学习笔记（4):深度学习与计算机视觉-深度学习在计算视觉的前沿应用

最新推荐文章于 2025-11-30 18:24:05 发布
转载 最新推荐文章于 2025-11-30 18:24:05 发布 · 208 阅读 · 0
文章标签：

#人工智能 #计算机视觉 #python #神经网络 #算法

部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

计算机视觉_OpenCV-Python-Jupyter-Notebook_基于OpenCV库的Python图像处理与计算机视觉算法实现_包含课程学习过程中创建的所有Jupyter笔记本代码示例.zip
06-15
此外，课程还涉及到了深度学习的初步应用，这是计算机视觉领域的前沿内容。随着深度学习技术的发展，越来越多的传统计算机视觉算法正被深度学习方法所取代，尤其是在复杂场景下的图像识别和处理任务中。OpenCV-...
记录体系结构、机器学习系统及深度学习与计算机视觉类论文的阅读思考笔记
08-20
体系结构、机器学习系统、深度学习与计算机视觉是当前科学技术领域的热点研究方向，涉及到多个交叉学科的知识。体系结构是指计算机系统的组织和构成方式，它不仅包括硬件结构，还包括软件结构及其相互作用。在体系...
计算机视觉与深度学习——学习笔记（1）
Doublexs的博客
09-21 781
随着计算机计算速度的不断迭代增加，计算机视觉技术的发展也越来越好。随着深度学习的不断被人们重新提起，现在深度学习概念使用最多的地方便是结合计算机视觉技术。由于数字图像在存储在计算机中时，是大量的数据，所以在使用深度学习模型进行训练时，通常需要涉及到更多关于硬件与软件方面的各类专业知识。 计算机视觉技术是一个很广泛的学科，涉及到图像的基本处理、图像的识别、图像的认知与学习；而深度学习这个学科也存在...
2021/4/7计算机网络前沿技术课堂笔记
weixin_37682172的博客
04-07 571
dijkstra O(n) precompute O(n^2) 3. 2-hop cover labeling index #任意两个节点，最多经过一个中间节点，即可连接。 3.A related work MKNK15 同态加密——支持密文状态下计算（加法，乘法） 保序加密——如果明文A>明文B, 密文(A)>密文(B) 同态不支持保序 保序不支持同态 假设我们已知A,B,C,D四个距离 E(A)+E(B) 与 E©+E(D) 的大小关系， 如果用同态加密，无法比较E(A)+E
深度学习在计算机视觉领域的前沿进展
AIZOO人工智能乐园
12-29 4134
引言在今年的神经网络顶级会议NIPS2016上，深度学习三大牛之一的Yann Lecun教授给出了一个关于机器学习中的有监督学习、无监督学习和增强学习的一个有趣的比喻，他说：如果把智能（Intelligence）比作一个蛋糕，那么无监督学习就是蛋糕本体，增强学习是蛋糕上的樱桃，那么无监督学习，仅仅能算作蛋糕上的糖霜（图1）。 图1. Yann LeCun 对监督学习，增强学习和无监督学习的价值的形
总结 | 2020年TOP 10计算机视觉论文：代码，解读，还有demo视频！
3D视觉工坊
01-07 1778
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：louisfb01编译：ronghuaiyang来源：AI公园导读论文，代码，解读，还有demo视频。尽管今年世界上发生了这么...
【？--2019深度学习领域综述 文章】深度学习在计算机视觉领域（包括图像，视频，3-D点云，深度图）的应用一览
maweifei的博客
03-22 4618
Link_1:https://zhuanlan.zhihu.com/p/55747295 Link_2:https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247487857&idx=1&sn=344d6999f52b857940804a8c5c78841a&chksm=ec1ffc88db68759ea6...
深度学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 36万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
读书笔记_《深度学习与计算机视觉》.叶韵 编著.田疆 西门子高级研究员 作序.机械工业出版社
u011622434的博客
07-08 1555
