importnumpyasnpimportsysdefconv_(img,conv_filter):filter_size=conv_filter.shape[1]result=np.zeros((img.shape))#循环遍历图像以使用卷积运算forrinnp.uint16(np.arange(filter_size/2.0,img.shape[0]-filter_size/2.0+1)):forcinnp.uint16(np.arange(filter_size/2.0,img.shape[1]-filter_s
2022/10/8 13:00:54 53KB mp 卷积 卷积神经网络
1
https://github.com/Shawn1993/cnn-text-classification-pytorch
2017/7/15 20:54:57 22KB pytorch torchtext
1
基于深度学习的端到端无监督配准模型——变形图像配准网络DIRNet图像配准网络,这是一个运用CNN来预测控制点的网格的神经网络,这些控制点能够被用来生成根据参考图像来对待配准图像进行变形的位移矢量场。
2020/8/22 13:23:31 164.51MB 深度学习
1
一种基于CNN模型多元时间序列分类结构,佘强,李静林,多元时间序列分类问题是时间序列挖掘领域中的重要问题,目前的常规做法是使用基于欧氏距离或DTW距离的K近邻分类模型,或基于统计
2018/1/19 1:44:49 481KB 计算机应用技术
1
基于TensorFlow的FasterR-CNN源码目录构造----data----experiments----faster_rcnn----libs
1
本文来自36kr,本文介绍了R-CNN基本结构和原理,YOLO的基本原理,推理过程,计算loss以及具体实用过程等。
知识图谱最初是由谷歌提出用来优化搜索引擎的技术,在不断发展中外延也一度扩大。
盘点目前知识图谱的发展,其已经助力了很多抢手的人工智能场景的应用,例如语音助手、聊天机器人、智能问答等。
当前的人工智能其实可以简单划分为感知智能(主要集中在对于图片、视频以及语音的能力的探究)和认知智能(涉及知识推理、因果分析等),知识图谱就是认知智能领域中主要的技术之一。
从使用的范围来讲,知识图谱分为通用知识图谱和领域知识图谱。
通用知识图谱主要应用于面向互联网的搜索、推荐、问答等业务场景。
通用知识图谱强
1
手写识别的简单cnn版本和复杂cnn版本的完成,代码简单,附带数据集包
2019/10/22 3:11:15 11.69MB 手写识别
1
这个CNN工具箱只用改一两个地方就可以对本人的数据集分类了比github上的deeplearning的工具箱里的CNN改动要简单
2017/9/18 10:03:13 11.08MB CNN
1
卷积神经网络CNN举行图像分类
2018/6/25 8:47:53 41.8MB cnn
1
压缩包里有论文[PDF]和制造的[PPT]~一篇CVPR2018的论文LearningRichFeaturesforImageManipulationDetection,检测图像的篡改区域,用FasterR-CNN网络定位图像被篡改的部分,练就PS检测的火眼金睛。
让PS痕迹无处可逃。
这就将图像鉴伪,图像取证这方面与深度学习技术结合起来啦。
---------------------本文来自luolan9611的CSDN博客,全文地址请点击:https://blog.csdn.net/luolan9611/article/details/82804248?utm_source=copy
1
共 214 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