PyTorch 中，二维卷积层的输入通常具有形状 N、C、H、W，分别表示批量大小、通道数、高度和宽度；它通过局部连接、权重共享、特征图、池化等机制，使模型能够更有效地从图像中提取空间特征，并逐层形成从低级视觉特征到高级语义特征的表示。（MLP）直接把输入展开为一维向量不同，卷积神经网络会尽量保留图像中的局部邻域关系，通过卷积核在图像上滑动，自动学习边缘、纹理、形状等层级特征。例如，对于手写数

 MediaTea
2026-05-22 00:00:00

 647

 7

#cnn #pytorch #人工智能 +2
图解人工智能（34）深度学习面临的挑战

对抗样本的存在说明人与机器看世界的方式可能是有差异的。讨论一下，为什么说这种差异有可能带来巨大的未知风险？

陈天伟教授
2026-05-22 15:11:33

 58

#人工智能 #深度学习 #cnn +1
智能AI图像识别之公共场合人员行为分析深度学习CNN人员行为识别抽烟和打电话图像识别 YOLO玩手机和饮酒目标检测第10397期 (1)

智能AI图像识别之公共场合人员行为分析深度学习CNN人员行为识别抽烟和打电话图像识别 YOLO玩手机和饮酒目标检测第10397期 (1)

QQ67658008
2026-05-23 09:13:02

 41

 1

#人工智能 #深度学习 #cnn
深度学习课程学习报告week2_卷积神经网络（CNN）基础

109平移不变性（Translation Invariance）局部性（Locality）

cancly
2026-05-24 12:58:41

 346

 2

#深度学习 #学习 #cnn
PyTorch 实战：从零搭建手写数字识别系统（CNN 卷积神经网络）

print(f"准确率: {100 * (1 - len(wrong_indices)/len(all_labels)):.2f}%")print(f"准确率: {100 * (1 - len(wrong_indices)/len(all_labels)):.2f}%")transforms.Normalize((0.1307,), (0.3081,))# 标准化。transforms.Norma

weixin_55008315
2026-05-24 13:05:49

 494

 4

#pytorch #cnn #人工智能
卷积神经网络（CNN）与深度学习视觉应用综述

在深度学习领域，卷积神经网络（CNN）是实现计算机视觉任务的基石。通过对这些基础理论的学习，我们能够构建起从特征提取到复杂场景理解的知识体系。

m0_70850754
2026-05-24 19:25:52

 199

 8

#深度学习 #cnn #人工智能
神经网络与深度学习课程总结2：卷积神经网络与视觉应用总结

本文围绕本周课件，系统总结卷积神经网络基础与深度学习视觉应用。首先分析全连接网络在图像处理中参数多、训练慢、易过拟合的问题，引出局部连接、权值共享和池化思想；随后说明卷积、填充、步长、多通道卷积、池化层及LeNet、AlexNet、VGG、ResNet等典型结构。最后梳理MNIST、CIFAR-10、VOC、COCO、ImageNet等数据集，介绍分类、检测、分割任务，Precision、Reca

传齐在现
2026-05-25 00:07:05

 373

 7

#神经网络 #深度学习 #cnn
【纯新手向】我的深度学习打怪升级之路（三）：让机器“看见”世界的CNN与视觉应用

如果说上一周的 BP 算法是神经网络的引擎，那么这周的 CNN 就是神经网络的眼睛。理解了卷积和池化的底层逻辑，就能明白为什么深度学习在视觉领域能取得如此惊人的突破。

曦晨166
2026-05-25 09:33:02

 35

#深度学习 #cnn #人工智能
课题组正在悄悄垮掉的10个信号，中3条建议你立马跑路

课题组衰退的10个危险信号：导师脱离科研一线却盲目追求顶刊；组会沦为形式主义消耗；资源分配严重不公；科研管理异化为考勤打卡；核心成员被过度压榨；优秀人才持续流失；组内学术交流停滞；报销流程苛刻繁琐；利益分配全凭导师喜好；对外关系全面恶化。若出现3条以上，建议认真考虑"跑路"，因为在一个持续恶化的环境中，个人能力再强也难以突破体制性困境。读博最可怕的不是科研本身的艰难，而是被一个