一． 常见的深度学习框架 1. Caffe  贾扬清，伯克利加州大学博士，开发了caffe  版本BVLC (Berkeley Vison and Learning Center)，后由伯克利视觉学习中心维护。  2013年开源。  基于c++和英伟达NVIDIA公司的GPU通用计算架构CUDA开发，高效，GPU和CPU无缝切换。  Caffe拥有庞大的社区和用户，比较前沿的方法，官方...
VALSE 2024 计算机视觉与机器学习 | 文档解析与向量化技术加速多模态大模型训练与应用
dvlinker的技术专栏
05-14 3万+
文档解析与向量化技术加速多模态大模型训练与应用。
VALSE 2024 计算机视觉与机器学习 文档解析与向量化技术加速多模态大模型训练与应用_valse2024
HUANGXIN9898的博客
11-15 1299
合合信息采用文档解析与向量化技术来加速多模态大模型的训练与应用，这种技术的核心是将各种类型的文档（如文本、图像、音频等）转换成机器可理解的向量表示，从而实现对多模态数据的统一处理和分析。文档解析技术通常涉及对文档进行结构化处理，将文本内容提取出来，并根据需要进行标记、分类等操作。这有助于提高数据的可用性和可分析性。向量化技术则是将文档内容映射到向量空间中，从而将文档表示为数学上的向量形式。这种表示方法有利于计算机进行高效的数据处理和分析，同时也为模型训练提供了更好的数据表示。
深度学习与计算机视觉工程方向学习笔记
08-18
深度学习和计算机视觉是当今人工智能领域最前沿、最活跃的研究方向之一，它们之间的交叉融合孕育出许多令人瞩目的技术成果和应用实例。深度学习，作为机器学习的一个分支，以其强大的特征提取能力和大数据学习能力，...
李飞飞关于深度学习与计算机视觉的笔记
08-21
深度学习与计算机视觉笔记（李飞飞相关内容） 本笔记围绕深度学习在计算机视觉领域的应用展开，结合李飞飞团队的研究成果与行业实践，系统梳理了核心知识点与技术框架。 内容涵盖基础理论与实际应用两大模块。基础...
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1822
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
信息检索13
2301_80828873的博客
11-26 2176
最近邻检索的方法，PQ，IVF,HNSW
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1101
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
07_Spring AI 干货笔记之提示词
最新发布
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 850
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
RAG信息检索全解析：从Embedding到Reranker的超详细教程1
Trb201013的博客
11-27 1388
文章介绍了RAG系统中信息检索环节的核心技术，包括文档段落嵌入和用户查询嵌入，将文本转换为向量表示；详细解释了相似度检索的多种方法，如Top-K检索、MMR策略和Reranker二次排序技术；强调了合理切分策略对嵌入效果的重要性，以及查询扩展技术对提高检索准确度的作用。指出RAG的本质是"开卷考试"，检索质量直接影响最终生成效果。
【LoRA（低秩适应）技术详解：原理、公式与实践】
m0_46882548的博客
11-26 1625
参数高效：可训练参数量通常仅为全量微调的0.01% - 3%，极大降低了计算和存储成本。内存友好：由于大部分原始权重被冻结，无需存储其优化器状态，显著减少了训练时的显存占用。无推理延迟：训练后可将LoRA权重合并回原模型，推理速度与原始模型一致。模块化与灵活性：一个基础模型可以搭配多个针对不同任务的、体积很小（几兆字节）的LoRA适配器，轻松切换任务。减轻灾难性遗忘：因为原始权重基本不动，模型在适应新任务时更不容易遗忘预训练时获得的通用知识。
李飞飞CS231n课程资料汇总：深度学习与计算机视觉
标题中提到的“CS231n 李飞飞 计算机视觉(笔记+作业)”涉及的知识点主要聚焦在计算机视觉领域的深度学习应用，以及斯坦福大学著名课程CS231n的专业学习资料。CS231n是斯坦福大学开设的一门研究生课程，全称为...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值