Tích chập Fourier nhanh (FFC): Bước đột phá mới cho phân loại ảnh

Tích chập Fourier nhanh (FFC) là một mô hình phân loại ảnh dựa trên phép biến đổi Fourier nhanh (FFT), được đề xuất bởi Chi, Jiang và Mu vào năm 2020. Mục tiêu của FFC là tối ưu hóa các phép tích chập bằng cách sử dụng biến đổi Fourier, từ đó nâng cao độ chính xác và hiệu quả phân loại ảnh. Phân tích kỹ thuật Ý tưởng cốt lõi của FFC là thay th ...

Đăng vào ngày 27 tháng 7 lúc 10:20

Nhận dạng chữ số viết tay MNIST bằng Mạng nơ-ron tích chập

Bài viết này hướng dẫn cách xây dựng và huấn luyện một mạng nơ-ron tích chập (CNN) để nhận dạng chữ số viết tay từ tập dữ liệu MNIST sử dụng PyTorch. 1. Khởi tạo và Siêu tham số Để đảm bảo tính tái lập của quá trình huấn luyện, chúng ta thiết lập một hạt giống ngẫu nhiên. import torch import torch.nn as nn import torch.utils.data as Data impor ...

Đăng vào ngày 24 tháng 7 lúc 18:07

Hướng dẫn cấu trúc và triển khai dự án CDial-GPT

Dự án CDial-GPT đại diện cho một bộ dữ liệu hội thoại tiếng Trung quy mô lớn và các mô hình hội thoại tiền huấn luyện dựa trên kiến trúc GPT. Hướng dẫn này sẽ đi sâu vào cấu trúc dự án, cách khởi chạy quá trình huấn luyện và điều chỉnh cấu hình mô hình để tối ưu hiệu suất. 1. Cấu trúc thư mục của dự án CDial-GPT Dự án CDial-GPT được tổ ...

Đăng vào ngày 19 tháng 7 lúc 17:59

Hệ thống Phát hiện Mũ Bảo Hiểm cho Xe Máy dựa trên Học sâu

Hệ thống Phát hiện Mũ Bảo Hiểm cho Xe Máy dựa trên Học sâu Bài viết này giới thiệu một hệ thống phát hiện mũ bảo hiểm cho người lái xe máy, sử dụng kiến trúc YOLOv12. Hệ thống này có khả năng xác định xem người điều khiển xe máy có đội mũ bảo hiểm hay không. Chúng tôi cũng sẽ giải thích về các mô-đun mới của YOLOv12. Tương tự như các nội du ...

Đăng vào ngày 12 tháng 7 lúc 00:02

Phân tích sâu về Pathways: Khung AI thế hệ mới của Google, tiềm năng và thách thức

Pathways là một khuôn khổ AI hoàn toàn mới do Google đề xuất nhằm giải quyết vấn đề mở rộng quy mô và tiêu thụ tài nguyên ngày càng tăng của các mô hình học sâu. Mục tiêu cốt lõi của khuôn khổ này là xây dựng các mô hình linh hoạt, hiệu quả để xử lý nhiều tác vụ, bao gồm Xử lý Ngôn ngữ Tự nhiên (NLP), Thị giác Máy tính (CV), Nhận dạng Giọng nó ...

Đăng vào ngày 1 tháng 7 lúc 04:33

Xây dựng Hệ thống Phát hiện Mũ Bảo hộ Dựa trên Học sâu: Từ Giao diện Đến Triển khai

Xây dựng Hệ thống Phát hiện Mũ Bảo hộ Dựa trên Học sâu 1. Giới thiệu Trong các môi trường làm việc nguy hiểm như công trường xây dựng, việc đội mũ bảo hộ là một biện pháp an toàn cơ bản. Tuy nhiên, người lao động đôi khi quên hoặc đội mũ không đúng quy cách. Để nâng cao hiệu quả quản lý an toàn tại hiện trường, chúng ta có thể xây dựng một hệ ...

Đăng vào ngày 23 tháng 6 lúc 14:36

Phát triển Học sâu với C# và TensorFlow: Hướng dẫn thực hành từ đầu

Việc tích hợp AI như một thành phần thông thường trong dự án C# .NET, tận dụng hiệu năng biên dịch và giảm chi phí tích hợp, là con đường trực tiếp và hiệu quả nhất cho các đội nhóm đã quen thuộc và sử dụng hệ sinh thái .NET. Nếu sử dụng stack Python để phát triển các mô hình học máy trong dự án .NET, có thể phát sinh các chi phí bổ sung đáng k ...

Đăng vào ngày 22 tháng 6 lúc 21:06

Công Cụ Trích Xuất Thực Thể Sử Dụng Mạng Nơ-ron Tích Ch CNN

CNN4IE Địa chỉ dự án: https://github.com/jiangnanboy/CNN4IE Công cụ trích xuất thông tin tiếng Trung. Sử dụng các biến thể khác nhau của CNN để trích xuất thông tin, trong tương lai sẽ liên tục thêm vào các mô hình khác. Dự án này sử dụng pytorch, python để phát triển. CNN4IE đã điều chỉnh các khối tích chập cải tiến khác nhau để sử dụng cho vi ...

Đăng vào ngày 10 tháng 6 lúc 01:36

Hướng dẫn huấn luyện mô hình phân vùng phủ đất đầu tiên với bộ dữ liệu OpenEarthMap-SAR

Tổng quan: Xây dựng mô hình phân vùng phủ đất từ bộ dữ liệu OpenEarthMap-SAR 1. Giới thiệu công nghệ SAR và giá trị của bộ dữ liệu OpenEarthMap-SAR Công nghệ Cảm biến Tạo ảnh Tổng hợp (SAR) đang thay đổi cách chúng ta quan sát bề mặt Trái Đất. So với cảm quang truyền thống, SAR có khả năng hoạt động mọi thời tiết, có thể xuyên qua mây và một ph ...

Đăng vào ngày 23 tháng 5 lúc 16:41

Phân tích SHAP cho mô hình học sâu: Trình bày trực quan cấp từ và cấp câu

Phân tích SHAP cho mô hình học sâu: Trình bày trực quan cấp từ và cấp câu Trong ứng dụng thực tế của các mô hình học sâu, việc hiểu cách một model thực hiện các quyết định như trong các задач như phân loại văn bản hay phân tíchsentim vẫn còn là một "đen". SHAP (SHapley Additive exPlanations) cung cấp một phương pháp dựa trên lý thuyết hợp tác ...

Đăng vào ngày 17 tháng 5 lúc 03:03