 学无止境，未来可期
2026-05-26 10:24:29

 381

 5

#人工智能 #transformer #cnn +3
【深度学习】 —— 轻松玩转数据增强

本文旨在解决深度学习中因数据量不足导致的过拟合问题，将利用 TensorFlow，通过构建 CNN 网络实现猫狗识别。数据集中有 dog 和 cat 2 类图片，每类图片数量各有 300 张图片。Model 层嵌入：利用 GPU 加速，在 Model.fit 时自动生效。Dataset 层映射：在 CPU/数据流水线预处理阶段进行 map 操作。此外，还将说明如何编写 aug_img 并嵌入 pr

现代野蛮人
2026-05-26 18:36:17

 415

 9

#深度学习 #人工智能 #tensorflow +1
现代卷积神经网络（一）：从AlexNet到VGG，开启深度学习的狂飙时代

本文介绍了现代卷积神经网络（CNN）从AlexNet到VGG的发展历程，重点分析了AlexNet的创新之处及其对深度学习的重要影响。文章首先指出LeNet在处理复杂图像时的局限性，随后详细阐述了AlexNet的关键改进：更深的网络结构、ReLU激活函数的使用、GPU加速训练以及Dropout防止过拟合。通过对比表格和结构示意图，展示了AlexNet如何通过多层卷积和池化操作逐步提取图像特征，最终实

 2401_83600008
2026-05-28 08:00:00

 478

 16

#深度学习 #cnn #人工智能
智能识别之建筑物混凝土缺陷识别混凝土裂缝识别栏杆腐蚀铁锈检测桥梁孔洞识别材料表面缺陷识别与质检场景 CNN深度学习第10367期

智能识别之建筑物混凝土缺陷识别混凝土裂缝识别栏杆腐蚀铁锈检测桥梁孔洞识别材料表面缺陷识别与质检场景 CNN深度学习第10367期

 QQ67658008
2026-05-28 09:51:36

 219

 7

#cnn #人工智能
项目介绍 MATLAB实现基于CNN-Attention卷积神经网络（CNN）结合注意力机制进行多变量时序预测（含模型描述及部分示例代码）专栏近期有大量优惠还请多多点一下关注加油谢谢你的鼓励是

摘要：本项目基于MATLAB实现CNN-Attention神经网络的多变量时序预测模型，针对工业、能源、交通等领域中复杂的非线性时序数据建模需求。通过卷积层提取局部时序模式，结合注意力机制动态分配变量和时间维度权重，有效解决了传统方法在非平稳数据、噪声干扰和复杂变量耦合关系下的预测瓶颈。项目包含完整的数据预处理流程（滑动窗口构造、标准化）、网络架构设计（1D卷积+自注意力层）和评估体系（RMSE、

xiaoxingkongyuxi
2026-05-29 20:05:12

 184

 5

#matlab #cnn #开发语言 +4
项目介绍 MATLAB实现基于CNN-LSTM卷积神经网络（CNN）结合长短期记忆网络（LSTM）进行多变量时序预测（含模型描述及部分示例代码）专栏近期有大量优惠还请多多点一下关注加油谢谢你的

本项目基于MATLAB实现CNN-LSTM混合神经网络进行多变量时间序列预测。针对工业、能源、交通等领域中多源异构时序数据的特点，通过CNN提取局部特征，LSTM建模长期依赖，有效解决传统方法在复杂非线性关系下的预测局限。项目包含完整流程：数据清洗、滑动窗口构造、网络架构设计（1D卷积+LSTM+全连接）、训练优化及评估。关键创新点包括多变量协同处理、时空特征融合以及严格的时序数据划分策略。实验结

 xiaoxingkongyuxi
2026-05-29 20:07:23

 214

 4

#matlab #cnn #lstm +4
CNN论文阅读框架梳理

上图是最近一直以来，零零散散看的论文，进行了一个简单的梳理。

仙女修炼史
2026-05-30 14:32:33

 37

#cnn
项目介绍 MATLAB实现基于CNN-LSTM-Attention卷积神经网络（CNN）结合长短期记忆网络（LSTM）融合注意力机制进行多变量时序预测（含模型描述及部分示例代码）专栏近期有大量优惠还

本项目基于MATLAB实现了一个结合CNN、LSTM和注意力机制的多变量时序预测模型。该模型通过CNN提取局部特征、LSTM建模长期依赖、注意力机制动态分配权重，有效解决了多变量时序预测中变量相关性动态变化、长序列信息衰减等关键问题。项目包含完整的数据预处理流程（滑动窗口构造、标准化处理）、模型架构设计（1D卷积层、LSTM层、自注意力层）以及性能评估模块（RMSE、MAE、R2等指标）。实验结果

 xiaoxingkongyuxi
2026-05-30 16:34:50

 101

 1

#matlab #cnn #lstm +4
学完卷积后的理解

原因是卷积的两个特点：①卷积核的通道数等于输入数据的通道数。）②卷积结果的输出通道数取决于卷积核的个数。卷积结果的矩阵的物理含义：矩阵中的每一个元素为输入图像的某位置与卷积核的相似程度。通过将卷积核移动到输入数据上，进行对应位置的加权求和，得到一个数字，并通过移动覆盖全输入图像，多个数字组成的矩阵即为卷积结果；在每个通道上，卷积结果矩阵的尺寸计算公式为（输入尺寸-卷积核尺寸+填充的尺寸）/步长+1

2301_81077423
2026-05-31 14:42:08

 176

 3

#深度学习 #cnn #神经网络
matlab基于CNN卷积神经网络的人脸表情情绪识别项目课题，采用GUI界面

matlab基于CNN卷积神经网络的人脸表情情绪识别项目课题，采用GUI界面，

资深码侬
2026-06-02 09:15:00

 175

 3

#matlab #cnn #开发语言
项目介绍 MATLAB实现基于CNN-LSTM-Attention卷积长短期记忆神经网络（CNN-LSTM）融合注意力机制进行多输入多输出回归预测（含模型描述及部分示例代码）专栏近期有大量优惠还请多

更多详细内容请访问http://智能交通MATLAB实现基于BiLSTM-Attention双向长短期记忆网络（BiLSTM）结合注意力机制进行多工况多个时间步车速预测的详细项目实例（含完整的程序，GUI设计和代码详解）_BiTCN-BiGRU-Attention多输入单输出预测资源-CSDN下载 https://download.csdn.net/download/xiaoxingkongyu

xiaoxingkongyuxi
2026-06-02 18:26:18

 105

 1

#神经网络 #matlab #cnn +4
基于CNN卷积神经网络人脸朝向识别系统（GUI界面）【源码34期】

本文介绍了一个基于MATLAB的CNN人脸朝向识别系统，包含模型训练和GUI交互两大模块。系统采用420×420灰度图输入，通过多层卷积网络实现5类朝向分类，训练25个周期后达到100%测试准确率。GUI界面支持图像选取、实时识别和结果可视化，并提供测试集整体性能评估功能。该系统具有操作简便、识别准确的特点，适用于教学演示与研究，未来可通过数据增强和模型优化进一步提升泛化能力。文末提供相关代码获取

 matlab代码
2026-06-28 08:51:29

 171

 8

#cnn #人工智能 #神经网络
PyTorch从零手写CNN花卉图像分类完整实战（完整代码+原理详解+训练可视化+实验分析）

图像分类是计算机视觉的基础核心任务，卷积神经网络凭借局部感受野、权值共享、池化降维的核心特性，能够自主提取图像边缘、纹理、语义特征，完成端到端的分类任务。本项目针对花卉图像细粒度分类场景，自主设计轻量化CNN网络结构。针对数据集样本量有限、自然场景存在光照干扰、背景复杂、模型易过拟合等问题，采用多维度数据增强、正则化约束、分批迭代训练等优化策略，有效提升模型泛化能力与分类精度。全程从底层搭建网络，

dream_it_come_in
2026-06-28 17:41:45

 201

 8

#pytorch #cnn #分类
融合图像、文本与语音三种模态的垃圾分类系统，采用YOLOv8目标检测模型与MobileNet轻量级卷积神经网络进行图像识别，结合基于关键词匹配与语义规则分析的文本处理

随着城镇化的快速推进，我国城市生活垃圾产生量持续攀升。住建部相关统计显示，全国城市生活垃圾年清运量已超过2.4亿吨，且仍保持增长态势。尽管自2019年起多地强制实施生活垃圾分类，但居民源头分类准确率长期徘徊在较低水平，部分试点城市投放正确率不足五成。究其原因，除公众认知不足外，分类过程的繁琐性与认知成本是重要阻碍。因此，借助智能技术降低分类门槛、提升投放准确率，成为环境工程与计算机应用领域共同关注

 叫我：松哥
2026-06-29 15:46:18

 607

 17

#分类 #目标检测 #数据分析 +3
计算机毕业设计之基于卷积神经网络的金融新闻情感分析系统设计与实现

本文设计并实现了一个基于卷积神经网络(CNN)和PyTorch框架的金融新闻情感分析系统。系统采用Vue前端构建用户界面，Django作为后端框架，通过CNN模型对金融新闻文本进行深度特征提取和情感分类。数据预处理环节包含清洗、分词、词向量化等步骤，并针对金融领域特点进行优化。系统能准确识别新闻情感倾向（积极/消极/中性），提供可视化分析结果，为投资者决策提供支持。测试界面展示了情感标签、得分等关

 2601_96285174
2026-06-30 14:58:58

 164

 7

#cnn #金融 #django +3
计算机毕业设计之基于卷积神经网络的垃圾分类

本研究基于深度学习和卷积神经网络模型，提出了一种垃圾分类管理系统，旨在解决传统垃圾检测中的效率低、精度不高等问题。随着垃圾问题的日益严重，传统的人工巡检和手动分类方法已经无法满足现代环境保护的需求，因此，需要一种自动化、精准的垃圾识别与管理方案。YOLOv11作为一种基于卷积神经网络的目标检测算法，具有较快的检测速度和较高的准确度，本研究通过对YOLOv11模型进行适当的调整与优化，提升了其在环境

 2601_96285174
2026-06-30 14:56:52

 160

 3

#cnn #分类 #python +1
PyTorch从零手写CNN实现MNIST手写数字识别（完整实战·单篇完结）

MNIST 是开源手写数字标准数据集，为灰度单通道图像，分辨率统一28×28，无尺寸杂乱问题。数据集包含0~9共10个数字类别，整体样本分布均衡、噪声低、质量高。数据集详细参数：训练集：60000张图像测试集：10000张图像图像通道：1通道灰度图任务类型：单标签多分类针对小尺寸灰度图像设计轻量化CNN结构，双层卷积逐级提取数字边缘、拐点、纹理特征，配合最大池化降维减参，Dropout抑制过拟合，

dream_it_come_in
2026-06-30 17:27:23

 305

 4

#pytorch #cnn #人工智能
快速区域卷积神经网络（Fast R-CNN）

fast r cnn 论文翻译

 CoderIsArt
2026-06-30 19:56:40

 197

 4

#cnn #人工智能
深度学习记录-CNN

肯定是一帧一帧找线索，那么卷积层的作用就是侦探拿着放大镜找线索，找线索肯定是一点一点局部观察，就像是卷积层的卷积核在图像上滑动，提取图像的局部特征。可以想象你的侦探记录本上面的线索特征记录太多，很难一下找到最重要的一些线索，需要精简，这就是池化层的作用，把记录本划分成一个个小格子，最大池化就是每个格子里找最明显最值得的线索保留下来，其他线索先擦出掉，这样精简之后更容易找到破绽。原始图片---->卷

 zheng鸽
2026-06-30 21:45:00

 138

 3

#深度学习 #cnn #人工智能
从FPGA到AI：单通道卷积起步，打通CNN算法→PyTorch训练→硬件推理全链路教程

本教程面向已掌握FPGA基础开发、熟悉AXI总线与DMA架构、希望入门FPGA AI加速的开发者。我们以已跑通的单通道3×3卷积 + 2×2最大池化工程为起点，不追求极致性能优化，先建立「CNN算法原理 ↔ PyTorch软件训练 ↔ FPGA硬件实现」的完整架构认知，逐步补全CNN标准组件，最终打通端到端全链路。教程全程遵循「最小增量迭代」原则：每一步只修改少量代码，完成后立刻与软件结果对齐验证

 喵喵苗
2026-07-01 06:43:20

 263

 6

#人工智能 #fpga开发 #cnn
计算机毕业设计之基于大数据技术的智能交通管理系统

本文介绍了一个基于大数据技术的智能交通管理系统，该系统采用Spider数据采集和Django框架开发。系统分为用户和管理员两大模块：用户模块提供实时交通信息查询、路况优化建议、公众信息发布等功能；管理员模块则实现对用户、交通数据、预测分析、路况优化策略等全面管理。系统通过大数据分析处理海量交通数据，利用机器学习算法进行交通预测，并根据预测结果制定优化策略。特别地，交通预测管理模块可对道路速度、拥堵

 2601_96285174
2026-07-01 16:09:44

 266

 6

#大数据 #cnn #深度学习 +2
【计算机科学与应用】基于Mask R-CNN的近海漂浮垃圾智能识别与清理路径规划系统

本文设计了一套基于MaskR-CNN的智能系统，用于近海漂浮垃圾检测与清理路径规划。系统采用Roboflow海洋垃圾数据集（11类目标/10,000张图像），通过ResNet-50-FPN实现目标检测（AP53.50%）与实例分割（AP52.05%），并将清理路径建模为非闭合旅行商问题，结合最近邻贪心算法与2-opt优化（200目标耗时181.8ms，路径缩短10.5%）。实验开发了Web/桌面双

 2501_92218442
2026-07-01 14:59:08

 246

 4

#cnn #人工智能 #神经网络 +4
基于CNN卷积神经网络人脸朝向识别系统数字图像处理（GUI界面）【源码35期】

本文介绍了一个基于MATLAB深度学习工具箱的CNN人脸朝向识别系统。系统包含模型训练和GUI界面两大模块：训练模块采用420×420灰度图像，构建含卷积、批归一化等层的5分类CNN网络，使用SGDM优化器训练25轮；GUI界面支持图像选取、灰度化/二值化预处理及实时识别，测试集准确率达100%。系统具有操作简便、识别精度高的特点，适用于教学演示，未来可通过数据增强和模型优化提升泛化能力。提供MA

matlab代码
2026-07-02 20:37:41

 214

 8

#cnn #人工智能 #神经网络
PyTorch从零手写CNN实现FER2013人脸表情识别（可视化最强·完整实战·单篇完结）

FER2013（Facial Expression Recognition 2013）是业界通用的人脸表情识别标准数据集，广泛用于表情算法评测、情感计算模型训练，数据来源于真实网络人脸图像，包含光照变化、轻微侧脸、遮挡、肤色差异等真实场景干扰，贴合实际落地场景。数据集核心参数：样本总量：35887张人脸图像图像尺寸：统一48×48单通道灰度人脸图分类类别：7类基础人脸表情具体标签：愤怒、厌恶、恐惧

 dream_it_come_in
2026-07-03 17:28:41

 183

 6

#pytorch #cnn #人工智能
基于CNN卷积神经网络日常物品识别系统（数字图像处理GUI界面）【源码37期】

本文介绍了一个基于MATLAB的CNN日常物品识别系统，包含模型训练和GUI交互两大模块。系统采用112×112×3彩色图像输入，构建6分类CNN网络，通过SGDM优化器训练25个周期后实现87.76%测试准确率。GUI支持图像选择、预处理（灰度化/二值化）及实时识别功能，界面直观易用。系统适用于教学演示，未来可通过数据增强、扩大数据集和优化网络结构进一步提升性能。提供完整MATLAB源码，支持图

 matlab代码
2026-07-03 20:41:51

 191

 7

#cnn #人工智能 #神经网络
基于CNN卷积神经网络手写汉字识别系统（GUI界面）【源码38期】

本文介绍了一个基于MATLAB深度学习工具箱的手写汉字识别系统。该系统采用三层卷积神经网络结构（8/16/32个卷积核），包含批归一化、ReLU激活和池化层，支持自定义输入尺寸和分类数量。系统实现了自动数据加载、模型训练（SGDM优化器，10个周期）和图形化交互界面，测试准确率达95.21%。GUI支持单图识别和整体测试集评估功能，具有模块化设计和良好扩展性。后续可优化方向包括数据增强、模型结构改

 matlab代码
2026-07-03 20:43:35

 214

 5

#cnn #人工智能 #神经网络
Week 7：卷积神经网络原理、核心结构

本周学习补齐了深度学习从通用模型优化到计算机视觉专项落地的关键环节，解决了传统全连接网络处理图像数据参数量大、特征冗余、泛化能力弱等痛点，完整掌握卷积网络的底层逻辑与工程搭建方法，全面提升视觉深度学习的理论分析与项目落地能力。本周学习重点聚焦计算机视觉底层基础，不仅吃透了卷积、池化、特征学习的核心理论，更通过完整的PyTorch项目实操，将正则化、早停策略、交叉验证等优化手段落地到视觉任务中，彻底

 2401_88039874
2026-07-05 18:11:32

 345

 10

#cnn #分类 #人工智能